本发明专利技术公开了利用人工智能和虚拟图像的传播效果评估方法及设备，属于社交媒体管理领域，该评估方法具体步骤如下：(1)从网络中抓取传播数据并深度分析；(2)依据获取的各项数据预测各数据传播效果；(3)建立虚拟图像场景模拟信息传播过程以及扩散路径；(4)将关键数据存储于区块链中并优化节点评估顺序；(5)依据分析结果以及模拟结果构建传播效果评估指标；(6)将评估结果以可视化的形式呈现并反馈至管理平台；本发明专利技术能够反映真实传播过程的多样性，提高评估的全面性，能够适应各种复杂网络结构，提高模拟的精度，能够使评估更有针对性，提高整体的评估效率，减少对非关键节点的评估次数，降低计算的负担，提高评估的精度。
【技术实现步骤摘要】
本专利技术涉及社交媒体管理领域，尤其涉及利用人工智能和虚拟图像的传播效果评估方法及设备。
技术介绍
1、随着数字时代的到来，信息传播在互联网和社交网络中变得愈发复杂和庞大。传播效果的评估成为了企业、机构和个人战略决策的必要组成部分。然而，传统的评估方法难以应对大规模、高频率、多样化的信息传播形式。因此，为了更全面、精准地了解信息在网络中的传播效果，人工智能和虚拟图像等先进技术应运而生。人工智能技术的发展使得我们能够深入挖掘传播内容的内在特征，从而更好地理解信息的影响力、用户反馈等关键因素。虚拟图像模拟则提供了一个虚拟实验平台，通过模拟不同情境下的信息传播过程，为评估提供了更具可控性和可预测性的手段；因此，专利技术利用人工智能和虚拟图像的传播效果评估方法及设备变得尤为重要。
2、现有的传播效果评估方法及设备无法反映真实传播过程的多样性，评估具有局限性，且传播路径模拟精度差；此外，现有的传播效果评估方法及设备整体的评估效率低下，对非关键节点的评估次数增加，增加了计算的负担，降低评估精度；为此，我们提出利用人工智能和虚拟图像的传播效果评估方法及设备。
技术实现思路
1、本专利技术的目的是为了解决现有技术中存在的缺陷，而提出的利用人工智能和虚拟图像的传播效果评估方法及设备。
2、为了实现上述目的，本专利技术采用了如下技术方案：
3、利用人工智能和虚拟图像的传播效果评估方法，该评估方法具体步骤如下：
4、(1)从网络中抓取传播数据并深度分析；</p>5、(2)依据获取的各项数据预测各数据传播效果；
6、(3)建立虚拟图像场景模拟信息传播过程以及扩散路径；
7、(4)将关键数据存储于区块链中并优化节点评估顺序；
8、(5)依据分析结果以及模拟结果构建传播效果评估指标；
9、(6)将评估结果以可视化的形式呈现并反馈至管理平台。
10、作为本专利技术的进一步方案，步骤(1)所述深度分析具体步骤如下：
11、步骤一：通过api或网络爬虫从各网络平台中抓取传播数据，并根据数据类型对抓取的数据进行分类，之后通过高通滤波器对各组数据进行去噪处理，按照各数据类型整合不同类型数据集；
12、步骤二：通过自然语言处理技术提取关键词、短语和主题，通过情感分析算法，判断各类数据中的情感极性以了解用户对传播内容的情感倾向，包括正面、负面或中性；
13、步骤三：识别各类数据的主题结构，了解内容的关键议题，同时提取关键词汇，以更好地理解用户关注的焦点和信息重点，之后分析用户的互动行为，识别用户在传播内容上的行为模式，了解用户参与度和对内容的兴趣程度；
14、步骤四：依据收集的各组用户信息构建用户画像，并建立传播内容在网络中的传播网络图，再利用图论算法，识别核心节点和信息传播路径，评估传播的规模和影响力。
15、作为本专利技术的进一步方案，步骤(2)所述数据传播效果预测具体步骤如下：
16、步骤1：将从数据中提取的各种信息进行整合和转换，形成机器学习模型的输入特征，依据工作人员需求确定机器学习模型的目标标签或标签集；
17、步骤2：将各类数据集划分为训练集和测试集，之后重复对训练集进行特征选择和数据集分割，直至决策树的深度达到预定值，将叶子节点的标签确定为该节点中样本数量最多的类别；
18、步骤3：通过递归分裂和叶子节点标签确定构建出一组完整的决策树，将生成的多组决策树组成随机森林模型，选取测试集中的任一子集验证随机森林模型，通过其余子集进行训练；
19、步骤4：统计检测结果的损失值，再更换另一子集验证随机森林模型，再取剩余子集进行训练，再次计算损失值，直至对所有数据都进行一次预测，通过选取损失值最小时对应的组合参数作为数据区间内最优的参数并替换随机森林模型原有参数；
20、步骤5：该随机森林模型接收当前传播数据信息，并提取其特征信息，依据该特征信息从随机森林模型的根节点开始，根据特征条件逐步遍历树的分支，直到达到叶子节点，并将该叶子节点的标签作为传播效果评估结果输出。
21、作为本专利技术的进一步方案，步骤(3)所述虚拟图像场景建立具体步骤如下：
22、步骤①：定义虚拟图像场景的主题和目标，并设定传播效果评估的具体目标，根据实际社交网络的特征构建虚拟社交网络模型，确定用户节点的数量、连接关系以及社交圈子以模拟用户之间的相互影响；
23、步骤②：根据传播内容的性质和目标，确定信息的传播规则和影响力计算方法，之后设定虚拟用户的行为规则模拟用户对传播内容的不同反应，在虚拟社交网络中选择一部分节点作为初始信息发布者发布虚拟信息；
24、步骤③：根据信息传播模型和用户行为规则，模拟信息在虚拟社交网络中的动态传播过程，之后引入虚拟事件或外部因素，触发社交网络中的特定行为，模拟到达设定的结束条件后停止，根据模拟结果对模型进行调整。
25、作为本专利技术的进一步方案，步骤(3)所述扩散路径模拟具体步骤如下：
26、步骤ⅰ：创建一组空的搜索树，树的节点包括当前的社交网络状态、该节点的访问次数以及该节点的累计奖励值，从根节点出发，通过ucb策略选择子节点，直到找到叶子节点或达到搜索深度限制；
27、步骤ⅱ：若叶子节点未访问过，则通过扩展策略进行扩展并将其添加新的子节点，以表示模拟社交网络中的新传播路径，之后从扩展的节点处开始模拟信息传播的过程，使用随机策略或事先定义的规则，模拟信息在社交网络中的传播路径，直至达到预定的模拟深度；
28、步骤ⅲ：将模拟的结果回传到搜索树的每组经过的节点，更新节点的访问次数和累计奖励值，重复执行步骤ⅰ到ⅲ，增加搜索树的深度，直到达到规定的搜索时间或迭代次数后停止。
29、作为本专利技术的进一步方案，步骤(4)所述区块链存储具体步骤如下
30、第一步：按照预设的时间区间对传播过程中的关键数据进行分割，以获形成多组数据块，之后通过哈希算法生成各组数据块的标识，收集各组区块链节点信息，并获取各组节点负载情况；
31、第二步：通过负载均衡算法选择对应的区块链节点来存储每组数据块，数据块存储完成后，根据系统的要求和可用资源进行配置复制规定数量的数据块到多组区块链节点上，当节点存储的数据发生变化时，通过数据同步算法将数据更新从一个节点传播到其他节点；
32、第三步：当构造一组新的数据块后，将其广播到区块链网络中，并传播给多组区块链节点，各组区块链节点进行共识验证，确认该数据块的有效性和合法性并添加区块链网络中存储。
33、作为本专利技术的进一步方案，步骤(4)所述节点评估顺序优化具体步骤如下：
34、第1步：遍历网络中的节点，计算每个节点的lur值，并按照lur值由高到低排列以构建lur链表，将评估顺序初始化为lur链表的顺序；
35、第2步：从评估顺序中选择一组节点进行评估，执行相本文档来自技高网
...
【技术保护点】
1.利用人工智能和虚拟图像的传播效果评估方法，其特征在于，该评估方法具体步骤如下：
2.根据权利要求1所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(1)所述深度分析具体步骤如下：
3.根据权利要求2所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(2)所述数据传播效果预测具体步骤如下：
4.根据权利要求1所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(3)所述虚拟图像场景建立具体步骤如下：
5.根据权利要求4所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(3)所述扩散路径模拟具体步骤如下：
6.根据权利要求5所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(4)所述区块链存储具体步骤如下
7.根据权利要求6所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(4)所述节点评估顺序优化具体步骤如下：
8.利用人工智能和虚拟图像的传播效果评估设备，其特征在于，包括处理器、存储器、通信总线、网络接口卡、加速器卡、存储控制器、图形处理单元、音频处理单元、传输模块、显示屏以及用户输入模块；
...
【技术特征摘要】
1.利用人工智能和虚拟图像的传播效果评估方法，其特征在于，该评估方法具体步骤如下：
2.根据权利要求1所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(1)所述深度分析具体步骤如下：
3.根据权利要求2所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(2)所述数据传播效果预测具体步骤如下：
4.根据权利要求1所述的利用人工智能和虚拟图像的传播效果评估方法，其特征在于，步骤(3)所述虚拟图像场景建立具体步骤如下：
5.根据权利要求4所述的利用人工智能和虚拟...
【专利技术属性】
技术研发人员：张晨，李晓夏，
申请(专利权)人：海南大学，
类型：发明
国别省市：
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。