一种基于多维认知与博弈论的传播态势感知预测方法技术

本发明专利技术属于衍生话题传播领域，具体涉及一种基于多维认知与博弈论的传播态势感知预测方法，包括：在线获取数据源；从感性认知和理性认知两个角度分析用户参与话题传播的多维认知，并进行特征表示；同时，提取影响话题影响力的用户属性以及话题属性融合为话题影响力，并结合演化博弈理论对多个衍生话题转发驱动力进行构建；利用

【技术实现步骤摘要】
一种基于多维认知与博弈论的传播态势感知预测方法


[0001]本专利技术属于衍生话题传播领域，具体涉及一种基于多维认知与博弈论的传播态势感知预测方法
。

技术介绍

[0002]随着互联网以及计算机科学技术的发展，以微博
、
微信等为首的在线社交网络已经成为了人们信息交流的重要渠道和载体
。
在线社交网络允许用户对外发布
、
传播信息的同时，用户也可以随时随地从社交网络中获取当前社会的诸多热点事件与话题，话题包括经济
、
娱乐
、
科技
、
个人生活等各个领域
。
便捷的社交网络搭建了人与人之间信息共享
、
网络沟通交流的桥梁，极大的满足了人们非接触式的社交需求，缩小了信息传播由于地域和空间所造成的滞后，深刻地影响着人们的日常工作和生活
。
[0003]互联网是对所有人都公共开放的空间，能满足人们在网络
、
论坛
、
博客
、
资讯等各类平台页面中自由的发表言论
。
尤其是匿名的特点使更多人踊跃地表达自己的观点和意见，甚至是主观是情绪的宣泄
。
某些用户利用网络平台更加便利性和爆炸式的传播效果以及匿名性这个“面具”的保护，随意捏造事实
。
社交网络在便民之余，也带来了一些负面影响
。
社交网络缺失了传统媒体中的约束力和道德感，言论自由下的社交网络并不是一块净土，不实言论
、
虚假信息日渐趋多
。
[0004]近年来，社交网络中的话题传播吸引了越来越多的国内外学者的关注和研究
。
一方面，学者们发现话题的传播类似于传染病的传播
。
基于传染病模型，将社交网络用户划分为不同的状态，并建立了话题传播的动力学模型
。
另一方面，学者们利用社交网络的海量数据，基于机器学习和深度学习方法，挖掘话题扩散空间中的特征信息，研究用户行为和话题扩散规则
。
[0005]虽然众多学者对话题传播预测模型进行了大量的研究，并取得了相当不错的成果，但仍存在一些挑战：
[0006]1、
话题传播过程中个体情感难以挖掘
。
在社交网络中，某个节点的情感强度往往也会受到邻居节点的影响，如何挖掘出某个节点携带的情感是需要解决的问题
。
[0007]2、
多维认知会对用户交互行为产生影响
。
感性和理性在用户决策中起着互补和协同的作用，两者共同决定了用户的交互行为，如何综合这两方面对话题进行转发预测是一个挑战
。
[0008]3、
衍生话题之间的合作性和对抗性
。
在衍生话题传播空间下，同时伴随着多个相关的邻居衍生话题，用户交互行为往往会受到两者的共同影响，如何分析衍生话题对用户行为的影响是一个很大的挑战
。

技术实现思路

[0009]为解决上述技术问题，本专利技术提出一种基于多维认知与博弈论的传播态势感知预测方法，包括：
[0010]S1
：通过社交网络公共
API
或公开的数据网站在线获取数据源，并对获取的数据进行简单数据清洗，得到结构化数据；所述数据源包括用户基本信息
、
用户历史行为数据
、
衍生话题传播记录；其中，衍生话题传播记录包括参与用户的基本信息以及用户的好友信息
、
话题被转发和评论的时间；
[0011]S2
：基于数据清洗后得到的结构化数据，从感性认知和理性认知两个角度分析用户参与话题传播的多维认知，并进行特征表示；同时，提取影响话题影响力的用户属性以及话题属性，将提取的用户属性
、
话题属性融合为话题影响力，并结合演化博弈理论对多个衍生话题转发驱动力进行构建；
[0012]S3
：基于用户多维认知与衍生话题转发驱动力，利用
BP
网络建立衍生话题传播态势预测模型；
[0013]S4
：将待预测的话题数据输入衍生话题传播态势预测模型，得到衍生话题传播态势的预测结果
。
[0014]本专利技术的有益效果：本专利技术从衍生话题传播空间下的用户出发，利用用户网络拓扑的调和中心性量化节点间的正负反馈提取用户情感，同时从感性认知与理性认知两方面对用户转发行为进行建模分析，并引入演化博弈论，分析衍生
‑
邻居衍生话题对用户的影响，最后建立衍生话题的转发预测模型，并在不同的时间切片内对话题的传播状况进行分析，研究衍生话题在其生命周期内的传播规律；解决了传统话题传播过程中个体情感难以挖掘
、
多维认知会对用户交互行为产生影响
、
衍生话题之间的合作性和对抗性对话题传播态势感知预测的难题
。
附图说明
[0015]图1为本专利技术的基于多维认知与博弈论的传播态势感知预测模型示意图；
[0016]图2为本专利技术中情感提取示意图；
[0017]图3为本专利技术中理性认知特征提取示意图；
[0018]图4为本专利技术中衍生
‑
邻居衍生话题博弈机制示意图
。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0020]一种基于多维认知与博弈论的传播态势感知预测方法，包括：
[0021]S1
：通过社交网络公共
API
或公开的数据网站在线获取数据源，并对获取的数据进行简单数据清洗，得到结构化数据；所述数据源包括用户基本信息
、
用户历史行为数据
、
衍生话题传播记录；其中，衍生话题传播记录包括参与用户的基本信息以及用户的好友信息
、
话题被转发和评论的时间；
[0022]S2
：基于数据清洗后得到的结构化数据，从感性认知和理性认知两个角度分析用户参与话题传播的多维认知，并进行特征表示；同时，提取影响话题影响力的用户属性以及话题属性，将提取的用户属性
、
话题属性融合为话题影响力，并结合演化博弈理论对多个衍
生话题转发驱动力进行构建；
[0023]S3
：基于用户多维认知与衍生话题转发驱动力，利用
BP
网络建立衍生话题传播态势预测模型；
[0024]S4
：将待预测的话题数据输入衍生话题传播态势预测模型，得到衍生话题传播态势的预测结果
。
[0025]如图1本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，包括：
S1
：通过社交网络公共
API
或公开的数据网站在线获取数据源，并对获取的数据进行简单数据清洗，得到结构化数据；所述数据源包括用户基本信息
、
用户历史行为数据
、
衍生话题传播记录；其中，衍生话题传播记录包括参与用户的基本信息以及用户的好友信息
、
话题被转发和评论的时间；
S2
：基于数据清洗后得到的结构化数据，从感性认知和理性认知两个角度分析用户参与话题传播的多维认知，并进行特征表示；同时，提取影响话题影响力的用户属性以及话题属性，将提取的用户属性
、
话题属性融合为话题影响力，并结合演化博弈理论对多个衍生话题转发驱动力进行构建；
S3
：基于用户多维认知与衍生话题转发驱动力，利用
BP
网络建立衍生话题传播态势预测模型；
S4
：将待预测的话题数据输入衍生话题传播态势预测模型，得到衍生话题传播态势的预测结果
。2.
根据权利要求1所述的一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，从感性认知角度分析用户参与话题传播的多维认知，并进行特征表示，包括：用户情感分数和用户转发习惯；用户情感分数：给定话题
、
用户评论组成的文本集合为
S
＝
{S
t
,S1，
...,S
n
‑1,S
n
}
，其中
S
t
表示衍生话题文本，
S
i
,i∈(1,n)
表示用户第
i
条话题评论文本，对于每一个文本，通过话题文本和话题评论中的情感词汇的词频和反文档频率，采用
TF
‑
IDF
权重计算方法计算出情感字词在不同情感类别中的权重，根据情感字词在不同情感类别中的权重计算权重方差，选择方差大的字词作为特征词，根据选定的特征词和权重再次通过
TF
‑
IDF
权重计算方法计算文本的情感分数，根据文本的情感分数结合参与用户好友的情感影响得到用户的情感分数；其中，所述情感类别包括：恐惧
、
愤怒
、
高兴
、
喜欢以及悲伤；所述情感分数定义为积极情感分数
、
消极情感分数；用户转发习惯：将用户
u
i
的转发行为的次数与其交互行为总数的比值进行特征表示为用户的转发习惯
forwardHabit(u
i
)。3.
根据权利要求2所述的一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，所述用户好友的情感影响，包括：将社交网络作为一个有向图，用户为有向图的节点，某个节点的接近中心性可以表示该节点在一个圈子里面传播信息的能力，接近中心性越大，传播能力就越强，将参与用户作为中心，计算好友节点的接近中心性作为参与用户的好友情感影响
。4.
根据权利要求2所述的一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，根据文本的情感分数结合参与用户好友的情感影响得到用户的情感分数，包括：积极情感分数：
positiveS
u
＝
joyS
u
+likingS
u
+k*C(u)*(joyS
v
+likingS
v
)
消极情感分数：
negativeS
u
＝
fearS
u
+angerS
u
+sadnessS
u
+k*C(u)*(fearS
v
+angerS
v
+sadnessS
v
)
其中，
positiveS
u
表示用户
u
的积极情感分数，
joyS
u
表示用户
u
的高兴情感的情感分数，
likingS
u
表示用户
u
的喜欢情感的情感分数，
k
表示好友节点情感的正负反馈，如果两节点
都是同类情感，
k
为
+1
，反之为
‑1，
C(u)
表示好友节点距离目标用户节点
u
的接近中心性，
joyS
v
表示用户好友
v
的高兴情感的情感分数，
likingS
v
表示用户好友
v
的喜欢情感的情感分数；
negativeS
u
表示用户
u
的消极情感分数，
fearS
u
表示用户
u
的喜欢恐惧的情感分数，
angerS
u
表示用户
u
的愤怒情感的情感分数，
sadnessS
u
表示用户
u
的喜欢悲伤的情感分数，
fearS
v
表示用户好友
v
的恐惧情感的情感分数，
angerS
v
表示用户好友
v
的愤怒情感的情感分数，
sadnessS
v
表示用户好友
v
的悲伤情感的情感分数
。5.
根据权利要求2所述的一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，将用户
u
i
的转发行为的次数与其交互行为总数的比值进行特征表示为用户的转发习惯
forwardHabit(u
i
)
，包括：其中，
forwardHabit(u
i
)
表示用户
u
i
在社交平台上的转发习惯，
W
f
(u
i
)
表示用户
u
i
在社交平台上的转发行为次数，
W
c
(u
i
)
表示用户
u
i
在社交平台上的评论行为次数，
W
l
(u
i
)
表示用户
u
i
在社交平台上的点赞行为次数
。6.
根据权利要求1所述的一种基于多维认知与博弈论的传播态势感知预测方法，其特征在于，从理性认知角度分析用户参与话题传播的多维认知，并进行特征表示，包括：选取用户在社交平台上的个性来量化用户的理性认知，将基于用户历史数据得到的个性向量与基于衍生话题得到的个性向量进行相似性比较，将个性...

【专利技术属性】
技术研发人员：肖云鹏，席文意，李茜，李暾，王蓉，贾朝龙，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：