本發(fā)明涉及一種群體間的影響力的評估系統(tǒng)和方法，屬于網(wǎng)絡(luò)通信技術(shù)領(lǐng)域。

背景技術(shù)：

在線社交網(wǎng)絡(luò)的用戶群體是因?yàn)橐欢ǖ纳鐣P(guān)系，社會背景或興趣等形成的非正式的、跨區(qū)域的、可自由發(fā)展的龐大的社會網(wǎng)絡(luò)群體?？此坡?lián)系較為稀疏的虛擬世界網(wǎng)絡(luò)群體，相互之間的影響作用對大眾輿論導(dǎo)向、社會熱點(diǎn)漲落、特定群體涌現(xiàn)等方面起到至關(guān)重要的作用?？梢?，社會影響在社會網(wǎng)絡(luò)中，尤其是在當(dāng)前的在線社交網(wǎng)絡(luò)興起的時(shí)代，群體影響以及傳播方式和作用結(jié)果，成為當(dāng)前研究的熱潮。

近年來，學(xué)者對在線社交網(wǎng)絡(luò)的影響力進(jìn)行了一定的研究。目前，社交影響力的建模方法大致可分為兩類：即經(jīng)驗(yàn)方法和推斷方法。經(jīng)驗(yàn)方法通過實(shí)驗(yàn)數(shù)據(jù)的觀察和分析，總結(jié)出符合樣本的數(shù)學(xué)模型，再通過和實(shí)際數(shù)據(jù)的擬合獲取模型中的參數(shù)值。推斷方法則根據(jù)相關(guān)理論直接推導(dǎo)出影響力模型，同樣再采用學(xué)習(xí)和擬合等方法確定模型中的參數(shù)值。這兩種方法都有各自的優(yōu)勢和成功的應(yīng)用，但是還沒有什么方法能夠普遍準(zhǔn)確地刻畫社交網(wǎng)絡(luò)中的影響力以及影響力的作用機(jī)制。這種局面的改變，需要在影響力的定義、社交信息和影響力的關(guān)系等理論工作上取得突破，同時(shí)也需要建模方法的改進(jìn)。

目前，大量關(guān)于社交影響力分析的工作都聚焦在用戶自身的影響力度量和演化，以及用戶及其鄰居和所在社團(tuán)之間的相互影響上，但是以用戶群體為基本目標(biāo)進(jìn)行影響力分析的研究還不是很多，缺乏對具有特定屬性的用戶形成的群體以及群體之間的相互影響進(jìn)行分析和度量；同時(shí)出于作為理論簡化和直觀表達(dá)的需求，缺乏具有針對網(wǎng)絡(luò)群體行為的建模。而本發(fā)明能夠很好地解決上面的問題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的在于克服上述現(xiàn)有技術(shù)的不足，提供了一種群體間的影響力評估方法，該方法在計(jì)算四種拓?fù)潢P(guān)系下的群體間影響力，主要包括：群體部分重疊關(guān)系下的影響力、群體包含關(guān)系下的影響力、群體非重疊但有連接關(guān)系的影響力和群體非重疊但無連接關(guān)系的影響力。該方法充分考慮群體影響力的作用機(jī)制，提出了群體影響力的評估模型，實(shí)現(xiàn)了四種拓?fù)潢P(guān)系下的群體間影響力評估。

本發(fā)明解決其技術(shù)問題所采取的技術(shù)方案是：本發(fā)明應(yīng)用于在線社交網(wǎng)絡(luò)用戶交互關(guān)系的網(wǎng)絡(luò)下，該方法充分考慮群體影響力的作用和機(jī)制，群體內(nèi)部與群體外部節(jié)點(diǎn)的影響力關(guān)系與計(jì)算方法，該方法在群體部分重疊關(guān)系下的群體間影響力的計(jì)算方法包括：群體R1和群體R2網(wǎng)絡(luò)拓?fù)洳糠种丿B，那么R1和R2的影響力就在于相交節(jié)點(diǎn)的數(shù)量，以及相交節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

V(R1，R2)表示R1與R2的相交節(jié)點(diǎn)的集合；P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；α為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

進(jìn)一步地，本發(fā)明群體包含關(guān)系下的群體間影響力計(jì)算方法包括：群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫侨后wR1包含群體R2，那么R1和R2的影響力就在R1的節(jié)點(diǎn)的數(shù)量，以及R1所有節(jié)點(diǎn)對R2所有節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；β為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

進(jìn)一步地，本發(fā)明群體非重疊且有連接關(guān)系的群體間影響力計(jì)算方法包括：群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫遣淮嬖诮患?，但是存在若干連接，那么R1對R2的影響力就在于R1和R2群體的相連的節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；δ為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

進(jìn)一步地，本發(fā)明群體非重疊且無連接關(guān)系的群體間影響力計(jì)算方法包括：群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫遣淮嬖诮患?，但是存在若干連接，那么R1對R2的影響力就在于R1和R2群體的相連的節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；δ為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

有益效果：

1、本發(fā)明采用了復(fù)雜網(wǎng)絡(luò)的理論，將群體抽象成整體，對群體內(nèi)部重要節(jié)點(diǎn)抽象個體，定義了群體間影響力以及群體間影響力的作用范圍和機(jī)制，推導(dǎo)出群體間的影響力模型以及計(jì)算公式，適用于一般的群體影響力的計(jì)算以及評估，具有一定的普適性。

2、本發(fā)明一種群體間的影響力評估方法，從群體間的拓?fù)潢P(guān)系出發(fā)，給出了四種群體拓?fù)潢P(guān)系下的群體間影響力的計(jì)算方法，為進(jìn)一步研究群體影響力以及群體行為提供了可研究的模型和新思路。

附圖說明

圖1為本發(fā)明的方法流程圖。

圖2為本發(fā)明的群體部分重疊拓?fù)涫疽鈭D。

圖3為本發(fā)明的群體相包含拓?fù)涫疽鈭D。

圖4為本發(fā)明的群體非重疊且有連接關(guān)系的拓?fù)涫疽鈭D。

圖5為本發(fā)明的群體非重疊且無連接關(guān)系的拓?fù)涫疽鈭D。

圖6為本發(fā)明的群體間影響力模型實(shí)例圖。

圖7為本發(fā)明的群體間影響力模式實(shí)例簡化圖。

具體實(shí)施方式

下面結(jié)合說明書附圖對本發(fā)明創(chuàng)造作進(jìn)一步的詳細(xì)說明。

本發(fā)明根據(jù)群體間的拓?fù)浣Y(jié)構(gòu)選擇不同的計(jì)算公式，其計(jì)算流程如圖1所示：計(jì)算節(jié)點(diǎn)間的影響力，通過明確節(jié)點(diǎn)間的影響力，完成拓?fù)潢P(guān)系下的影響力有向圖；再根據(jù)節(jié)點(diǎn)的間的影響力，計(jì)算群體間存在影響途徑的影響力之和，從而得到群體對節(jié)點(diǎn)的影響力，最后根據(jù)公式得到群體間的影響力。

如圖2所示，本發(fā)明的群體R1和群體R2網(wǎng)絡(luò)拓?fù)洳糠种丿B，那么R1和R2的影響力就在于相交節(jié)點(diǎn)的數(shù)量，以及相交節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

V(R1，R2)表示R1與R2的相交節(jié)點(diǎn)的集合；P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；α為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

如圖3所示，本發(fā)明的群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫侨后wR1包含群體R2，那么R1和R2的影響力就在R1的節(jié)點(diǎn)的數(shù)量，以及R1所有節(jié)點(diǎn)對R2所有節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；β為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

如圖4所示，本發(fā)明的群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫遣淮嬖诮患?，但是存在若干連接，那么R1對R2的影響力就在于R1和R2群體的相連的節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；δ為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。

如圖5所示，本發(fā)明的群體R1和群體R2網(wǎng)絡(luò)拓?fù)涫遣淮嬖诮患?，但是存在若干連接，那么R1對R2的影響力就在于R1和R2群體的相連的節(jié)點(diǎn)對之間的影響力強(qiáng)弱。因此，R1對R2的影響力計(jì)算公式為：

P_R1R2表示R1到R2的所有路徑；k,v表示P_ij路徑中的節(jié)點(diǎn)；δ為綜合因子。F_kv表示節(jié)點(diǎn)k,v之間的影響力，Y(R1，i)表示群體R對節(jié)點(diǎn)i的影響力，Y(j,R2)表示節(jié)點(diǎn)j對群體R2的影響力。由于社交網(wǎng)絡(luò)中每個節(jié)點(diǎn)會屬于多個群體，因此在群體R1、R2可能會出現(xiàn)一些相互交集的節(jié)點(diǎn)，如圖6所示。群體R1和群體R2相交于節(jié)點(diǎn)e、d，將(c,d)，(b,e)叫作相交節(jié)點(diǎn)對。群體R1和R2之間的影響力就在于相交節(jié)點(diǎn)的數(shù)量，以及相交節(jié)點(diǎn)對之間的影響力強(qiáng)弱。為了方便群體間的各節(jié)點(diǎn)的作用，將群體間的關(guān)系進(jìn)行簡化，將群體簡化為節(jié)點(diǎn)，如圖7。

可見，群體R1與群體R2的影響力實(shí)際上就是各途徑下的節(jié)點(diǎn)影響力間接綜合，其影響路徑為P_R1BER2，P_R1CDR2，P_R1ER2，P_R1DR2。

本發(fā)明的群體R1對群體R2的影響力Y(R1,R2)的影響力組成包括：

群體對節(jié)點(diǎn)的影響力Y(R1,c)，Y(R1,b)，Y(R1,d)，Y(R1,e)；節(jié)點(diǎn)對群體R2的影響力Y(d,R2)，Y(e,R2)；節(jié)點(diǎn)之間的影響力F_cd，F(xiàn)_be。因此，R1對R2的影響力為：

α為綜合因子。