本發(fā)明涉及的是一種網(wǎng)絡(luò)分析方法，具體地說是一種微博信息傳播預(yù)測方法。

背景技術(shù)：

隨著社會網(wǎng)絡(luò)的飛速發(fā)展，人類進(jìn)入了自媒體時代。微博網(wǎng)絡(luò)作為典型的社交媒體平臺，其140字的短文本信息發(fā)送方式以及多種的交互模式，使其成為人們獲取信息、分享信息、傳播信息的重要平臺。由于微博網(wǎng)絡(luò)具有數(shù)據(jù)量大、信息碎片化嚴(yán)重、交互多樣性、信息傳播快等特性，通過系統(tǒng)審核或人工實時監(jiān)控，并不能有效地限制社交網(wǎng)絡(luò)輿情危機(jī)信息的傳播。因此微博除了成為民眾表達(dá)關(guān)切和訴求的窗口之外，也成為了虛假信息、流言蠻語滋生的平臺。

針對在特定的網(wǎng)絡(luò)輿情事件中可能產(chǎn)生微博負(fù)面輿情危機(jī)的問題，在負(fù)面輿情被大規(guī)模傳播之前需要對特定熱點輿情事件中的微博消息的傳播進(jìn)行預(yù)測。在負(fù)面信息大規(guī)模爆發(fā)之前進(jìn)行有效地處理是社會網(wǎng)絡(luò)輿情安全研究所必須解決的問題。社交網(wǎng)絡(luò)中的網(wǎng)絡(luò)輿情傳播通常是由一個或多個用戶協(xié)同來進(jìn)行大規(guī)模擴(kuò)散的。因此在研究社交網(wǎng)絡(luò)輿情傳播預(yù)測的過程中，如何針對影響信息傳播的關(guān)鍵用戶來動態(tài)調(diào)整傳播預(yù)測模型，是社交網(wǎng)絡(luò)輿情信息傳播預(yù)測的重要環(huán)節(jié)。

與本發(fā)明相關(guān)的公開報道包括：

[1]WANG Jing,LIU Zhijing,ZHAO Hui,“Micro-blogs Entity Recognition Based on DSTCRF”,Chinese Journal of Electronics,Vol.23,No.1,pp 147-150,2014；

[2]YANG Zhen,FAN Kefeng,LAI Yingxu,GAO Kaiming and WANG Yong,“Short Texts Classification Through Reference Document Expansion”,Chinese Journal of Electronics,Vol.23,No.2,2014；

[3]Yang Z,Guo J,Cai K,Tang J,Li J,Zhang L,et al.,Understanding retweeting behaviors in social networks.Proceedings of the 19th ACM international conference on Information and knowledge management；2010:ACM.1633-1636 p；

[4]Peng H-K,Zhu J,Piao D,Yan R,Zhang Y,Retweet modeling using conditional random fields.Data Mining Workshops(ICDMW),2011 IEEE 11th International Conference on；2011:IEEE.336-343 p；

[5]Zaman TR,Herbrich R,Van Gael J,Stern D,Predicting information spreading in twitter.Workshop on computational social science and the wisdom of crowds,nips；2010:Citeseer.17599-17601 p；

[6]Kupavskii A,Ostroumova L,Umnov A,Usachev S,Serdyukov P,Gusev G,et al.,Prediction of retweet cascade size over time.Proceedings of the 21st ACM international conference on Information and knowledge management；2012:ACM.2335-2338 p；

[7]Cheng J,Adamic L,Dow PA,Kleinberg JM,Leskovec J,Can cascades be predicted？Proceedings of the 23rd international conference on World wide web；2014:ACM.925-936 p；

[8]Zhao Q,Erdogdu MA,He HY,Rajaraman A,Leskovec J,SEISMIC:A Self-Exciting Point Process Model for Predicting Tweet Popularity.Proceedings of the 21th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining；2015:ACM.1513-1522 p；

[9]Yang J,Leskovec J,Modeling information diffusion in implicit networks.Data Mining(ICDM),2010IEEE 10th International Conference on；2010:IEEE.599-608p；

[10]Wang CX,Guan XH,Qin Tao,Zhou YD.Modeling Opinion Leader’s Influence in Microblog Message Propagation and Its Application.Journal of Software,2015,26(6)。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種具有準(zhǔn)確的預(yù)測效果，并可以挖掘影響預(yù)測性能的關(guān)鍵用戶的基于關(guān)鍵用戶的微博信息傳播預(yù)測方法。

本發(fā)明的目的是這樣實現(xiàn)的：

步驟1：數(shù)據(jù)采集；

步驟2：數(shù)據(jù)處理；

步驟3：利用線性模型預(yù)測；

步驟4：基于關(guān)鍵用戶挖掘的模型調(diào)整，進(jìn)行后續(xù)預(yù)測。

本發(fā)明還可以包括：

1、所述數(shù)據(jù)采集具體包括：

步驟1.1：在微博網(wǎng)絡(luò)中實時獲取給定消息id的轉(zhuǎn)發(fā)用戶；

步驟1.2：獲取微博用戶的配置信息，所述配置信息包括關(guān)注數(shù)、粉絲數(shù)。

2、所述數(shù)據(jù)處理具體包括：

步驟2.1：根據(jù)給定的時間間隔將步驟1.1與1.2所獲得的數(shù)據(jù)劃分為多個時間窗口；

步驟2.2：選取前k個時間窗口作為訓(xùn)練數(shù)據(jù)窗口，第k+1時間窗口為預(yù)測窗口。

3、所述利用線性模型預(yù)測具體包括：

步驟3.1：首先根據(jù)訓(xùn)練集的時間窗口內(nèi)用戶的轉(zhuǎn)發(fā)量確定時間窗口內(nèi)的關(guān)鍵用戶；

步驟3.2：根據(jù)用戶的轉(zhuǎn)發(fā)數(shù)對線性函數(shù)進(jìn)行擬合，迭代的確定線性函數(shù)的待估參數(shù)值，確定預(yù)測函數(shù)；

步驟3.3：將預(yù)測時間窗口的窗口值代入預(yù)測函數(shù)，生成預(yù)測值。

4、所述基于關(guān)鍵用戶挖掘的模型調(diào)整具體包括：

步驟4.1：根據(jù)預(yù)測值和實際值的差異確定是否需要進(jìn)行關(guān)鍵用戶檢測；

步驟4.2：當(dāng)預(yù)測差異大于閾值時，根據(jù)該時間窗口的用戶轉(zhuǎn)發(fā)數(shù)確定關(guān)鍵用戶；

步驟4.3：利用關(guān)鍵用戶的粉絲數(shù)，以及之前其他關(guān)鍵用戶的粉絲數(shù)來確定關(guān)鍵用戶的數(shù)值，來對線性模型進(jìn)行調(diào)整。

步驟4.4：利用新生成的線性模型對下一時間窗口進(jìn)行預(yù)測。

本發(fā)明提出了一種基于消息傳播中的關(guān)鍵用戶的動態(tài)線性預(yù)測模型，該模型在預(yù)測的同時檢查影響預(yù)測準(zhǔn)確性的關(guān)鍵用戶，通過關(guān)鍵用戶動態(tài)調(diào)整線性預(yù)測模型。

本發(fā)明的方法，利用從微博網(wǎng)絡(luò)上獲取的消息的用戶轉(zhuǎn)發(fā)數(shù)據(jù)，通過基于關(guān)鍵用戶的動態(tài)線性模型來預(yù)測未來信息傳播的狀態(tài)，并在預(yù)測的過程中實時的挖掘關(guān)鍵用戶，在新增關(guān)鍵用戶的基礎(chǔ)上對線性模型進(jìn)行改進(jìn)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：

1、本發(fā)明提出一種基于關(guān)鍵用戶的微博信息傳播預(yù)測方法，該技術(shù)主要考慮信息傳播預(yù)測過程中關(guān)鍵用戶出現(xiàn)導(dǎo)致預(yù)測失準(zhǔn)的問題，來對傳統(tǒng)的線性預(yù)測模型進(jìn)行改進(jìn)。并取得了良好的預(yù)測效果。

2、本發(fā)明能夠有效的針對微博類的大規(guī)模社會網(wǎng)絡(luò)，具有較為準(zhǔn)確的預(yù)測效果，并可以挖掘影響預(yù)測性能的關(guān)鍵用戶。

附圖說明

圖1是本發(fā)明的總體流程圖。

圖2是本發(fā)明的線性模型的具體示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明作進(jìn)一步的詳細(xì)說明?？梢岳斫獾氖?，此處所描述的具體實施例僅僅用于解釋本發(fā)明，而非對本發(fā)明的限定。另外還需要說明的是，為了便于描述，附圖中僅示出了與本發(fā)明相關(guān)的部分而非全部內(nèi)容。

結(jié)合圖1，本發(fā)明的基于關(guān)鍵用戶的微博信息傳播預(yù)測方法的具體實現(xiàn)步驟如下：

步驟101：數(shù)據(jù)采集；

步驟102：數(shù)據(jù)處理；

步驟103：線性模型預(yù)測；

步驟104：基于關(guān)鍵用戶挖掘的模型調(diào)整。

步驟101中，其所述數(shù)據(jù)采集的步驟包括：

在微博網(wǎng)絡(luò)中實時獲取給定消息id的轉(zhuǎn)發(fā)用戶；

獲取微博用戶的配置信息，關(guān)注數(shù)、粉絲數(shù)等；

所述步驟102中，其所述數(shù)據(jù)處理的步驟包括：

根據(jù)給定的時間間隔將微博數(shù)據(jù)劃分為多個時間窗口；

選取前k個時間窗口作為訓(xùn)練數(shù)據(jù)窗口，第k+1時間窗口為預(yù)測窗口；

所述步驟103中，其所述線性模型預(yù)測的步驟為：

首先根據(jù)訓(xùn)練集的時間窗口內(nèi)用戶的轉(zhuǎn)發(fā)量確定時間窗口內(nèi)的關(guān)鍵用戶；

根據(jù)用戶的轉(zhuǎn)發(fā)數(shù)對線性函數(shù)進(jìn)行擬合，迭代的確定線性函數(shù)的待估參數(shù)值，確定預(yù)測函數(shù)。

將預(yù)測時間窗口的窗口值代入預(yù)測函數(shù)，生成預(yù)測值。

所述步驟104中，其所述的基于關(guān)鍵用戶挖掘的模型調(diào)整：

根據(jù)預(yù)測值和實際值的差異確定是否需要進(jìn)行關(guān)鍵用戶檢測；

當(dāng)預(yù)測差異大于閾值時，根據(jù)該時間窗口的用戶轉(zhuǎn)發(fā)數(shù)確定關(guān)鍵用戶；

利用關(guān)鍵用戶的粉絲數(shù)，以及之前其他關(guān)鍵用戶的粉絲數(shù)來確定關(guān)鍵用戶的數(shù)值，來對線性模型進(jìn)行調(diào)整。

利用新生成的線性模型對下一時間窗口進(jìn)行預(yù)測。

在步驟101中，數(shù)據(jù)采集是指從微博網(wǎng)絡(luò)實時獲取微博轉(zhuǎn)發(fā)用戶數(shù)據(jù)。

在步驟102中，數(shù)據(jù)處理是指將獲取的微博轉(zhuǎn)發(fā)數(shù)據(jù)按固定時間間隔劃分時間窗口。

將微博消息oid為相同值的微博微博消息按照消息的時間，以固定的時間間隔L劃分為N個微博窗口ms，ms＝[win₁,…,win_j,…,win_L]，win_j為第j個微博窗口，且滿足

在步驟103中，線性模型預(yù)測是指根據(jù)給定的訓(xùn)練時間窗口訓(xùn)練線性模型對下一個時間窗口進(jìn)行預(yù)測。

在線性預(yù)測模型預(yù)測的過程中僅考慮關(guān)鍵用戶對轉(zhuǎn)發(fā)規(guī)模具有影響如圖2所示，并根據(jù)圖2建立公式(1)。公式主要由三部分組成，本發(fā)明考慮微博消息制造者作為第一個關(guān)鍵用戶與其他的關(guān)鍵用戶的影響效果是不同的，因此使用參數(shù)a_t,b_t對兩類關(guān)鍵用戶進(jìn)行區(qū)分。然后是用d_t來調(diào)節(jié)其他節(jié)點帶來的部分消息轉(zhuǎn)發(fā)影響。

$P_m\left(t\right)=d_t+a_t\·R_{u_1}^m\left(t\right)+b_t\underset{u_i\∈K_t^m}{\Σ}{R}_{u_i}^m\left(t\right)---\left(1\right)$

其中表示t時刻用戶u_i的預(yù)測轉(zhuǎn)發(fā)量，表示m消息在t時刻的關(guān)鍵用戶集合。

根據(jù)公式需求，首先確定發(fā)布用戶為第一個關(guān)鍵用戶，然后根據(jù)訓(xùn)練集中用戶的被轉(zhuǎn)發(fā)數(shù)確定訓(xùn)練集關(guān)鍵用戶，最后通過公式(1)進(jìn)行預(yù)測。

在步驟104中，初始候選集合選取，是指根據(jù)預(yù)測值和實際值得差異性來確定是否進(jìn)行關(guān)鍵用戶挖掘并根據(jù)關(guān)鍵用戶改進(jìn)線性模型。

在消息的傳播過程中，訓(xùn)練集中的關(guān)鍵用戶通常很容易被確定，但當(dāng)預(yù)測時間窗口中出現(xiàn)關(guān)鍵用戶后，預(yù)測算法的準(zhǔn)確性被關(guān)鍵用戶干擾后，導(dǎo)致預(yù)測準(zhǔn)確度下降。因此本發(fā)明將關(guān)鍵用戶作為微博轉(zhuǎn)發(fā)規(guī)模預(yù)測準(zhǔn)確度的重要因素。當(dāng)關(guān)鍵用戶出現(xiàn)在預(yù)測時間窗口內(nèi)時，預(yù)測算法會產(chǎn)生相應(yīng)的預(yù)測偏差，因此本發(fā)明定義Key_Thrseshold作為關(guān)鍵用戶存在閾值，其公式如所示：

$Key\_Thrseshold\left(t\right)=\frac{R\_Fact\left(t\right)-R\_\mathrm{Pr}ecdit\left(t\right)}{R\_Fact\left(t\right)}---\left(2\right)$

當(dāng)Key_Thrseshold＜θ時，證明該時間窗口內(nèi)不存在影響預(yù)測的關(guān)鍵用戶，當(dāng)Key_Thrseshold≥θ時并且R_Fact(t)-R_Precdit(t)≥10表明該預(yù)測時間窗內(nèi)可能存在影響預(yù)測的關(guān)鍵用戶，需要對該時間窗口進(jìn)行關(guān)鍵用戶挖掘。Key_Thrseshold≥θ表明預(yù)測算法和實際值有較大的差異，R_Fact(t)-R_Precdit(t)≥10為了避免小于10的轉(zhuǎn)發(fā)規(guī)模影響閾值計算。同時當(dāng)Key_Thrseshold≤-θ時，表明之前窗口可能有部分的關(guān)鍵用戶失效，需要刪除關(guān)鍵用戶影響。

首先根據(jù)該時間窗口中的用戶自身轉(zhuǎn)發(fā)數(shù)進(jìn)行用戶排序，生成排序集合依次的將集合中的用戶添加到下列公式中，直到滿足下列公式為止。

$\frac{R\_Fact\left(t\right)-R\_\mathrm{Pr}ecdit\left(t\right)+R\_KeyUser\left(t\right)}{R\_Fact\left(t\right)}\≤\mathrm{\θ}---\left(3\right)$

通過找到的關(guān)鍵用戶集合對線性模型進(jìn)行動態(tài)的調(diào)整，來進(jìn)行下一步的預(yù)測。