一种基于时变阻尼运动的在线社交网络信息传播预测系统技术方案

本发明专利技术提出了一种基于时变阻尼运动的在线社交网络信息传播预测系统，包括：个体特征数据获取模块，所述个体特征数据获取模块用于获取在线社交网络节点上的个体特征；加速度计算模块，所述加速度计算模块用于根据个体特征数据获取模块获取的个体特征计算信息传播的加速度；受力分析模块，所述受力分析模块用于根据加速度计算模块计算得到的加速度获取信息传播在网络节点上的受力状况；数据判断模块，所述数据判断模块用于判断信息剩余能量是否大于或者等于信息预设能量阈值。本发明专利技术能够对在线网络事件进行热点预测，并通过数值分析、仿真实验和经验数据分析，验证了预测系统的合理性和有效性。

【技术实现步骤摘要】
一种基于时变阻尼运动的在线社交网络信息传播预测系统
本专利技术涉及在线社交信息网络
，特别是涉及一种基于时变阻尼运动的在线社交网络信息传播预测系统。
技术介绍
随着移动互联网技术不断地发展和5G通信时代的来临，以Twitter、Facebook、微博为代表的在线社交网络迅猛发展，发展成为人类社会中社会关系维系和信息传播的重要渠道与载体。在线社交网络的蓬勃发展，一方面极大地改变了人们的生活方式，由简单信息搜索和网页浏览转向网上社会关系的构建与维护、基于社会关系的信息创造、交流和共享；另一方面，也给社会带来了负面影响，例如，信息传播、虚假信息、网络诈骗等。因此，开展在线社交网络分析及网络信息传播的基础理论研究，有着重要的应用价值和社会意义。目前，针对在线社交网络的研究成为当前国内外的研究热点。主要包括网络结构特征、信息传播机理、群体行为演化等方面，涉及计算机科学、社会学、传播学、心理学、管理学等多个学科领域的交叉研究课题，而且社交网络用户规模庞大、网络结构复杂、用户行为多样，发布的信息具有海量性和异构性，具有“大数据”特征，导致传统的网络演化分析方法已无法满足要求，迫切需要面向大规本文档来自技高网...

【技术保护点】
1.一种基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，包括：个体特征数据获取模块，所述个体特征数据获取模块用于获取在线社交网络节点上的个体特征；加速度计算模块，所述加速度计算模块用于根据个体特征数据获取模块获取的个体特征计算信息传播的加速度；受力分析模块，所述受力分析模块用于根据加速度计算模块计算得到的加速度获取信息传播在网络节点上的受力状况；数据判断模块，所述数据判断模块用于判断信息剩余能量是否大于或者等于信息预设能量阈值：若信息剩余能量大于或者等于信息预设能量阈值，则向后继节点传播信息；若剩余信息能量小于节点间的信息势能，则停止向后继节点传播信息；验证模块，所述验证模块用于验...

【技术特征摘要】
1.一种基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，包括：个体特征数据获取模块，所述个体特征数据获取模块用于获取在线社交网络节点上的个体特征；加速度计算模块，所述加速度计算模块用于根据个体特征数据获取模块获取的个体特征计算信息传播的加速度；受力分析模块，所述受力分析模块用于根据加速度计算模块计算得到的加速度获取信息传播在网络节点上的受力状况；数据判断模块，所述数据判断模块用于判断信息剩余能量是否大于或者等于信息预设能量阈值：若信息剩余能量大于或者等于信息预设能量阈值，则向后继节点传播信息；若剩余信息能量小于节点间的信息势能，则停止向后继节点传播信息；验证模块，所述验证模块用于验证仿真数据与实际数据的差异过程，并将数据结果发送到远程终端。2.根据权利要求1所述的基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，信息传播加速度aξ的计算方法包括以下步骤：S21，计算传播距离xξ：其中，为用户ξ的信息初始能量；Sξ为用户ξ的分享系数；ωξ为用户ξ的在线频率；t为信息传播时间；为用户ξ的上线时差；函数r(t)为斜坡函数，表示节点上的用户在一个周期内解读信息的时间越长，对信息理解越深刻，之后评论和转发的信息越权威，信息传播距离也就越远；r(t)在最小正周期内的定义为：S22，将对时间求一阶导数，得到信息传播速度vξ为：其中，函数u(t)为阶跃函数，在最小正周期内定义为：S23，再将对时间求二阶导数，得到信息传播加速度aξ为：其中，函数δ(t)为单位冲激函数，其定义为：3.根据权利要求1所述的基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，受力状况包括传播驱动力F1ξ、受众理性排斥力和社会舆论场力F3ξ之一或者任一组合；传播驱动力F1ξ的计算方法为：F1ξ＝mξaξ，其中，mξ为用户ξ的节点质量，aξ为用户ξ信息传播加速度；受众理性排斥力的计算方法为：其中，mζ为用户ζ的节点质量，用户ζ为用户ξ对应节点的后继节点上的用户，ξ,ζ为网络节点上所有用户之一，Wξ,ζ为用户ξ与用户ζ之间的亲密度权重；社会舆论场力F3ξ的计算方法为：其中，N1为关于此信息在社交网络上发表评论意见或进行信息转发的政府部门或媒体节点的总数量；为政府部门或媒体σl的节点质量和对应的影响因子；sgn(d)为符号函数，d表示媒体所持的观点和意见，根据支持、中立、反对的意见决定其力的作用方向，其定义为：4.根据权利要求1所述的基于时变阻尼运动的在线社交网络信息传播预测系统，信息剩余能量EKξ的计算方法包括以下步骤：S41，计算信息传播合力Fξ：其中，F1ξ为传播驱动力，为受众理性排斥力，为社会舆论场力；S42，计算受力加速度其中，mξ为用户ξ的节点质量；S43，计算受力速度为：其中，nξ为用户ξ每天在线小时数；S44，计算信息剩余能量EKξ：5.根据权利要求2所述的基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，用户ξ的在线频率ωξ的计算方法为：其中，nξ为用户ξ每天在线小时数；或/和用户ξ的节点质量mξ的计算方法为：mξ＝lg(1+ψξ)，其中，ψξ为用户ξ所对应的节点ψ的节点度；或/和用户间的亲密度权重W的计算方法为：W在(0,1)上服从参数为λ的指数分布，即W～e(λ)；或/和分享系数S的计算方法为：S服从正态分布，即或/和声誉系数R的计算方法为：R服从正态分布，即6.根据权利要求1所述的基于时变阻尼运动的在线社交网络信息传播预测系统，其特征在于，验证过程包括以下步骤：S61，将在线社交信息传播模型转换为信息传播时变模型；S62，对信息传播时变模型中的参数进行赋值展现；S63，任意选取节点数为N的在线社交信息网络中的一个节点作为种子节点，将初始信息能量为E的信息在t＝0时刻注入种子节点，随即在网络上扩散传播，统计社交网络状态；S64，收集相应的...

【专利技术属性】
技术研发人员：刘小洋，唐婷，何道兵，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：重庆,50