[发明专利]社交网络中网络信息发生病毒性传播的预测方法、装置

权利要求书

1.一种社交网络中的信息发生病毒性传播的预测方法，其特征在于，包括以下步骤：

步骤1：根据关注主题，在社交网络媒体信息中采集与关注主题对应的传播数据，采集的传播数据包括关注主题被转发的时间和评价内容，通过传播数据构建传播事件；

步骤2：将每个传播事件分别按照时序进行切片，获得若干包含传播事件的子事件的时间切片，分别从各个子事件取出基于时序的病毒性传播特征并进行向量表示，所述基于时序的病毒性传播特征包括传播量级特征、情感比率特征以及语义演化特征；

步骤3：拼接获得的传播量级特征以及情感比率特征，得到拼接特征，将拼接特征输入第一CNN滤波器模型进行学习，获得第一融合特征，第一融合特征以向量形式表示；

步骤4：以时间切片为分隔，拼接每个时间接片内的语义演化特征，得到拼接的语义演化特征，将拼接的语义演化特征输入Bi-LSTM网络模型，获得第二融合特征，第二融合特征以向量形式表示；

步骤5：拼接获得的第一融合特征和第二融合特征，得到信息传播混合特征，第一融合特征以向量形式表示；将信息传播混合特征输入第二CNN滤波器模型进行学习，获得第三融合特征，第三融合特征以向量形式表示；

步骤6：构建时间序列预测模型，所述时间序列预测模型包括顺序设置的全连接层和逻辑分类层，设置训练集训练模型直至收敛，获得训练好的时间序列预测模型，将第三融合特征输入训练好的时间序列预测模型，输出关注主题成为病毒性传播的预测概率；

步骤7：设定预测阈值，将输出的预测概率与预测阈值进行比较，当预测概率大于阈值，则判定关注主题会发展成为病毒性传播的状态。

2.根据权利要求1所述的一种社交网络中的信息发生病毒性传播的预测方法，其特征在于：在步骤1中，根据不同监管内容的关注主题，采集关注主题在社交网络媒体上的传播数据，获取传播数据被传播的时间t、评价内容c，得到传播数据I_p＝[(t,c)]，表示第p条传播数据的评价内容与时间的二元组集合，构建社交网络媒体信息传播事件E_i，表示为E_i＝[I₁.I₂,…I_p]，p∈N：其中i、N、p为非零自然数。

3.根据权利要求2所述的一种社交网络中的信息发生病毒性传播的预测方法，其特征在于：对于传播数据I_p，有t₀与c₀分别表示原始的被传播的时间与原始的评价内容，对于后续如果用户仅仅是转发博文，没有新增评价内容，则有c＝c₀。