[发明专利]一种基于扩散树的信息传播频繁模式挖掘方法及系统

权利要求书

1.一种基于扩散树的信息传播频繁模式挖掘方法，其特征在于，包括步骤：

S1.获取网络中的信息传播样本；

S2.建立与所述信息传播样本中每条样本相对应的扩散树，根据所述建立的扩散树得到每条样本的叶子节点，并记录每条样本的叶子节点数量以及总节点数量，所述总节点数量为每条样本的样本规模；

S3.计算每条样本的叶子节点数量占每条样本的总节点数量的比例L-metric；

S4.统计每条样本的样本规模，计算每条样本规模相对应的L-metric值域的上下界，并根据所述L-metric值域构建信息传播模式划分规则，将信息传播模式划分为五种传播模式；

S5.根据所述信息传播模式划分规则，以及每条样本的L-metric值与样本规模，判断样本相对应的信息传播模式，得到每条样本相对应的信息传播模式；

S6.统计信息传播样本中所有样本的信息传播模式，并筛选出信息传播样本中频数最高的信息传播模式，并将所述频数最高的信息传播模式作为信息传播的频繁模式。

2.根据权利要求1所述的一种基于扩散树的信息传播频繁模式挖掘方法，其特征在于，所述步骤S3中计算每条样本的叶子节点数量占每条样本的总节点数量的比例L-metric，表示为：

L-metric＝N_leaf/N

其中，N_leaf表示叶子节点数量，N表示每条样本的总节点数量，即样本规模。

3.根据权利要求2所述的一种基于扩散树的信息传播频繁模式挖掘方法，其特征在于，所述步骤S4中计算每条样本规模相对应的L-metric值域的上下界，表示为：

L-metric_(上)＝(N-1)/N

其中，L-metric_(上)表示样本规模为N时相对应的L-metric的上界；

L-metric_(下)＝1/N

其中，L-metric_(下)表示样本规模为N时相对应的L-metric的下界。

4.根据权利要求3所述的一种基于扩散树的信息传播频繁模式挖掘方法，其特征在于，所述步骤S4中的五种传播模式包括强星型模式、弱星型模式、混合模式、弱链式模式、强链式模式。

5.根据权利要求4所述的一种基于扩散树的信息传播频繁模式挖掘方法，其特征在于，所述步骤S4中构建信息传播模式划分规则，将信息传播模式划分为五种传播模式，表示为：

强星型模式：

(0.8N-0.6)/N≤L-metric(x)≤(N-1)/N

弱星型模式：

(0.6N-0.2)/N≤L-metric(x)(0.8N-0.6)/N

混合模式：

(0.4N+0.2)/NL-metric(x)(0.6N-0.2)/N

弱链式模式：

(0.2N+0.6)/NL-metric(x)≤(0.4N+0.2)/N

强链式模式：

1/N≤L-metric(x)≤(0.2N+0.6)/N

其中，x表示每条样本的总节点数量为N的样本。