[发明专利]基于观点向量化的影响力传播模型的建立方法

说明书

本发明公开了基于观点向量化的影响力传播模型的建立方法。现有方法存在着局限性，模型无法有效的计算用户之间的影响力，通常只能在单一的社交网络或者群体环境中有着一定的效果。本发明方法首先爬取社交网络中用户原创内容的相关信息，并建立基于观点影响力的传播网络；利用随机游走，搜寻影响力传播网络中的与用户观点一致的局部影响用户集合；然后根据观点相似性，搜寻影响力传播网络中与用户观点相似的全局影响用户集合；搜寻影响力传播网络中与用户观点相反的用户集合；最后建立基于观点的影响力传播模型。本发明方法考虑了与用户观点相反的影响用户集合，能够建立更为准确反映基于观点下的影响力传播模型。

技术领域

本发明属于互联网技术领域，尤其是社交网络分析技术领域，具体涉及一种基于观点向量化的影响力传播模型的建立方法。

背景技术

社交网络影响力是个人在互联网平台中，通过发表或转发观点内容，从而影响到其他用户行为的一种体现，具体表现在点赞、转发等。近年来，随着计算机技术的快速发展和普及，越来越多的用户通过在推特(Twitter)、微博等社交网络平台上发表观点、传播内容，并影响到其他用户。围绕着用户之间的社交影响力这一方面，研究人员展开了大量的工作，并实现了多种应用，包括市场营销、广告投放和舆情控制等诸多领域。

信息、观点或情感的接受、融合及扩散是社交网络中的基本过程，可以通过社交行为，如转发等，进行广泛的传播，从而影响到更大规模的用户。在许多应用，诸如病毒式营销中，为了使影响力达到最大化，往往需要发现用户之间的影响力强度，建立相应的影响力传播模型。社交网络中的影响力传播取决于多种因素，包括用户之间的属性差异，用户之间的兴趣相似以及时间因素等。以往的研究方法中，为了建立影响力传播模型，研究人员通常将模型定义为预测用户之间的边的权重，该权重即表示用户之间的影响力。然而，这种方法存在许多局限性。首先，边的定义存在着局限性，只有当用户之间存在关注关系，或者说用户之间有着相应的交互，才能确定一条边的存在，因此，这种方法无法预测全体用户之间的影响力；其次，虽然在社交网络存在大量的边，但相较于全体用户数量来说，边的数据依旧是稀疏的，模型无法有效的计算用户之间的影响力；最后，许多通过边来计算影响力的方法，是通过挖掘社交网络中的强特征来实现的，这种方法没有普适性，通常只能在单一的社交网络或者群体环境中有着一定的效果。

发明内容

本发明的目的是针对现有方法中存在的问题，提供一种基于观点向量化的影响力传播模型的建立方法，利用随机游走，搜寻用户影响到的局部近邻用户集合，并考虑社交网络的全局性，搜寻与用户观点相似的全局性用户集合。另外，考虑到观点有着正反的相对性，本发明搜寻与用户观点相对的用户集合。最终，在词向量和节点向量化的思想下，利用搜寻到的用户集合作为观点影响力的上下文，并建立观点影响力传播计算模型。

本发明方法包括如下步骤：

步骤A.爬取社交网络中用户原创内容的相关信息，并建立基于观点影响力的传播网络；

步骤B.利用随机游走，搜寻影响力传播网络中的与用户观点一致的局部影响用户集合；

步骤C.根据观点相似性，搜寻影响力传播网络中与用户观点相似的全局影响用户集合；

步骤D.搜寻影响力传播网络中与用户观点相反的用户集合；

步骤E.建立基于观点的影响力传播模型。

进一步，步骤A首先利用scrapy模块创建爬虫，对社交网络进行数据爬取，包括用户的原创、转发、关注关系以及相应的操作时间；然后根据用户的转发关系，建立观点影响力传播网络；定义一个观点的影响力传播网络，该传播网络的所有用户对同一内容均进行了转发，并发表了自己的观点，这些观点有些是相同的，有些是相反的。根据关注关系网络、观点信息和转发时间，建立观点影响力的传播网络；具体如下：

A1.根据用户关系，建立用户之间的网络结构图G＝(V,E)，其中V属于全体用户集合，为节点集，E表示用户之间的关系，为有向边集；