【技术实现步骤摘要】
一种社交网络信息转发概率预测方法及系统
本专利技术涉及计算机
，尤其涉及一种社交网络信息转发概率预测方法及系统。
技术介绍
社交网络在中国迅速发展，成为人们生活中不可缺少的部分。根据2018年第四季度公开的数据，某社交网络的月活跃用户达4.46亿，日活跃用户超过2亿。层出不穷的社交网络平台已经逐渐成为了新闻和信息传播的主要媒介。其中，新的在线社交网络中的信息传播机制逐渐成为研究热点。自然灾害预警、公共信息、广告营销都是以一种新的形式于在线社交网络平台中迅速传播。因此研究信息在社交网络中的传播，预测用户转发一条信息的概率具有非常重要的意义。Myers等人率先基于IP(全称InfectionProbability)模型，考虑多信息之间相互影响，对用户转发一条信息的概率进行了建模，提出了IMM(全称InformationMixingModel)模型，但是IMM模型忽略了信息的文本内容，在IMM模型当中并未引入文本内容的分析，每一个信息的类别表示也是通过学习的办法得到的，从而导致IMM模型的预测精度较低。
技术实现思路
<...
【技术保护点】
1.一种社交网络信息转发概率预测方法，其特征在于，包括：/n根据用户当前浏览的目标信息和预设历史时间段内浏览的若干条历史信息，获取浏览信息序列；/n根据所述浏览信息序列和训练后的预测模型，获取所述目标信息的转发概率，训练后的预测模型是基于浏览信息序列样本数据和预设的浏览信息序列标签进行训练后得到，预测模型包括文本模型，所述文本模型用于获取所述浏览信息序列中每一信息的文本信息。/n
【技术特征摘要】
1.一种社交网络信息转发概率预测方法，其特征在于，包括：
根据用户当前浏览的目标信息和预设历史时间段内浏览的若干条历史信息，获取浏览信息序列；
根据所述浏览信息序列和训练后的预测模型，获取所述目标信息的转发概率，训练后的预测模型是基于浏览信息序列样本数据和预设的浏览信息序列标签进行训练后得到，预测模型包括文本模型，所述文本模型用于获取所述浏览信息序列中每一信息的文本信息。
2.根据权利要求1所述的社交网络信息转发概率预测方法，其特征在于，所述预测模型还包括IMM增强模型，所述IMM增强模型位于所述文本模型之后，所述IMM增强模型包括降维模块、叠加模块和预测模块，其中：
所述降维模块用于对所述浏览信息序列中每一信息对应的句向量进行降维处理，对于任一信息对应的任一句向量，所述任一句向量通过将所述任一信息输入到所述文本模型后获得；
所述叠加模块用于根据降维后的每一句向量和特征影响矩阵，获取所有句向量中任意两个句向量之间的影响因子，所述特征影响矩阵表示所述浏览信息序列中任意两个信息之间的影响因子；
所述预测模块用于根据所述目标信息独立传播情况下所述用户的转发概率、所有历史信息的个数和每一历史信息对所述目标信息的影响因子，获取所述目标信息的转发概率。
3.根据权利要求2所述的社交网络信息转发概率预测方法，其特征在于，所述对所述浏览信息序列中每一信息对应的句向量进行降维处理，具体计算公式如下：
其中，ui表示所述浏览信息序列中的第i条信息，表示第i条信息对应的句向量，A表示预设线性矩阵，b表示预设偏置向量，表示降维处理后的第i条信息对应的句向量，dB表示第i条信息对应的句向量的原始维度，dh表示降维处理后的维度。
4.根据权利要求2所述的社交网络信息转发概率预测方法，其特征在于，所述根据降维后的每一句向量和特征影响矩阵，获取所有句向量中任意两个句向量之间的影响因子，具体计算公式如下：
其中，表示降维处理后的第i条信息对应的句向量，Δcluster表示所述特征影响矩阵，表示降维处理后的第j条信息对应的句向量，Δinf(ui,uj)表示降维处理后的第j条信息对应的句向量和降维处理后的第i条信息对应的句向量之间的影响因子。<...
【专利技术属性】
技术研发人员：赵虹，叶沁媛，李悦江，胡泓，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。