一种消息控制方法、装置、设备、程序产品及介质与流程

本发明涉及互联网，特别涉及一种消息控制方法、装置、设备、程序产品及介质。

背景技术：

1、在社交网络分析的研究领域中，用户所展示的群体性意见、观点、情绪和行为构成了社会影响力，该影响力能够直接且迅速地反映社会群体在各个层面上的发展趋势。尤其表现在对一些重要的新闻事件的报道。网络用户可以实时参与新闻事件的讨论和发布观点（积极信息），进而引导和影响事态的进程和走向。由此，引发了研究学者开展影响力最大化（influence maximization，im）问题的研究。为了解决影响力最大化im问题，研究学者们提出了一系列的算法，主要包括贪婪算法、反向采样算法以及启发式算法。然而，传统的影响力最大化解决算法主要利用集中式设计，存在计算复杂度高、响应延迟大、控制效果差等问题。

2、因此，如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种消息控制方法、装置、设备、程序产品及介质，能够有效降低计算开销，减少响应时长，从而提升消息控制效果。其具体方案如下：

2、第一方面，本技术公开了一种消息控制方法，包括：

3、构建多信息源影响力传播模型；

4、获取原始规模的有向社交网络，并对所述有向社交网络进行网络拆分，以得到多个子网络；

5、利用所述多信息源影响力传播模型并发执行所述子网络，以确定所述子网络中各种子节点对应的每一种信息类别的第一影响力传播值；

6、获取为每一个所述子网络分配的预设影响力阈值，并根据所述预设影响力阈值与所述第一影响力传播值之间的比较结果，以及基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点；

7、根据所述目标种子节点生成使得所述有向社交网络的影响力最大化的目标种子节点集合，以便利用所述目标种子节点集合在所述有向社交网络中进行消息传播。

8、可选的，所述构建多信息源影响力传播模型，包括：

9、获取目标有向社交网络，并从所述目标有向社交网络中的各种子节点中确定初始种子节点；其中，所述目标有向社交网络中的同一种子节点能够传播不同种类的信息；

10、将所述初始种子节点作为当前种子节点，并基于所述当前种子节点的当前状态，利用所述当前种子节点在所述目标有向社交网络中的出向边，将所述当前种子节点包含的一种或多种信息类别的信息传播到相应的邻居节点以激活所述邻居节点；

11、将所述邻居节点确定为当前种子节点，然后跳转至所述基于所述当前种子节点的当前状态的步骤，直到所述目标有向社交网络中的各种子节点均被激活，确定所述目标有向社交网络中各种子节点对应的每一种信息类别的第二影响力传播值。

12、可选的，所述目标有向社交网络中种子节点的状态包括：活跃状态、非活跃状态和确定状态；其中，所述活跃状态为所述种子节点接收到所述一种或多种信息类别的信息时的状态；所述非活跃状态为所述种子节点未收到任何信息时的状态；所述确定状态为所述种子节点选择任一种信息类别的信息并确认接收时的状态。

13、可选的，所述基于所述当前种子节点的当前状态，利用所述当前种子节点在所述目标有向社交网络中的出向边，将所述当前种子节点包含的一种或多种信息类别的信息传播到相应的邻居节点以激活所述邻居节点，包括：

14、确定所述当前种子节点的当前状态为所述活跃状态，并基于所述活跃状态，利用所述当前种子节点在所述目标有向社交网络中的出向边，将所述当前种子节点包含的一种或多种信息类别的信息传播到相应的邻居节点以激活所述邻居节点，并将所述邻居节点由所述非活跃状态变更为所述活跃状态。

15、可选的，所述基于所述当前种子节点的当前状态，利用所述当前种子节点在所述目标有向社交网络中的出向边，将所述当前种子节点包含的一种或多种信息类别的信息传播到相应的邻居节点以激活所述邻居节点之后，还包括：

16、当所述邻居节点的状态为所述活跃状态时，获取所述邻居节点变更为所述确定状态时每一种信息类别的信息对应的第一概率值；

17、相应的，将所述邻居节点确定为当前种子节点，然后跳转至所述基于所述当前种子节点的当前状态的步骤，直到所述目标有向社交网络中各种子节点均被激活，确定所述目标有向社交网络中各种子节点对应的每一种信息类别的第二影响力传播值，包括：

18、将所述邻居节点确定为当前种子节点，然后跳转至所述基于所述当前种子节点的当前状态的步骤，直到所述目标有向社交网络中各种子节点均被激活，对各所述种子节点进行统计并基于所述第一概率值确定同一种信息类别对应的第二概率值；

19、根据所述第二概率值确定所述目标有向社交网络中各种子节点对应的每一种信息类别的第二影响力传播值。

20、可选的，所述对所述有向社交网络进行网络拆分，以得到多个子网络，包括：

21、利用预设拆分规则构建节点间引力计算模型，并基于所述节点间引力计算模型对所述有向社交网络进行网络拆分，以得到多个子网络。

22、可选的，所述基于所述节点间引力计算模型对所述有向社交网络进行网络拆分，以得到多个子网络，包括：

23、利用所述节点间引力计算模型确定所述有向社交网络中任意两个种子节点之间的第一节点引力值；

24、根据所述第一节点引力值对所述有向社交网络进行网络拆分，以得到多个子网络。

25、可选的，所述确定所述有向社交网络中任意两个种子节点之间的第一节点引力值，包括：

26、获取所述有向社交网络中第一种子节点与第二种子节点，并计算所述第一种子节点与所述第二种子节点之间的余弦相似度；

27、分别计算所述第一种子节点和所述第二种子节点各自的节点信息熵，并基于所述余弦相似度与所述节点信息熵确定所述第一种子节点与所述第二种子节点之间的第二节点引力值；

28、基于所述第二节点引力值确定所述有向社交网络的引力值矩阵，以便根据所述引力值矩阵确定所述有向社交网络中任意两个节点之间的第一节点引力值。

29、可选的，所述余弦相似度的计算公式为：

30、；

31、其中，为节点 i和节点 j之间的余弦相似度，为节点 i的特征向量，为节点 j的特征向量，为节点 i的特征向量的模长，为节点 j的特征向量的模长。

32、可选的，所述节点信息熵的计算公式为：

33、；

34、其中，为节点 i的节点信息熵， n表示所述有向社交网络中的节点总数，表示节点 i发送到节点 j的概率，；表示从节点 i到节点 j的边的数量。

35、可选的，所述基于所述余弦相似度与所述节点信息熵确定所述第一种子节点与所述第二种子节点之间的第二节点引力值，包括：

36、利用确定所述第一种子节点与所述第二种子节点之间的第二节点引力值；

37、其中，为节点 i与节点 j之间的节点引力值，、、为非负参数并且；与分别表示节点 i与节点 j的信息熵，表示节点 i和节点 j之间的余弦相似度，参数。

38、可选的，所述根据所述第一节点引力值对所述有向社交网络进行网络拆分，以得到多个子网络，包括：

39、为所述有向社交网络中的每个种子节点分配一个初始标签；

40、基于所述第一节点引力值对所述初始标签进行迭代更新，以确定每个种子节点各自对应的目标标签；

41、根据所述目标标签对所述有向社交网络中的各种子节点进行聚类以得到聚类结果，并根据所述聚类结果确定多个子网络。

42、可选的，所述基于所述第一节点引力值对所述初始标签进行迭代更新，以确定每个种子节点各自对应的目标标签，包括：

43、获取第三种子节点，并根据所述第一节点引力值确定与所述第三种子节点之间的引力值最大时对应的第四种子节点；

44、将所述第三种子节点的初始标签更新为所述第四种子节点的初始标签，当各种子节点的初始标签更新完成后，得到每个种子节点各自对应的目标标签。

45、可选的，所述根据所述目标标签对所述有向社交网络中的各种子节点进行聚类以得到聚类结果，包括：

46、对所述目标标签进行统计，并确定具有相同的目标标签的第五种子节点；

47、将所述第五种子节点划分为同一子网络以得到相应的聚类结果。

48、可选的，所述根据所述预设影响力阈值与所述第一影响力传播值之间的比较结果，以及基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点，包括：

49、判断所述预设影响力阈值是否小于等于所述第一影响力传播值；

50、如果所述预设影响力阈值小于等于所述第一影响力传播值，则确定所述第一影响力传播值对应的第六种子节点，并将所述第六种子节点确定为所述目标种子节点；

51、如果所述预设影响力阈值大于所述第一影响力传播值，则基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点。

52、可选的，所述基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点，包括：

53、利用确定第七种子节点的单位代价边际收益；其中，为节点 v的单位代价边际收益，表示种子集添加节点 v之后的影响力传播值，表示种子集合的影响力传播值，表示选择节点 v需要花费的代价；

54、利用确定所述单位代价边际收益中最大时对应的第八种子节点，以便根据所述第八种子节点确定各所述信息类别对应的目标种子节点；其中，u为所述第八种子节点，ci代表子网络。

55、第二方面，本技术公开了一种消息控制装置，包括：

56、模型构建模块，用于构建多信息源影响力传播模型；

57、网络拆分模块，用于获取原始规模的有向社交网络，并对所述有向社交网络进行网络拆分，以得到多个子网络；

58、影响力传播值确定模块，用于利用所述多信息源影响力传播模型并发执行所述子网络，以确定所述子网络中各种子节点对应的每一种信息类别的第一影响力传播值；

59、种子节点获取模块，用于获取为每一个所述子网络分配的预设影响力阈值，并根据所述预设影响力阈值与所述第一影响力传播值之间的比较结果，以及基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点；

60、种子节点集合确定模块，用于根据所述目标种子节点生成使得所述有向社交网络的影响力最大化的目标种子节点集合，以便利用所述目标种子节点集合在所述有向社交网络中进行消息传播。

61、第三方面，本技术公开了一种电子设备，包括：

62、存储器，用于存储计算机程序；

63、处理器，用于加载并执行所述计算机程序以实现前述的消息控制方法。

64、第四方面，本技术公开了一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现前述消息控制方法的步骤。

65、第五方面，本技术公开了一种计算机可读存储介质，用于存储计算机程序；其中所述计算机程序被处理器执行时实现前述消息控制方法。

66、本技术提供了一种消息控制方法，包括：构建多信息源影响力传播模型；获取原始规模的有向社交网络，并对所述有向社交网络进行网络拆分，以得到多个子网络；利用所述多信息源影响力传播模型并发执行所述子网络，以确定所述子网络中各种子节点对应的每一种信息类别的第一影响力传播值；获取为每一个所述子网络分配的预设影响力阈值，并根据所述预设影响力阈值与所述第一影响力传播值之间的比较结果，以及基于预定义的单位代价边际收益计算规则，确定各所述信息类别对应的目标种子节点；根据所述目标种子节点生成使得所述有向社交网络的影响力最大化的目标种子节点集合，以便利用所述目标种子节点集合在所述有向社交网络中进行消息传播。

67、本技术的有益技术效果为：首先区别于传统的仅基于单信息源在社交网络中的传播方式，构建了一种面向多信息源的影响力传播模型，以刻画真实网络场景下影响力传播的方式。其次，将原始规模的较大型有向社交网络按照一定规则能够拆分成若干个规模较小的子网络。由于拆分后的子网络之间相互独立，因此可以利用多信息源影响力传播模型并发同步执行子网络，以确定每一种信息类别的影响力传播值，从而提升算法并行性，缩短算法执行周期。另外，基于预定义的单位代价边际收益计算规则，针对包含多种信息源的种子节点可以进行并行筛选，进而确定各信息类别对应的目标种子节点，克服了传统启发式方法的不确定性与无效性。并且，由于后续操作均发生在小规模的子网络，而不是原始大规模网络，因而可以减少计算复杂性。最后，通过确定的目标种子节点生成使得有向社交网络的影响力最大化的目标种子节点集合，实现消息控制的策略输出。也即，通过目标种子节点集合在有向社交网络中进行信息传输，实现有向社交网络的影响力最大化。综上所述，本发明有效降低了计算开销，减少响应时长，从而提升消息控制效果。

68、此外，本技术提供的一种消息控制装置、设备、程序产品及介质，与上述消息控制方法对应，效果同上。