本發(fā)明涉及社交網(wǎng)絡(luò)分析領(lǐng)域，涉及在線社交網(wǎng)絡(luò)信息傳播的建模，揭示不同驅(qū)動(dòng)因素對(duì)信息傳播的影響。

背景技術(shù)：

互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，促使各種不同類型的在線社交媒體不斷涌現(xiàn)，并逐漸成為人們獲取信息、分享信息的重要工具，深刻影響改變了人們的生活的方式。社交網(wǎng)絡(luò)為人們提供了十分廣泛的信息來(lái)源，用戶在網(wǎng)絡(luò)上留下的數(shù)據(jù)成為研究人員重要的數(shù)據(jù)來(lái)源。社交網(wǎng)絡(luò)的信息傳播問(wèn)題已成為充滿潛力的研究方向，吸引了眾多研究人員關(guān)注。對(duì)社交網(wǎng)絡(luò)信息傳播模式的研究可以解決許多實(shí)際問(wèn)題，如市場(chǎng)營(yíng)銷(xiāo)、購(gòu)物網(wǎng)站信息推薦、輿情監(jiān)控、優(yōu)化社交網(wǎng)絡(luò)的商業(yè)行為等。

近年來(lái)，社會(huì)學(xué)、計(jì)算機(jī)科學(xué)以及復(fù)雜網(wǎng)絡(luò)領(lǐng)域的專家和學(xué)者從不同的角度對(duì)社交網(wǎng)絡(luò)信息傳播進(jìn)行表示、分類和預(yù)測(cè)，揭示信息傳播的潛在機(jī)制。其主要研究領(lǐng)域在網(wǎng)絡(luò)結(jié)構(gòu)、群體狀態(tài)、信息特性等方向有不同程度的探索。基于群體狀態(tài)的信息傳播主要從兩個(gè)角度出發(fā)：一種是從群體出發(fā)，借鑒傳染病的思想，描繪信息傳播過(guò)程；另一種是從個(gè)體出發(fā)，考慮不同個(gè)體對(duì)信息傳播不同作用，建立個(gè)體影響力模型。

基于群體狀態(tài)的傳播模型通過(guò)描述網(wǎng)絡(luò)中用戶對(duì)信息的接受狀態(tài)，以及個(gè)體在這幾個(gè)狀態(tài)間的重新分配，刻畫(huà)信息傳播的動(dòng)態(tài)變化。雖然有很多的描述群體狀態(tài)的模型被提出，但大多忽視了信息傳播過(guò)程中用戶之間動(dòng)態(tài)的觀點(diǎn)交互行為和變換策略的過(guò)程對(duì)信息傳播的影響以及信息傳播的多源性問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問(wèn)題。提出了一種提高描繪準(zhǔn)確度的基于在線社交網(wǎng)絡(luò)的信息傳播模型及方法。本發(fā)明的技術(shù)方案如下：

一種基于在線社交網(wǎng)絡(luò)的信息傳播模型，其包括：獲取數(shù)據(jù)模塊、多維屬性驅(qū)動(dòng)機(jī)制建立模塊、動(dòng)態(tài)演化策略建立模塊及熱點(diǎn)話題傳播模型構(gòu)建模塊，所述獲取數(shù)據(jù)模塊用于從在線社交媒體的公共API獲取熱點(diǎn)話題下的用戶相關(guān)信息并進(jìn)行數(shù)據(jù)處理；多維屬性驅(qū)動(dòng)機(jī)制建立模塊，用于提取用戶網(wǎng)絡(luò)結(jié)構(gòu)屬性和歷史行為屬性，并定義和量化相關(guān)用戶屬性，利用多元線性回歸方法構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制；動(dòng)態(tài)演化策略建立模塊，用于定義感知流行度、策略集和收益矩陣，根據(jù)演化博弈論中的復(fù)制動(dòng)態(tài)方程思想建立動(dòng)態(tài)演化策略；熱點(diǎn)話題傳播模型構(gòu)建模塊，用于以傳統(tǒng)SIR傳染病模型為基礎(chǔ)，結(jié)合多維屬性驅(qū)動(dòng)機(jī)制和動(dòng)態(tài)演化策略建立熱點(diǎn)話題傳播模型，分析內(nèi)部驅(qū)動(dòng)因素和外部驅(qū)動(dòng)因素對(duì)信息傳播的影響。

進(jìn)一步的，所述獲取數(shù)據(jù)模塊獲取熱點(diǎn)話題下的用戶相關(guān)信息，主要包括用戶信息、用戶社交關(guān)系、用戶歷史行為記錄三個(gè)方面的數(shù)據(jù)；數(shù)據(jù)處理主要包括：對(duì)以上三個(gè)方面的數(shù)據(jù)進(jìn)行時(shí)間分片，將數(shù)據(jù)按照時(shí)間區(qū)間進(jìn)行劃分，然后，在單位時(shí)間內(nèi)，從數(shù)據(jù)中找出已參與該話題的用戶及其粉絲，據(jù)此建立網(wǎng)絡(luò)拓?fù)洹?/p>

進(jìn)一步的，所述多維屬性驅(qū)動(dòng)機(jī)制建立模塊構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制，首先，分別從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和用戶歷史行為屬性兩個(gè)方面提取用戶屬性；然后，根據(jù)提取的屬性量化驅(qū)動(dòng)力形成的網(wǎng)絡(luò)結(jié)構(gòu)要素f_network(u_i)和用戶歷史行為要素f_history(u_i)，用多元線性回歸的方法構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制，并求解基于內(nèi)部驅(qū)動(dòng)因素用戶參與話題的驅(qū)動(dòng)力Dri(u_i)。

進(jìn)一步的，所述網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)提取用戶屬性包括：用戶的度Deg(u_i)、用戶介數(shù)C_B(u_i)，

所述用戶歷史行為屬性包括：內(nèi)容相似性Sim(u_i)、活躍用戶Act(u_i)。

進(jìn)一步的，所述動(dòng)態(tài)演化策略建立模塊定義感知流行度、策略集和收益矩陣，

根據(jù)演化博弈論中的復(fù)制動(dòng)態(tài)方程思想建立動(dòng)態(tài)演化策略包括：

首先，定義收益矩陣P_n和P_a以及感知流行度M(t)；P_n和P_a分別表示不主動(dòng)關(guān)注熱點(diǎn)話題和主動(dòng)關(guān)注熱點(diǎn)話題的收益。然后，從已有數(shù)據(jù)中提取未參與話題的活躍用戶作為未感染個(gè)體中選擇主動(dòng)關(guān)注策略的用戶；最后，依據(jù)演化博弈論的復(fù)制動(dòng)態(tài)方程建立動(dòng)態(tài)演化策略。

進(jìn)一步的，所述熱點(diǎn)話題傳播模型構(gòu)建模塊，將多維屬性驅(qū)動(dòng)機(jī)制和動(dòng)態(tài)演化策略相結(jié)合，以傳統(tǒng)SIR模型為基礎(chǔ)構(gòu)建信息傳播模型，分別將用戶參與話題的驅(qū)動(dòng)力Dri(u_i)和動(dòng)態(tài)策略比例x_n和x_a在內(nèi)的參數(shù)輸入到傳統(tǒng)SIR模型，進(jìn)而構(gòu)建新的熱點(diǎn)話題信息傳播模型。

進(jìn)一步的，所述策略集包括定義“不主動(dòng)關(guān)注的策略”inactive和“主動(dòng)關(guān)注策略”active，個(gè)體接受主動(dòng)關(guān)注的策略理解為個(gè)體主動(dòng)關(guān)注熱點(diǎn)話題，反之亦然，我們用p_n和p_a分別表示用戶選擇策略inactive和active時(shí)參與話題的概率，其中p_a＞p_n，下面我定義兩種不同的收益函數(shù)：

P_n(t)＝m_nM(t)

P_a(t)＝-k+m_aM(t)

選擇策略active的個(gè)體要付出一個(gè)額外的固定支付k，其中，m_a＞m_n，m_a和m_n是與用戶參與話題的概率有關(guān)的變量；

定義感知流行度：依據(jù)傳統(tǒng)的SIR模型中感染率為理論基礎(chǔ)，建立感知流行度的概念，表示過(guò)去某一段時(shí)間，用戶感知到參與話題個(gè)體的變化率，

其中，x表示未參與話題用戶中選擇“不主動(dòng)關(guān)注的策略”inactive的比例。

一種基于所述模型的基于在線社交網(wǎng)絡(luò)的信息傳播方法，其包括以下步驟：

獲取數(shù)據(jù)的步驟、建立多維屬性驅(qū)動(dòng)機(jī)制的步驟，建立動(dòng)態(tài)演化策略的步驟及構(gòu)建熱點(diǎn)話題傳播模型的步驟。

進(jìn)一步的，獲取數(shù)據(jù)的步驟主要從現(xiàn)有的社交媒體獲取熱點(diǎn)話題下的用戶社交關(guān)系、用戶歷史行為信息；建立多維屬性驅(qū)動(dòng)機(jī)制的步驟主要包括，提取用戶網(wǎng)絡(luò)結(jié)構(gòu)屬性和歷史行為屬性，并定義和量化相關(guān)用戶屬性，利用多元線性回歸方法構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制；建立動(dòng)態(tài)演化策略的步驟包括，定義感知流行度、策略集和收益矩陣，根據(jù)演化博弈論中的復(fù)制動(dòng)態(tài)方程思想建立動(dòng)態(tài)演化策略；構(gòu)建熱點(diǎn)話題傳播模型的步驟包括，以SIR模型為基礎(chǔ)，結(jié)合多維屬性驅(qū)動(dòng)機(jī)制和動(dòng)態(tài)演化策略建立熱點(diǎn)話題傳播模型，分析內(nèi)部驅(qū)動(dòng)因素和外部驅(qū)動(dòng)因素對(duì)信息傳播的影響。

進(jìn)一步的，所述獲取數(shù)據(jù)的步驟還包括對(duì)數(shù)據(jù)處理的步驟，主要包括：對(duì)用戶信息、用戶社交關(guān)系、用戶歷史行為記錄三個(gè)方面的數(shù)據(jù)進(jìn)行時(shí)間分片，將數(shù)據(jù)按照時(shí)間區(qū)間進(jìn)行劃分，然后，在單位時(shí)間內(nèi)，從數(shù)據(jù)中找出已參與該話題的用戶及其粉絲，據(jù)此建立網(wǎng)絡(luò)拓?fù)洹?/p>

本發(fā)明的優(yōu)點(diǎn)及有益效果如下：

本發(fā)明從用戶參與熱點(diǎn)話題的內(nèi)部和外部驅(qū)動(dòng)因素出發(fā)，構(gòu)建熱點(diǎn)話題信息傳播模型。對(duì)于內(nèi)部驅(qū)動(dòng)因素，提取用戶的網(wǎng)絡(luò)結(jié)構(gòu)屬性和歷史行為屬性，利用多元線性回歸方法構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制，對(duì)個(gè)體參與話題的內(nèi)部驅(qū)動(dòng)因素進(jìn)行分析，為信息傳播過(guò)程中不同群體狀態(tài)的轉(zhuǎn)變提供理論依據(jù)。對(duì)于外部驅(qū)動(dòng)因素，考慮到信息傳播的多源性和用戶交互行為的復(fù)雜性，定義感知流行度的概念，并以演化博弈論為基礎(chǔ)，提出一種用戶行為的動(dòng)態(tài)演化策略，揭示外部驅(qū)動(dòng)因素對(duì)用戶行為的影響。最后，綜合考慮影響熱點(diǎn)信息傳播的內(nèi)部和外部驅(qū)動(dòng)因素，將動(dòng)態(tài)演化策略和用戶多維屬性驅(qū)動(dòng)機(jī)制結(jié)合作為群體狀態(tài)改變的理論依據(jù)，以傳統(tǒng)SIR模型為基礎(chǔ)構(gòu)建熱點(diǎn)話題信息傳播模型。從而實(shí)現(xiàn)對(duì)熱點(diǎn)話題信息在社交網(wǎng)絡(luò)中的傳播過(guò)程進(jìn)行更加準(zhǔn)確的描繪，揭示信息傳播過(guò)程中多因素耦合的本質(zhì)規(guī)律。

附圖說(shuō)明

圖1是本發(fā)明提供優(yōu)選實(shí)施例基于在線社交網(wǎng)絡(luò)的信息傳播模型的整體框圖。

圖2是本發(fā)明基于在線社交網(wǎng)絡(luò)的信息傳播模型框圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、詳細(xì)地描述。所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例。

本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案是，

如圖1所示為本發(fā)明整體框圖，表明本發(fā)明的輸入是話題下網(wǎng)絡(luò)結(jié)構(gòu)，經(jīng)過(guò)熱點(diǎn)話題傳播模型后的輸出是消息已知者、消息未知者、消息免疫者在整體網(wǎng)絡(luò)中的情況。如圖2所示為本發(fā)明的總體流程圖，包括：獲取數(shù)據(jù)模塊，建立多維屬性驅(qū)動(dòng)機(jī)制，建立動(dòng)態(tài)演化策略模塊，構(gòu)建熱點(diǎn)話題傳播模型模塊，共四大模塊。具體說(shuō)明本發(fā)明的詳細(xì)實(shí)施過(guò)程，包括如下四個(gè)步驟：

S1：獲取數(shù)據(jù)源。本發(fā)明所需要的數(shù)據(jù)從在線社交媒體的公共API獲取

S2：構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制。首先，分別從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和用戶歷史行為屬性兩個(gè)方面提取用戶屬性。然后，根據(jù)提取的屬性量化驅(qū)動(dòng)力形成的網(wǎng)絡(luò)結(jié)構(gòu)要素f_network(u_i)和用戶歷史行為要素f_history(u_i)，用多元線性回歸的方法構(gòu)建用戶多維屬性驅(qū)動(dòng)機(jī)制，并求解基于內(nèi)部驅(qū)動(dòng)因素用戶參與話題的驅(qū)動(dòng)力Dri(u_i)。

S3：構(gòu)建動(dòng)態(tài)演化策略。首先，定義收益矩陣P_n和P_a以及感知流行度M(t)；然后，從已有數(shù)據(jù)中提取未參與話題的活躍用戶作為未感染個(gè)體中選擇主動(dòng)關(guān)注策略的用戶。最后，依據(jù)演化博弈論的復(fù)制動(dòng)態(tài)方程建立動(dòng)態(tài)演化策略。

S4：構(gòu)建熱點(diǎn)話題傳播模型，將多維屬性驅(qū)動(dòng)機(jī)制和動(dòng)態(tài)演化策略相結(jié)合，以SIR為基礎(chǔ)構(gòu)建信息傳播模型。分別將用戶參與話題的驅(qū)動(dòng)力Dri(u_i)和動(dòng)態(tài)策略比例x_n和x_a等參數(shù)輸入到傳統(tǒng)SIR模型，進(jìn)而構(gòu)建新的熱點(diǎn)話題信息傳播模型。

上述步驟S1獲取數(shù)據(jù)源，提取相關(guān)屬性。主要分以下2個(gè)步驟：

S11：抓取數(shù)據(jù)。在某社交媒體上，抓取某個(gè)熱點(diǎn)話題下的用戶信息，主要包括用戶信息、用戶社交關(guān)系、用戶歷史行為記錄三個(gè)方面。

S12：數(shù)據(jù)處理。首先，對(duì)數(shù)據(jù)進(jìn)行時(shí)間分片，將數(shù)據(jù)按照時(shí)間區(qū)間進(jìn)行劃分。然后，在單位時(shí)間內(nèi)，從數(shù)據(jù)中找出已參與該話題的用戶及其粉絲，據(jù)此建立網(wǎng)絡(luò)拓?fù)洹?/p>

上述步驟S2建立多維屬性驅(qū)動(dòng)機(jī)制。主要分以下四個(gè)步驟：

S21：提取網(wǎng)絡(luò)結(jié)構(gòu)屬性。考慮用戶參與話題討論和轉(zhuǎn)發(fā)行為的網(wǎng)絡(luò)結(jié)構(gòu)屬性因素，本發(fā)明就一下幾個(gè)方面定義了相關(guān)的屬性。

1)用戶的度Deg(u_i)

節(jié)點(diǎn)的度(Degree)定義為與某節(jié)點(diǎn)u_i相關(guān)聯(lián)的邊的數(shù)目。在線社交網(wǎng)絡(luò)是有向圖，若用戶u_i關(guān)注u_j，我們稱之為出度并表示為u_i→u_j，用戶u_i的關(guān)注者總和記為Deg-(u_i)；若用戶u_k關(guān)注u_i，我們稱之為入度并表示為u_k→u_i，關(guān)注用戶u_i的數(shù)量總和記為Deg+(u_i)。所以有：

Deg(u_i)＝Deg-(u_i)+Deg+(u_i)

2)用戶介數(shù)C_B(u_i)

在網(wǎng)絡(luò)中，介數(shù)(Betweeness)定義為所有最短路徑經(jīng)過(guò)該節(jié)點(diǎn)(或邊)的概率之和，描述了某個(gè)節(jié)點(diǎn)在網(wǎng)絡(luò)中的影響力與中心性程度。假設(shè)某節(jié)點(diǎn)j和k之間的最短路徑的數(shù)量為δ_jk，這兩個(gè)節(jié)點(diǎn)之間的最短路徑經(jīng)過(guò)某用戶節(jié)點(diǎn)u_i的數(shù)量為δ_jk(u_i)。在此基礎(chǔ)上，用戶u_i的介數(shù)可定義為

S22：提取用戶歷史行為屬性

1)內(nèi)容相似性Sim(u_i)

內(nèi)容相似性(Similarity)用于描述某用戶u_i的興趣與話題標(biāo)簽的相似程度。通過(guò)提取用戶標(biāo)簽和熱點(diǎn)話題中的關(guān)鍵字，用Jaccard系數(shù)進(jìn)行歸一化處理。Jaccard系數(shù)的大小與用戶個(gè)人興趣成正相關(guān)。在這里我們?cè)O(shè)定A為用戶行為標(biāo)簽，B為熱點(diǎn)話題高頻詞匯，則內(nèi)容相似性為

2)活躍用戶Act(u_i)

Act(v_i)用于描述用戶u_i是否是活躍用戶(Active User)，1代表該用戶是活躍用戶，0代表該用戶不是活躍用戶。在參與話題的概率上，相比非活躍用戶，活躍用戶的概率更大，在這里定義活躍用戶為

其中，Active(u_i)代表用戶u_i的活躍指數(shù)，τ為可調(diào)參數(shù)。

Active(u_i)＝ρ*Num[orig(u_i)]+Num[retw(u_i)]

ρ∈[0，1]為弱化系數(shù)，Num[orig(u_i)]，Nun[retw(u_i]，分別是用戶u_i在話題發(fā)起前一段時(shí)間發(fā)表微博和轉(zhuǎn)發(fā)微博的數(shù)量。

S23：結(jié)合網(wǎng)絡(luò)結(jié)構(gòu)屬性和用戶歷史行為屬性，用戶u_i參與話題的驅(qū)動(dòng)力為：

Dri(u_i)＝θ₀+θ₁*f_network(u_i)+θ₂*f_network(u_i)

其中，θ₀、θ₁、θ₂是偏回歸系數(shù)，θ₁，θ₂代表網(wǎng)絡(luò)結(jié)構(gòu)屬性和用戶歷史行為記錄的在用戶驅(qū)動(dòng)力中的占比，三個(gè)參數(shù)均采用多元線性回歸訓(xùn)練得出。

表示網(wǎng)絡(luò)結(jié)構(gòu)屬性，為歸一化因子，i表示用戶編號(hào)。

ψ_ik表示歷史行為屬性，max_u∈V(ψ(u_i))為歸一化因子，i表示用戶編號(hào)。

S3：構(gòu)建動(dòng)態(tài)演化策略。首先，定義收益矩陣P_n和P_a以及感知流行度M(t)；然后，從已有數(shù)據(jù)中提取未參與話題的活躍用戶作為未感染個(gè)體中選擇主動(dòng)關(guān)注策略的用戶。最后，依據(jù)演化博弈論中復(fù)制動(dòng)態(tài)方程的思想建立動(dòng)態(tài)演化策略。

S31：定義策略集和收益矩陣。首先，在這里我們定義兩種策略：“不主動(dòng)關(guān)注的策略”inactive和“主動(dòng)關(guān)注策略”active，個(gè)體接受主動(dòng)關(guān)注的策略可以理解為個(gè)體主動(dòng)關(guān)注熱點(diǎn)話題，反之亦然。我們用p_n和p_a分別表示用戶選擇策略inactive和active時(shí)參與話題的概率，其中p_a＞p_n。

下面我定義兩種不同的收益函數(shù)：

P_n(t)＝m_nM(t)

P_a(t)＝-k+m_aM(t)

選擇策略active的個(gè)體要付出一個(gè)額外的固定支付k。其中，m_a＞m_n。m_a和m_n是與用戶參與話題的概率有關(guān)的變量。

S32：定義感知流行度(Perceived Popularity)：依據(jù)傳統(tǒng)的SIR模型中感染率為理論基礎(chǔ)，建立感知流行度的概念。表示過(guò)去某一段時(shí)間，用戶感知到參與話題個(gè)體的變化率。

其中，x表示未參與話題用戶中選擇“不主動(dòng)關(guān)注的策略”inactive的比例，

S33：定義動(dòng)態(tài)演化策略。依據(jù)演化博弈論中復(fù)制動(dòng)態(tài)的思想，參與人能夠通過(guò)與遇到的個(gè)體的收益進(jìn)行比較從而動(dòng)態(tài)的改變自己的策略。選擇不同策略群體的變化比例與相應(yīng)的收益成正比(ΔP＝P_n-P_a)。

由于我們的策略集中只包含兩種策略，在這里我們定義動(dòng)態(tài)演化策略為：

其中，x和1-x分別表示選擇不同策略群體的比例，表示選擇不同策略個(gè)體相互遇到概率，φ是一個(gè)比例常量。

一個(gè)策略只有已經(jīng)被人們采用才會(huì)被傳播(由于x＝0或者x＝1是一種均衡)，為了避免這種情況，我們這里認(rèn)為有極少數(shù)個(gè)體忽視收益的均衡，采取非理性的策略(以概率)。改進(jìn)后為：

在這里

S4：構(gòu)建熱點(diǎn)話題傳播模型，將多維屬性驅(qū)動(dòng)機(jī)制和動(dòng)態(tài)演化策略結(jié)合，以SIR為基礎(chǔ)構(gòu)建信息傳播模型。分別將狀態(tài)改變概率Dri(u_i)和動(dòng)態(tài)策略比例x_n和x_a等參數(shù)輸入到傳統(tǒng)SIR模型，進(jìn)而構(gòu)建新的熱點(diǎn)話題信息傳播模型。

S41：將動(dòng)態(tài)策略演化模型與SIR模型相結(jié)合可得：

其中，m＝(m_a-m_n)/k，ρ＝kω，當(dāng)λ＝λ_m且r＝μ時(shí)感知流行度等于一段時(shí)間內(nèi)實(shí)際參與話題人數(shù)的變化率。

S42：引入多維屬性模型，可得

本發(fā)明從用戶參與熱點(diǎn)話題的內(nèi)部和外部驅(qū)動(dòng)因素出發(fā)，提出一種熱點(diǎn)話題信息傳播模型。對(duì)于內(nèi)部驅(qū)動(dòng)因素，利用多元線性回歸方法構(gòu)建用戶多維驅(qū)動(dòng)機(jī)制，對(duì)個(gè)體參與話題的內(nèi)部驅(qū)動(dòng)因素進(jìn)行分析。對(duì)于外部驅(qū)動(dòng)因素，提出一種基于感知流行度的用戶行為動(dòng)態(tài)演化策略，揭示外部驅(qū)動(dòng)因素對(duì)用戶行為的影響。最后，結(jié)合傳統(tǒng)SIR模型，綜合考慮影響熱點(diǎn)話題信息傳播的驅(qū)動(dòng)因素，得到一種基于用戶多維屬性和演化博弈論的熱點(diǎn)話題傳播模型。揭示不同驅(qū)動(dòng)因素對(duì)信息傳播的影響，描繪社交網(wǎng)絡(luò)中熱點(diǎn)信息的傳播趨勢(shì)。

以上這些實(shí)施例應(yīng)理解為僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。