[发明专利]一种基于深度传播和广度传播的话题网络影响力用户预测方法

说明书

本发明属于社交网络分析领域，具体涉及一种基于深度传播和广度传播的话题网络影响力用户预测方法；该方法包括：获取话题网络数据并进行预处理；根据预处理后的话题网络数据计算用户亲密度和用户可信度；根据用户亲密度和用户可信度优化DSU2vec算法；采用优化后的DSU2vec算法提取话题网络的隐藏信息，得到话题网络的深度传播特征向量矩阵；对话题网络进行社区划分，得到划分好的社区；采用图卷积神经网络提取社区节点的特征，得到话题网络的广度传播特征向量矩阵；采用多维度传播网络预测模型对深度传播特征向量矩阵和广度传播特征向量矩阵进行处理，得到话题网络影响力用户预测结果；本发明的预测结果准确性高，应用前景良好。

技术领域

本发明属于社交网络分析领域，具体涉及一种基于深度传播和广度传播的话题网络影响力用户预测方法。

背景技术

近年来，随着互联网的快速发展，社交网络不断膨胀扩大，人与人之间的交流日益频繁。各式各样的社交平台成为了人们交流的利器，与人们的生活紧密相关，目前主流的社交平台有微博、Twitter和Facebook，其中中国最大的社交平台是新浪微博。社交网络由大大小小的话题网络组成，一个话题网络中充斥着海量的用户和信息，这些复杂稠密的数据往往对于分析用户影响力有着巨大价值。所以，对于如何从纷繁复杂的数据中，获取到对分析影响力至关重要的信息成为了话题网络的关注点。

与此同时，分析关键用户影响力对于舆情控制、广告投放、灾害控制等方面起着重要作用。预测用户影响力目的其实是选出意见领袖，为影响力最大化做准备，准确的预判最有影响力的用户是话题扩散过程中最关键的一步。在这种背景下，研究话题网络用户影响力是有意义的。在传统影响力研究中，一般仅考虑了单一维度的话题传播方向，并未从深度和广度两个传播维度共同考量整个话题的传播态势。因此，从多个维度对话题用户行为进行分析，对于更好的研究用户影响力是很有必要的。

用户行为数据的分析是研究影响力的关键问题，目前，已有大批学者对用户影响力进行研究，但是目前大多数影响力研究的模型中，都忽略了对话题空间不同维度的考量，从而导致所得出的结论缺乏说服力。例如Han等人(Han M,Yan M,Cai Z,et al.Anexploration of broader influence maximization in timeliness networks withopportunistic selection[J].Journal of Network and Computer Applications,2016,63:39-49.)提出了基于时间延迟效应和广度扩散的影响力最大化模型，该模型考虑了话题传播随时间衰减的变化，但它仅把广度作为一个影响因素，并不能深层次挖掘广度传播网络下用户隐藏信息，且并未分析用户不同行为之间的差异性，将不同行为的边都看做的相同类型边，从而影响了最终的预测准确度。

发明内容

综合话题网络下用户影响力目前已有的研究情况，发现在预测用户影响力上仍然存在着一些挑战：

1.话题传播空间具有多维性。话题网络的传播方式不是单一的，不仅具有链式传播方式，还具有星型扩散传播方式。不能仅从单一传播维度对话题空间进行分析，需要结合话题的深度传播和广度传播综合分析，更全面的对节点进行表示分析。

2.话题网络结构具有复杂性。信息传播的级联长度代表了话题的传播深度，级联长度的不同使得传播空间结构更具复杂多样性。如何从复杂结构中挖掘用户之间的潜在关系是一个难点。

3.话题传播规模的不确定性。信息传播的社区数目反映了话题的传播广度，社区数量越多，说明话题影响范围越广。如果能考虑话题广度这个因素，可以提高用户影响力预测的准确度。

针对现有技术的不足，本发明提出了一种基于深度传播和广度传播的话题网络影响力用户预测方法，该方法包括：

S1：获取话题网络数据，对话题网络数据进行预处理；

S2：根据预处理后的话题网络数据计算用户亲密度和用户可信度；