一种获取群组中个体用户活跃度的方法和装置制造方法及图纸

本发明专利技术公开了一种获取群组中个体用户活跃度的方法和装置。所述方法包括：获取观测时间内的群组数据，根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；基于群组响应在受到个体用户扰动后的调整变化率与当前状态和平衡状态之间的差值成正比的规律，建立群组响应模型；根据该群组响应模型得到群组响应的多步递推计算模式；根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。本发明专利技术的技术方案能够方便的从群组中获取到能调动群组活跃的成员。

【技术实现步骤摘要】
【国外来华专利技术】一种获取群组中个体用户活跃度的方法和装置
本专利技术涉及即时通信
，特别涉及一种获取群组中个体用户活跃度的方法和装置。
技术介绍
随着关于Web2.0的相关研究与应用的迅速发展，Web2.0更注重用户的交互性，即为用户构建一个参与表达、创造、沟通和分享的群组环境，由用户上网到用户织网，用户既是发起群组内容的关注者、浏览者，也是发起群组内容的生产者和传播者。对群组的研究主要集中在两个方面，一方面为结构研究，包括社会网络、信息交流模式等；另一方面为活跃内容研究，体现在个体驱动群组活跃生成内容的原因，这一部分直接影响用户对群组的态度、行为意图和实际行为。目前，对于即时通讯群组的研究，业界已经从个体角度出发做了不少研究，但对于群体性研究相对较少，无法从群组中获取到能调动群组活跃的成员。
技术实现思路
本专利技术实施例提供了一种获取群组中个体用户活跃度的方法和装置，从而能够方便的从群组中获取到能调动群组活跃的成员。为了达到上述目的，本专利技术实施例采用的技术方案如下：一方面，本专利技术实施例提供一种获取群组中个体用户活跃度的方法，包括：获取观测时间内的群组数据，根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；其中，消息量间隔时间为群组中连续两条消息量记录的间隔时间，消息量长度为群组中发送消息量每一次记录的字符长度；基于群组响应在受到个体用户扰动后的调整变化率与当前状态和平衡状态之间的差值成正比的规律，建立群组响应模型；根据所述群组响应模型得到群组响应的多步递推计算模式；其中所述多步递推计算模式是指上一时间段的计算结果作为下一时间段的初始条件并逐时间段递推得到经过多个时间段后的群组响应值；根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。可选地，获得的群组消息量间隔时间的概率分布和群组消息量长度概率分布在双对数坐标下概率分布的主体部分都服从幂律分布。可选地，在根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布之后，所述方法还包括：根据所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布的幂指数大小，确定出群组的活跃度。可选地，所述群组响应模型为：其中，y为群组响应的当前状态，ye为群组响应的平衡状态，β为系数，dy/dt为群组响应的调整变化率，t为时间。可选地，所述群组响应的多步递推计算模式为：其中，Vt表示将观测时间T分割成n个均等时间段的间隔时间长度，yei为群组响应在第i个时间段的平衡值，y0群组响应的初始值，β为系数。可选地，所述根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度包括：将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布和/或消息量长度概率分布作为初始值输入所述多步递推计算模式中，得到每个时间段的群组响应值；根据所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计获得每个时间段的活跃的个体用户及其活跃频次；根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。可选地，所述将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布和/或消息量长度概率分布作为初始值输入所述多步递推计算模式中包括如下任一种情形：将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布、消息量长度概率分布中的任一个作为初始值输入所述多步递推计算模式中；或者，将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布与消息量长度概率分布之和作为初始值输入所述多步递推计算模式中；或者，将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布与消息量长度概率分布的乘积作为初始值输入所述多步递推计算模式中。可选地，所述根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，统计得到所述群组中每个个体用户在所述观测时间内的活跃度包括：根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，得到每个个体用户在所述每个时间段的活跃数据，所述活跃数据包括：每个时间段的个体用户活跃频次及对应的群组响应值；按照设定的方式分别对群组中每个个体用户的活跃数据做统计分析，得到所述群组中每个个体用户在所述观测时间内的活跃度。可选地，所述方法还包括：获取另一观测时间内的群组数据，根据所述群组数据获取所述群组在所述另一观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；根据所述群组响应的多步递推计算模式和所述群组在所述另一观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述另一观测时间内的活跃度。可选地，所述方法还包括：将所述群组中每个个体用户在所述观测时间内的活跃度与在至少一个所述另一观测时间内的活跃度进行综合，得到所述群组中每个个体用户的综合活跃度。另一方面，本专利技术实施例提供了一种获取群组中个体用户活跃度的装置，包括：概率分布获取单元，用于获取观测时间内的群组数据，根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；其中，消息量间隔时间为群组中连续两条消息量记录的间隔时间，消息量长度为群组中发送消息量每一次记录的字符长度；模型建立单元，用于基于群组响应在受到个体用户扰动后的调整变化率与当前状态和平衡状态之间的差值成正比的规律，建立群组响应模型；递推计算单元，用于根据所述群组响应模型得到群组响应的多步递推计算模式；其中所述多步递推计算模式是指上一时间段的计算结果作为下一时间段的初始条件并逐时间段递推得到经过多个时间段后的群组响应值；个体活跃度统计单元，用于根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。可选地，所述概率分布获取单元获得的群组消息量间隔时间的概率分布和群组消息量长度概率分布在双对数坐标下概率分布的主体部分都服从幂律分布。可选地，所述装置还包括：群组活跃度确定单元，适于根据所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布的幂指数大小，确定出群组的活跃度。可选地，所述模型建立单元建立的群组响应模型为：其中，y为群组响应的当前状态，ye为群组响应的平衡状态，β为系数，dy/dt为群组响应的调整变化率，t为时间。可选地，所述递推计算单元得到的群组响应的多步递推计算模式为：其中，Vt表示将观测时间T分割成n个均等时间段的间隔时间长度，yei为群组响应在第i个时间段的平衡值，y0群组响应的初始值，β为系数。可选地，所述个体活跃度统计单元包括：群组响应值计算模块，用于将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布和/或消息量长度概率分布作为初始值输入所述多步递推计算模式中，得到每个时间段的群组响应值；个体用户统计模块，用于根据所述群组在所述观测时间内的消息量间隔时本文档来自技高网...

【技术保护点】
PCT国内申请，权利要求书已公开。

【技术特征摘要】
【国外来华专利技术】1.一种获取群组中个体用户活跃度的方法，其特征在于，所述方法包括：获取观测时间内的群组数据，根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；其中，消息量间隔时间为群组中连续两条消息量记录的间隔时间，消息量长度为群组中发送消息量每一次记录的字符长度；基于群组响应在受到个体用户扰动后的调整变化率与群组响应当前状态和群组响应平衡状态之间的差值成正比的规律，建立群组响应模型；根据所述群组响应模型得到群组响应的多步递推计算模式；其中所述多步递推计算模式是指上一时间段的计算结果作为下一时间段的初始条件并逐时间段递推得到经过多个时间段后的群组响应值；根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。2.根据权利要求1所述的方法，其特征在于，所述获得的群组消息量间隔时间的概率分布和所述群组消息量长度概率分布在双对数坐标下概率分布的主体部分都服从幂律分布。3.根据权利要求2所述的方法，其特征在于，在根据所述群组数据获取所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布之后，所述方法还包括：根据所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布的幂指数大小，确定出群组的活跃度。4.根据权利要求1所述的方法，其特征在于，所述群组响应模型为：其中，y为群组响应的当前状态，ye为群组响应的平衡状态，β为系数，dy/dt为群组响应的调整变化率，t为时间。5.根据权利要求4所述的方法，其特征在于，所述群组响应的多步递推计算模式为：其中，Vt表示将观测时间T分割成n个均等时间段的间隔时间长度，yei为群组响应在第i个时间段的平衡值，y0群组响应的初始值，β为系数。6.根据权利要求1所述的方法，其特征在于，所述根据所述群组响应的多步递推计算模式和所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述观测时间内的活跃度包括：将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布和/或消息量长度概率分布作为初始值输入所述多步递推计算模式中，得到每个时间段的群组响应值；根据所述群组在所述观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计获得每个时间段的活跃的个体用户及其活跃频次；根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，统计得到所述群组中每个个体用户在所述观测时间内的活跃度。7.根据权利要求6所述的方法，其特征在于，所述将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布和/或消息量长度概率分布作为初始值输入所述多步递推计算模式中包括如下任一种情形：将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布、消息量长度概率分布中的任一个作为初始值输入所述多步递推计算模式中；或者，将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布与消息量长度概率分布之和作为初始值输入所述多步递推计算模式中；或者，将所述群组在所述观测时间内初始时刻的消息量间隔时间概率分布与消息量长度概率分布的乘积作为初始值输入所述多步递推计算模式中。8.根据权利要求6所述的方法，其特征在于，所述根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，统计得到所述群组中每个个体用户在所述观测时间内的活跃度包括：根据所述每个时间段的群组响应值、活跃的个体用户及其活跃频次，得到每个个体用户在所述每个时间段的活跃数据，所述活跃数据包括：每个时间段的个体用户活跃频次及对应的群组响应值；按照设定的方式分别对群组中每个个体用户的活跃数据做统计分析，得到所述群组中每个个体用户在所述观测时间内的活跃度。9.根据权利要求1-8任一项所述的方法，其特征在于，所述方法还包括：获取另一观测时间内的群组数据，根据所述群组数据获取所述群组在所述另一观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布；根据所述群组响应的多步递推计算模式和所述群组在所述另一观测时间内的消息量间隔时间概率分布或/和消息量长度概率分布，统计得到所述群组中每个个体用户在所述另一观测时间内的活跃度。10.根据权利要求9所述的方法，其特征在于，所述方法还包括：将所述群组中每个个体用户在所述观测时间内的活跃度与在至少一个所述另一观测时间内的活跃度进行综合，得到所述群组中每个个体用户的综合活跃...

【专利技术属性】
技术研发人员：腾黎明，
申请(专利权)人：北京新媒传信科技有限公司，
类型：发明
国别省市：北京;11