[发明专利]一种信息传播的监测方法、装置及计算机可读存储介质

权利要求书

1.一种信息传播的监测方法，其特征在于，所述方法包括：

从社交平台中获取用户参与信息传播过程的数据，并将所述数据按照传播的时间周期进行预处理；所述数据包括用户信息数据、传播信息项数据以及用户与传播信息项互动信息数据；

从预处理的数据中获取信息传播过程中的时间间隔矩阵，采用自注意机制获得用户在信息传播过程中的时序结构信息；

从预处理的数据中获取信息传播过程中的相对位置矩阵，采用自注意机制获得用户在信息传播过程中的位置结构信息；

将所述时序结构信息和所述位置结构信息进行融合，并将融合后的信息输入到信息传播监测模型中，动态监测出下一时间用户参与信息传播的轨迹。

2.根据权利要求1所述的一种信息传播的监测方法，其特征在于，将所述数据按照传播的时间周期进行预处理包括对重复数据以及无效数据进行清洗；并将清洗后的数据按照传播信息项的时间周期进行划分。

3.根据权利要求1所述的一种信息传播的监测方法，其特征在于，所述从预处理的数据中获取信息传播过程中的时间间隔矩阵，获得用户在信息传播过程中的时序结构信息包括对预处理的数据中的用户进行全信息表示，确定出用户级联序列集；将所述用户级联序列集中的用户采用向量表示，得到用户嵌入向量矩阵；利用所述用户嵌入向量矩阵计算得到信息传播过程中的时序结构信息。

4.根据权利要求3所述的一种信息传播的监测方法，其特征在于，所述利用所述用户嵌入向量矩阵计算得到信息传播过程中的时序结构信息包括计算用户级联序列集中每一个级联序列中相邻两个用户之间的时间间隔，对两个用户之间的时间间隔编码，并计算得到每一个级联序列中的最小时间间隔，按照该最小时间间隔确定出用户之间的间隔信息，按照所述间隔信息建立出级联的时间矩阵，设置出最大时间间隔，将超过所述最大时间间隔的元素从所述级联的时间矩阵中截取；使用第一学习时间向量和第二学习时间向量来学习级联序列的时间信息，计算得到每一个级联序列中用户之间的注意力得分，基于所述注意力得分使用自注意力中的key向量和value向量依次对所述第一学习时间向量和第二学习时间向量进行训练，得到训练后的相对时间间隔矩阵。

5.根据权利要求1所述的一种信息传播的监测方法，其特征在于，所述从预处理的数据中获取信息传播过程中的相对位置矩阵，采用自注意机制获得用户在信息传播过程中的位置结构信息包括从预处理的数据中的用户进行全信息表示，确定出用户级联序列集；将所述用户级联序列集中的用户采用向量表示，得到用户嵌入向量矩阵；利用所述用户嵌入向量矩阵计算得到信息传播过程中的位置结构信息。

6.根据权利要求5所述的一种信息传播的监测方法，其特征在于，所述利用所述用户嵌入向量矩阵计算得到信息传播过程中的位置结构信息包括计算用户级联序列集中每一个级联序列中相邻两个用户之间的位置间隔，得到相对位置矩阵；对两个用户之间的位置间隔编码，使用第一学习位置向量和第二学习位置向量来学习级联序列的位置信息，计算得到每一个级联序列中用户之间的注意力得分，基于所述注意力得分使用自注意力中的key向量和value向量依次对所述第一学习位置向量和第二学习位置向量进行训练，得到训练后的相对位置矩阵。

7.根据权利要求1所述的一种信息传播的监测方法，其特征在于，所述将所述时序结构信息和所述位置结构信息进行融合，并将融合后的信息输入到信息传播监测模型中包括将所述融合信息输入到多层模型中，采用层归一化对所述融合信息进行处理；使用随机梯度下降函数来训练所述多层模型，利用随时间反向传播算法来进行模型训练，在训练过程中最小化损失函数，训练参数通过使用小批量的Adam优化器来更新。