网络信息传播影响力度量方法、系统及影响力最大化方法技术方案

本发明专利技术涉及一种网络信息传播影响力度量方法、系统，包括：根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；将社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在传播源下被激活的概率；以历史传播数据为训练数据，以概率的对数似然最大作为目标，对所有激活对使用随机梯度下降进行参数学习，得到节点间影响力，以得到传播源集合的影响力度量。本发明专利技术提出的基于数据驱动的影响力最大化方法直接基于本发明专利技术学习得到的影响力度量，对节点的边际效应进行估计，以高效地进行影响力最大化的节点集合选择。

【技术实现步骤摘要】
网络信息传播影响力度量方法、系统及影响力最大化方法
本专利技术属于网络技术数据挖掘技术与社会网络研究领域，特别涉及一种基于数据驱动的影响力度量及影响力最大化方法。
技术介绍
随着在线社交网络平台的兴起，如新浪微博、腾讯微信、推特、脸书等等，信息的产生和传播变得前所未有的方便。每天有上千万甚至上亿条信息在这些平台上产生并传播。每个用户既是信息的发布者，也是信息的扩散者。人们可以通过关注关系或好友关系网络，对信息进行二次传播或者说影响范围的二次扩散。新的想法，新的行为模式，或者新的产品，通过这样“口口相传”的方式，在社交网络人群中很容易就能造成广泛的传播。这也促使了越来越多的研究者和实践者开始关注影响力最大化问题，即找到固定个数的初始用户群体，使得想法、行为或产品等最终的影响范围最大。在影响力最大化问题中，现有方法通常会使用贪心的算法，一步一步选择使得影响力边际效应最大的节点，直到选满给定个数的用户集合。而这其中的一个重要中间环节是对给定用户集合的影响力进行有效度量，从而能计算用户相对于已有用户集合的影响力边际效应。目前的方法通常需要通过两个阶段来进行用户影响力的度量：1)假定信息在网络本文档来自技高网...

【技术保护点】
1.一种网络信息传播影响力度量方法，其特征在于，包括：步骤1、根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；步骤2、将该社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为该给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在该传播源下被激活的概率；步骤3、以该历史传播数据为训练数据，以该概率的对数似然最大作为目标，对所有该激活对使用随机梯度下降进行参数学习，得到节点间该影响力，以得到传播源集合S的影响力度量f(S)：

【技术特征摘要】
1.一种网络信息传播影响力度量方法，其特征在于，包括：步骤1、根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；步骤2、将该社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为该给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在该传播源下被激活的概率；步骤3、以该历史传播数据为训练数据，以该概率的对数似然最大作为目标，对所有该激活对使用随机梯度下降进行参数学习，得到节点间该影响力，以得到传播源集合S的影响力度量f(S)：V为交网络上所有用户的集合，Vj代表V中第j个用户，αk,j为节点间该影响力，S＝{vk}，Vk为S中第k个传播源。2.如权利要求1所述的网络信息传播影响力度量方法，其特征在于，该激活对包括节点被传播源激活的正例对和节点未被传播源激活的负例对。3.如权利要求1所述的网络信息传播影响力度量方法，其特征在于，步骤2还包括直接建模节点间影响力αk,j。4.如权利要求1所述的网络信息传播影响力度量方法，其特征在于，步骤2还包括根据两个向量的乘积，得到节点间该影响力，具体包括：表示第k个传播源的影响力表达，θj表示第j个用户的被影响力表达。5.如权利要求3或4所述的网络信息传播影响力度量方法，其特征在于，节点在该传播源下被激活的概率具体为：aj|S为通过该聚合函数将传播源对节点的影响力进行聚合后得到的数值，p(vj|S)为该概率。6.一种网络信息传播影响力度系统，其特征在于，包括：激活对构建模块，用于根据社交网络中消息传播的历史传播数据，构建节点和传播源的激活对；激活概率计算模块，用于将该社交网络中的用户作为节点，将给定消息的传播数据中参与时间为0的节点作为该给定消息的传播源，通过聚合函数将传播源对节点的影响力进行聚合后通过影响力边际递减函数，得到节点在该传播源下被激...

【专利技术属性】
技术研发人员：程学旗，曹婍，沈华伟，高金华，刘盛华，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京,11