一种基于圈层效应的社交网络事件传播预测方法技术

本发明专利技术公开了一种基于圈层效应的社交网络事件传播预测方法，包括以下步骤：步骤1、根据社交网络建立复合关系社交网络结构；步骤2、通过图神经网络基于复合关系社交网络结构学习得到所有用户节点的嵌入表示；步骤3、根据所有用户节点的嵌入表示，分别得到时序视角的事件传播表示、结构视角的事件传播表示；步骤4、将步骤3得到的时序视角的事件传播表示、结构视角的事件传播表示自适应融合，得到基于圈层效应的事件传播表示；步骤5、将基于圈层效应的事件传播表示映射到用户特征空间，得到事件传播预测结果。本发明专利技术能够实现对社交网络上的事件传播进行有效而准确的预测分析。

【技术实现步骤摘要】

本专利技术涉及社交网络事件传播预测方法领域，具体是一种基于圈层效应的社交网络事件传播预测方法。

技术介绍

1、随着在线社交媒体的快速发展，事件传播与信息获取变得越来越便捷和高效。事件传播预测与分析是社交网络中的一项重要任务，旨在识别可能参与事件传播的潜在用户。研究和分析事件传播对于理解信息、行为或现象如何在社交网络中传播至关重要，同时对理解舆情演变、控制假新闻以及在线市场营销等实际应用具有重要价值。

2、社交网络本质上是动态且复杂的系统，其事件传播受到简单节点连接之外的各种因素的影响。在社交网络中，由于用户行为、注意力范围的变化或影响信息传播的外部事件，事件可能会随着时间的推移以不同的方式传播，社交网络表现出结构聚集现象，其中节点倾向于聚集成具有不同交互模式的紧密结合的圈层。因此时序动态下的圈层效应是影响社交网络事件传播的重要因素，通过捕获局部用户交互对事件传播的影响至关重要。但现有技术社交网络事件传播预测方法均没有考虑圈层效应，因此存在预测结果不准确的问题。

技术实现思路

1、本专利技术提供了一本文档来自技高网...

【技术保护点】

1.一种基于圈层效应的社交网络事件传播预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于圈层效应的社交网络事件传播预测方法，其特征在于，步骤1中，用户节点之间的关系共有三种类型的关系，分别为社交关联关系、传播影响作用关系、行为偏好关系。

3.根据权利要求1所述的一种基于圈层效应的社交网络事件传播预测方法，其特征在于，采用训练好的考虑圈层效应的预测模型，执行步骤2-步骤4；所述预测模型包括基于LightGCN的复合关系图神经网络，以及时序视角的交叉注意力网络、结构视角的偏置注意力网络、基于门控机制的自适应融合层；其中复合关系图神经网络用于执行步骤...

【技术特征摘要】

1.一种基于圈层效应的社交网络事件传播预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于圈层效应的社交网络事件传播预测方法，其特征在于，步骤1中，用户节点之间的关系共有三种类型的关系，分别为社交关联关系、传播影响作用关系、行为偏好关系。

3.根据权利要求1所述的一种基于圈层效应的社交网络事件传播预测方法，其特征在于，采用训练好的考虑圈层效应的预测模型，执行步骤2-步骤4；所述预测模...

【专利技术属性】
技术研发人员：杨雅君，冯子涵，
申请(专利权)人：天津大学合肥创新发展研究院，
类型：发明
国别省市：