社會網(wǎng)絡(luò)中信息傳播若干關(guān)鍵技術(shù)研究.pdf

1、隨著Web2.0的快速發(fā)展和移動智能終端的迅速普及，各種類型的社會媒體和社會網(wǎng)絡(luò)不斷涌現(xiàn)，正在深刻地改變著人們工作、生活和交流方式?；谠诰€社會網(wǎng)絡(luò)的信息傳播呈現(xiàn)出很多新特點，包括受眾人員規(guī)模大、信息傳播速度快、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、影響范圍廣、網(wǎng)絡(luò)動態(tài)演化等。深入研究社會網(wǎng)絡(luò)信息傳播規(guī)律，有助于我們了解信息傳播機理，預(yù)測信息傳播態(tài)勢，制定有效的信息傳播干預(yù)策略。這對于企業(yè)制定市場宣傳策略、進行品牌推廣和在線廣告投放等都具有重要商業(yè)價值。對于政

2、府及公共安全部門而言，研究社會網(wǎng)絡(luò)中的信息傳播有助于掌握輿情態(tài)勢、控制網(wǎng)絡(luò)謠言、保障國家安全等。
　　社會網(wǎng)絡(luò)中的信息傳播是一個復(fù)雜的動態(tài)過程，通常會涉及到多個因素，包括傳播網(wǎng)絡(luò)結(jié)構(gòu)、信息內(nèi)容特征、傳播時間特征、用戶屬性等等，這些因素互相依賴，緊密耦合，為信息傳播研究帶來了不少挑戰(zhàn)。這方面的挑戰(zhàn)包括，信息傳播網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜，信息內(nèi)容呈現(xiàn)碎片化、口語化，噪音較多，傳播現(xiàn)象紛繁復(fù)雜，傳播數(shù)據(jù)提取難度較大等等。
　　社會網(wǎng)絡(luò)中的信息

3、傳播研究涉及到多個方面，其中的關(guān)鍵技術(shù)包括：信息傳播機制或者模型研究、信息傳播網(wǎng)絡(luò)結(jié)構(gòu)研究、信息傳播最大化研究以及信息傳播暴發(fā)檢測研究等。本文針對以上幾個核心問題，展開系統(tǒng)深入研究，主要研究內(nèi)容和成果包括：
　?。?）社會網(wǎng)絡(luò)中的信息傳播機制分析：提出了一個基于節(jié)點屬性和信息特征的細粒度信息傳播模型。這部分主要從微觀層面研究節(jié)點之間信息傳播機制，信息傳播受哪些因素影響以及這些因素的影響因子。首先從多個維度提取信息傳播的特征，包括節(jié)

4、點屬性特征和信息內(nèi)容特征，然后對節(jié)點間傳播概率和傳播延遲進行建模，提出一個細粒度的在線社會網(wǎng)絡(luò)信息傳播模型。最后利用隨機梯度下降算法，學(xué)習(xí)模型中的各個特征的權(quán)重，深入分析了影響信息傳播的主要因素，包括信息內(nèi)容、節(jié)點興趣偏好和網(wǎng)絡(luò)結(jié)構(gòu)等?；谠撃Ｐ?，還可以預(yù)測信息在網(wǎng)絡(luò)中的傳播態(tài)勢。在新浪微博真實數(shù)據(jù)集上的實驗表明，在預(yù)測準(zhǔn)確率方面，該模型要優(yōu)于其他同類模型，如異步獨立級聯(lián)模型、NetRate模型。
　?。?）未知傳播網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)和

5、傳播路徑還原：提出了一種基于多維異構(gòu)特征的未知傳播網(wǎng)絡(luò)學(xué)習(xí)和傳播路徑還原算法NIMFC?，F(xiàn)實生活中，很多時候我們能觀察到網(wǎng)絡(luò)中的傳播現(xiàn)象，也即不同節(jié)點在不同時間獲知(感染)了目標(biāo)信息（傳染源），但潛在的傳播網(wǎng)絡(luò)結(jié)構(gòu)是未知的，信息的最初來源和信息傳播路徑也不能直接觀察得到，需結(jié)合有效方法學(xué)習(xí)得到潛在的傳播網(wǎng)絡(luò)結(jié)構(gòu)，這包括網(wǎng)絡(luò)中節(jié)點之間的連接狀態(tài)以及基于該連接的信息傳播速率。本文提出了一個未知傳播網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)算法NIMFC，該算法融合了多維

6、異構(gòu)特征包括信息級聯(lián)的時序特征和拓?fù)涮卣?、?jié)點屬性、信息內(nèi)容等，來推斷潛在傳播網(wǎng)絡(luò)結(jié)構(gòu)，包括網(wǎng)絡(luò)連接狀態(tài)以及與連接相關(guān)的信息傳播速率。另外，基于網(wǎng)絡(luò)推斷算法NIMFC，還可以還原信息傳播路徑。在人工合成數(shù)據(jù)集和新浪微博真實數(shù)據(jù)集上的實驗表明，對于傳播網(wǎng)絡(luò)連接推斷、信息傳播速率推斷以及信息傳播路徑還原三個評價指標(biāo)，本文所提出的NIMFC算法均優(yōu)于同類型算法。
　?。?）信息傳播最大化：提出了一種數(shù)據(jù)驅(qū)動的信息傳播最大化算法GA-LI

7、M以及話題敏感的信息傳播最大化算法Topic-Max。針對主流貪心算法在解決信息傳播最大化問題時運算效率低的問題，本文充分利用社會網(wǎng)絡(luò)中信息傳播數(shù)據(jù)，基于數(shù)據(jù)驅(qū)動的方法，提出一個基于局部影響力模型的貪心算法GA-LIM（Greedy Algorithm based on Local Influence Model）。具體而言，首先利用選舉算法，將歷史傳播數(shù)據(jù)中的每次傳播行為視為一張選票，節(jié)點間的傳播概率由選票多少決定，從而構(gòu)建有向帶權(quán)傳

8、播網(wǎng)絡(luò)。然后，根據(jù)影響力局部性原理提出了局部影響力模型來度量節(jié)點影響力，在不影響算法精度的同時可以大大降低計算復(fù)雜度。最后采用貪心算法來獲取目標(biāo)節(jié)點集。在此基礎(chǔ)上，考慮到話題因素對信息傳播的影響，相同節(jié)點之間對于不同話題的信息可能存在不同的傳播概率，本文進一步提出一個話題敏感（topic-sensitive）的信息傳播最大化算法。將信息傳播行為在話題層面進行解析，對于每一個話題，單獨構(gòu)建出一個帶權(quán)傳播網(wǎng)絡(luò)，通過貪心算法得到與話題相關(guān)的k

9、個目標(biāo)節(jié)點。這兩個算法結(jié)合了貪心算法和啟發(fā)式算法各自的優(yōu)勢，在保證計算精度的同時，有效提高了運算效率。
　?。?）信息傳播檢測中目標(biāo)節(jié)點選擇策略問題：提出了一種基于節(jié)點傳播能力的傳播暴發(fā)檢測算法DiffRank。本文結(jié)合網(wǎng)絡(luò)結(jié)構(gòu)特點、節(jié)點屬性、傳播數(shù)據(jù)、檢測成本等信息，提出一個基于隨機游走模型的傳播能力排序算法DiffRank，根據(jù)該算法的結(jié)果選擇傳播能力最強的top-k個節(jié)點作為觀察節(jié)點來檢測網(wǎng)絡(luò)中可能出現(xiàn)的信息傳播。基于新浪微