基于深度学习的社交网络影响力最大化传播效果评估方法
摘要文本
本发明公开了一种基于深度学习的社交网络影响力最大化传播效果评估方法，首先基于网络拓扑、用户行为及传播途径构建社交网络信息传播效果的评估指标体系；然后采集不同事件数据进行标注作为样本数据集，进行数据清洗及数据增强得到指标体系数据集；使用赋权法进行特征选择及计算获取三级指标特征值构成特征向量；构建评估模型，对特征向量进行归一化处理后输入残差神经网络中进行训练和学习得到三级指标得分；使用加权平均法进行聚合计算得到某事件在某时间节点下信息传播效果的预测得分；最后计算实际得分并与预测得分进行作差，得到的差值作为对社交网络影响力最大化传播效果的评估结果。本方法可以提高结果的准确性和代表性，确保评估可靠性。
申请人信息
- 申请人:广州大学
- 申请人地址:510006 广东省广州市番禺区大学城外环西路230号
- 发明人: 广州大学
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 基于深度学习的社交网络影响力最大化传播效果评估方法 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311620495.3 |
| 申请日 | 2023/11/30 |
| 公告号 | CN117688347A |
| 公开日 | 2024/3/12 |
| IPC主分类号 | G06F18/21 |
| 权利人 | 广州大学 |
| 发明人 | 李树栋; 杨鹏伟; 吴晓波; 李雪斌; 陈昭阳; 黄兹勤; 黄小慧; 张欣; 方滨兴; 张登辉; 唐可可; 齐佳音 |
| 地址 | 广东省广州市大学城外环西路230号 |
专利主权项内容
1.基于深度学习的社交网络影响力最大化传播效果评估方法，其特征在于，包括下述步骤：基于网络拓扑、用户行为及传播途径构建社交网络信息传播效果的评估指标体系，包括一级指标、二级指标和三级指标；采集国内外社交网络平台不同事件数据并依据三级指标进行标注，作为样本数据集；对样本数据集进行数据清洗并使用SMOTE方法进行数据增强，得到指标体系数据集并按比例随机划分为训练集和测试集；使用赋权法对指标体系数据集进行特征选择及计算，获取三级指标特征值构成特征向量；构建评估模型，将特征向量输入评估模型中，评估模型首先对特征向量进行归一化处理，然后输入残差神经网络中进行训练和学习，得到三级指标得分；使用加权平均法对各级指标得分依次进行聚合计算，得到某事件在某时间节点下信息传播效果的预测得分；通过实时统计并计算该时间节点下各个三级指标的数据信息，得到各个三级指标的分数，随后通过依次聚合计算得到某事件在某时间节点下信息传播效果的实际得分；将实际得分与预测得分进行作差，得到的差值作为对社交网络影响力最大化传播效果的评估结果。 来自：马 克 团 队