[发明专利]一种基于人际传播的Twitter社交信息传播路径生成方法

说明书

本发明公开了一种基于人际传播的Twitter社交信息传播路径生成方法，首先采集Twitter相关数据用于构建Twitter信息传播的关注网络，再通过构建社交网络的人际传播模式，对人际传播模式中的特征进行属性建模并计算传播概率，最后根据传播概率生成新的传播路径并进一步对传播路径进行更新。本发明的方法以社交网络中信息传播特点和马莱兹克关于大众传播的系统模式为引导，解决了现有基于时间序列的信息传播建模方法中对用户属性和信息属性等因素考虑不足的问题，且依据传播学教程和马莱兹克关于大众传播的系统模式中有关人际传播的特征进行了信息传播的建模，能够有效防止不相关特征的引入，相比于现有方法能更好地反映推文信息的累计传播规模随时间的变化情况。

技术领域

本发明属于网络空间大数据信息服务技术领域，具体涉及一种基于人际传播的Twitter社交信息传播路径生成方法。

背景技术

随着信息化时代下互联网技术的飞速发展及计算机设备和智能手机等便携式移动终端的普及，网络在线社交已经成为了许多人日常生活不可或缺的重要组成部分。而社交网络平台则是人们进行网络在线社交的重要工具。

目前，用户体量较大的社交网络平台包括：微博(Weibo)、推特(Twitter)和脸书(FaceBook)等。其中，推特在全世界都非常流行，截至2020年的第三季度，推特的日活跃用户量已经达到了1.87亿，而其中所传播的巨大信息流也为社交网络中信息传播规律的研究提供了数据支撑。推特官方为了对研究者们对社交网络中的信息传播研究提供便利，也提供了相应的数据采集接口，这为推特中的信息传播路径生成方法的研究提供了基础。

德国学者马莱兹克于1963年在《大众传播心理学》中所提出的“马莱兹克关于大众传播过程的系统模式”综合考虑了信息、媒介以及从个体到社会层面的多种因素对信息传播过程的影响。因此，其对于信息传播路径生成方法的研究有着重要的指导意义。

社交网络中的信息传播路径生成方法研究的是指定时刻信息的传播路径仿真模拟问题。目前，有关社交网络中信息传播路径生成的相关研究主要通过构建传播模型实现，有两大类研究方向：基于时间序列的信息传播建模和基于数据驱动的信息传播建模。

基于时间序列的信息传播建模主要有独立级联模型(IC模型)和SIS模型；独立级联模型(IC模型)传播模型中的节点只有两种状态，激活态(A)和未激活态(I)。信息传播的初始状态仅有一部分节点处于激活态，而随着时间的推移，处于激活态的节点会有一次机会去尝试激活它的未激活邻居。如果在某一次传播过程结束后没有新的节点被激活时整个传播过程结束；SIS模型传播模型中节点只有两种状态，易感态(I)和感染态(S)。SIS模型中考虑了节点从感染态恢复为易感态的可能，因此随着时间的推移整个网络中处于感染态的节点数并不会越来越多而是和易感态节点数处于一个相对平衡的状态。该传播模型主要用于模拟考虑了用户从疾病中恢复但仍可能患病条件下疾病在人群中的传播。并且在实际的传播建模过程中SIS传播模型需要约束整个网络的拓扑结构不会随时间变化。

基于数据驱动的信息传播建模主要有嵌入级联模型和HUCE模型；嵌入级联模型的特点是通过将用户投影到欧几里得空间，随后利用Sigmoid函数计算传播概率，最后，应用期望最大化算法对传播关系进行预测的方法；HUCE模型是一种基于表示学习的传播模型，它通过结合用户和传播信息的特征及其交互作用来建模用户的转发行为。

上述提到的基于时间序列的信息传播建模方法的主要缺陷在于在传播建模过程中对用户属性和信息属性等因素考虑的不足，而在现实的信息传播过程中，例如用户对不同主题信息的偏好程度以及信息内容的主题分布都是影响信息能否被当前用户所接收的重要因素。基于数据驱动的信息传播建模方法拥有从输入数据中自动提取并构建相关特征的优势，但这样的机制也可能导致提取到过多的不相关特征进而产生过拟合问题。

发明内容