本發(fā)明涉及互聯(lián)網(wǎng)社交領(lǐng)域，尤其涉及一種社交網(wǎng)絡(luò)排名方法。

背景技術(shù)：

在互聯(lián)網(wǎng)領(lǐng)域中，基于用戶的瀏覽習(xí)慣，給特定的內(nèi)容排名是非常普遍的技術(shù)方法。谷歌公司在其專利us6285999中公開了所謂的pagerank算法用于推導(dǎo)和度量網(wǎng)頁的質(zhì)量和重要性。pagerank算法是一個(gè)鏈接分析算法，這個(gè)算法分配一個(gè)數(shù)值加權(quán)到超鏈接的文檔集，如互聯(lián)網(wǎng)，用于計(jì)算這個(gè)文檔集內(nèi)各個(gè)文檔的相對重要性。

當(dāng)使用pagerank算法對互聯(lián)網(wǎng)上的內(nèi)容進(jìn)行排名時(shí)，pagerank算法不可避免地不能夠準(zhǔn)確、完全地適用于社交網(wǎng)絡(luò)，因此，美國專利us9311620公開了一種用于社交網(wǎng)絡(luò)的排名算法，這個(gè)排名算法監(jiān)控社交網(wǎng)絡(luò)用戶的行動(dòng)以及至少兩個(gè)社交網(wǎng)絡(luò)用戶之間的互動(dòng)，確定基于所述行動(dòng)的結(jié)果的質(zhì)量和社交網(wǎng)絡(luò)的用戶的內(nèi)容的重要性。但是這個(gè)算法以單一的粉絲關(guān)系為影響力評估的基礎(chǔ)，對社交網(wǎng)絡(luò)用戶進(jìn)行排名，過于簡單化。實(shí)際的社交網(wǎng)絡(luò)中存在著錯(cuò)綜復(fù)雜的人到內(nèi)容、內(nèi)容到內(nèi)容、內(nèi)容到人等通過各種不同的互動(dòng)手段進(jìn)行的關(guān)聯(lián)。

因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種社交網(wǎng)絡(luò)排名方法，充分利用社交網(wǎng)絡(luò)中每個(gè)賬號及其內(nèi)容的各種屬性，更準(zhǔn)確地評價(jià)賬號的權(quán)重。

技術(shù)實(shí)現(xiàn)要素：

有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是如何改進(jìn)社交網(wǎng)絡(luò)的排名算法，如何更準(zhǔn)確地評價(jià)社交賬號的權(quán)重。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種社交網(wǎng)絡(luò)排名方法，包括以下步驟：

步驟1、在社交平臺(tái)上創(chuàng)建社交賬號，給每個(gè)所述社交賬號分配一個(gè)主題，根據(jù)所屬主題類別，建立社交賬號之間的關(guān)系樹；

步驟2、在所述社交平臺(tái)上搜索所述主題的關(guān)鍵詞來獲取關(guān)聯(lián)賬號，使用爬蟲抓取所述關(guān)聯(lián)賬號的附屬信息；

步驟3、平滑處理所述關(guān)聯(lián)賬號的所述附屬信息，以百分制標(biāo)準(zhǔn)化處理針對每一種所述附屬信息的內(nèi)部排名；

步驟4、針對不同指數(shù)，設(shè)置附屬信息的類別以及每一種所述附屬信息的權(quán)重；

步驟5、在不同指數(shù)下，計(jì)算每個(gè)所述關(guān)聯(lián)賬號的總權(quán)重，根據(jù)所述總權(quán)重對所述關(guān)聯(lián)賬號進(jìn)行排名；

步驟6、針對不同所述指數(shù)下排名靠前的關(guān)聯(lián)賬號，讓所述社交賬號和所述關(guān)聯(lián)賬號之間互動(dòng)；

步驟7、根據(jù)所述社交賬號在所述互動(dòng)后的所述附屬信息的增長情況，動(dòng)態(tài)調(diào)整所述步驟4中的所述附屬信息的種類和權(quán)重。

進(jìn)一步地，在步驟1中，所述關(guān)系樹指多個(gè)社交賬號屬于同一大的主題構(gòu)成的父子關(guān)系，這些賬號又分別屬于這一大主題下的細(xì)分主題構(gòu)成兄弟關(guān)系。

進(jìn)一步地，在步驟2中，所述附屬信息包括粉絲數(shù)、發(fā)帖數(shù)、轉(zhuǎn)發(fā)數(shù)、獲得贊的數(shù)量、被提到的次數(shù)以及帶有所述主題標(biāo)簽的次數(shù)。

進(jìn)一步地，在步驟2中，根據(jù)不同社交平臺(tái)以及平臺(tái)發(fā)展時(shí)段來增減或者改變所述附屬信息的種類。

進(jìn)一步地，在步驟2中，所述關(guān)聯(lián)賬號的關(guān)聯(lián)包括人與人的關(guān)聯(lián)、人和內(nèi)容的關(guān)聯(lián)以及內(nèi)容和內(nèi)容之間的關(guān)聯(lián)。

進(jìn)一步地，在步驟3中，所述平滑處理為取對數(shù)。

進(jìn)一步地，在步驟4中，每一種所述附屬信息的權(quán)重之和為1。

進(jìn)一步地，在步驟5中，所述指數(shù)包括不同種類但相關(guān)的所述附屬信息。

進(jìn)一步地，在步驟6中，所述互動(dòng)包括“@”、關(guān)注、轉(zhuǎn)發(fā)和私信。

進(jìn)一步地，在步驟7中，所述動(dòng)態(tài)調(diào)整包括增加、刪除以及重新設(shè)置權(quán)重。

和現(xiàn)有的專利技術(shù)相比，本發(fā)明所述的技術(shù)方案對社交網(wǎng)絡(luò)中的賬號和內(nèi)容等相關(guān)元素做了更準(zhǔn)確的評價(jià)，從而為優(yōu)化社交互動(dòng)和媒體傳播提供有效的策略支持；顯著地降低了媒體傳播成本，實(shí)際應(yīng)用中本技術(shù)以零廣告營銷成本獲取了千萬級別的粉絲用戶；本發(fā)明所述的技術(shù)方案的參數(shù)和模型是根據(jù)大量的社交網(wǎng)絡(luò)互動(dòng)試驗(yàn)，不斷訓(xùn)練優(yōu)化出來的，不是一個(gè)靜態(tài)的模型。本發(fā)明所述的技術(shù)方案基于準(zhǔn)確的權(quán)重評價(jià)，預(yù)測各種社交互動(dòng)行為可能產(chǎn)生的效果，從而優(yōu)化社交和媒體傳播策略，降低用戶獲取成本。本發(fā)明所述的技術(shù)方案根據(jù)社交互動(dòng)行為實(shí)際產(chǎn)生的結(jié)果，借鑒神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)方法，動(dòng)態(tài)調(diào)整評價(jià)帳號權(quán)重方法中的變量和參數(shù)。

以下將結(jié)合附圖對本發(fā)明的構(gòu)思、具體結(jié)構(gòu)及產(chǎn)生的技術(shù)效果作進(jìn)一步說明，以充分地了解本發(fā)明的目的、特征和效果。

附圖說明

圖1是本發(fā)明的一個(gè)較佳實(shí)施例的方法流程圖。

具體實(shí)施方式

本發(fā)明所述的一種社交網(wǎng)絡(luò)排名的方法，如圖1所示，包括以下步驟：

第一步，批量創(chuàng)建幾千個(gè)社交媒體賬號，每個(gè)賬號專注一個(gè)細(xì)分主題。所有微博賬號一起可以涵蓋廣泛的主題。用系統(tǒng)化的辦法去盡可能尋找有人氣的主題。建立好主題和主題之間的關(guān)系。所有幾千主題在一起形成一個(gè)龐大的網(wǎng)絡(luò)，他們存在著父子、兄弟等各種關(guān)系。這些帳號共同構(gòu)成一個(gè)廣大的帳號池。

第二步，對于每個(gè)主題，首先在社交平臺(tái)上搜索對應(yīng)主題關(guān)鍵字，用網(wǎng)絡(luò)爬蟲爬取結(jié)果中帳號的各類信息，包括粉絲數(shù)量f(follower)，發(fā)帖數(shù)量c(content)，帖子被轉(zhuǎn)發(fā)數(shù)量r(repost)，獲得贊的次數(shù)l(like)，被提到的次數(shù)m(mention),發(fā)帖帶有主題標(biāo)簽的次數(shù)t(tag)，v＝{f,c,r,l,m,t}表示這些輸入變量的集和，這個(gè)集合中的變量根據(jù)不同社交平臺(tái)以及平臺(tái)發(fā)展時(shí)段來增減或者改變。

第三步，針對每一種變量首先進(jìn)行對數(shù)化lg(x)，這樣平滑化處理可以避免單一變量差異太大而導(dǎo)致其他變量失效，然后對每一種變量內(nèi)部進(jìn)行排名，以百分制標(biāo)準(zhǔn)化處理，s＝{sf,sc,sr,sl,sm,st}表示標(biāo)準(zhǔn)化的結(jié)果。

第四步，w＝{wf,wc,wr,wl,wm,wt}表示對應(yīng)輸入變量的權(quán)重，需滿足wf+wc+wr+wl+wm+wt＝1，其初始值可以根據(jù)經(jīng)驗(yàn)設(shè)定，在隨后的調(diào)參的過程中不斷地動(dòng)態(tài)調(diào)整優(yōu)化這些參數(shù)。

第五步，t＝f*wf+c*wc+r*wr+l*wl+m*wm+t*wt表示該帳號總的權(quán)重，評價(jià)一個(gè)帳號的權(quán)重可以從不同角度進(jìn)行，比如帳號的影響力指數(shù)，興趣指數(shù)等，不同指數(shù)各個(gè)變量的權(quán)重會(huì)有很大的不同，如影響力指數(shù)看重的粉絲數(shù)量f，轉(zhuǎn)發(fā)次數(shù)r，點(diǎn)贊次數(shù)l，而興趣指數(shù)則更看重發(fā)帖數(shù)量c，帶有主題標(biāo)簽次數(shù)t。根據(jù)不同的指數(shù)，我們采取剔除某些與該指數(shù)不相關(guān)或者相關(guān)度低的參數(shù)，設(shè)定與指數(shù)相關(guān)度高的變量最小值等方法來計(jì)算不同指數(shù)下的權(quán)重排名。

第六步，針對不同指數(shù)排名下前n個(gè)帳號，我們利用第一步建立的帳號池中與主題對應(yīng)的帳號采取不同的互動(dòng)策略。比如影響力指數(shù)高的帳號一般是名人明星，我們可以轉(zhuǎn)發(fā)并‘@’這些帳號，引起這些帳號的關(guān)注，將來可能獲得這些帳號的轉(zhuǎn)發(fā)或者‘@’來獲得大量的粉絲。而對于興趣指數(shù)比較高的帳號，我們可以直接加關(guān)注并發(fā)送一條共同關(guān)注內(nèi)容的私信來直接獲取對方的關(guān)注。

第七步，采取這些互動(dòng)策略之后，過一段時(shí)間來檢驗(yàn)我們帳號粉絲數(shù)量增長速度，以粉絲增長速度作為輸出來對第四步進(jìn)行反饋，動(dòng)態(tài)調(diào)整第四步的參數(shù)，然后循環(huán)第四步到第七步，不斷地對參數(shù)進(jìn)行調(diào)整優(yōu)化。

實(shí)際應(yīng)用中，本技術(shù)以零廣告營銷成本，成功地為3000多個(gè)twitter主題賬號在不到兩年的時(shí)間內(nèi)發(fā)展了累計(jì)超過1200萬粉絲。

以上詳細(xì)描述了本發(fā)明的較佳具體實(shí)施例。應(yīng)當(dāng)理解，本領(lǐng)域的普通技術(shù)無需創(chuàng)造性勞動(dòng)就可以根據(jù)本發(fā)明的構(gòu)思作出諸多修改和變化。因此，凡本技術(shù)領(lǐng)域中技術(shù)人員依本發(fā)明的構(gòu)思在現(xiàn)有技術(shù)的基礎(chǔ)上通過邏輯分析、推理或者有限的實(shí)驗(yàn)可以得到的技術(shù)方案，皆應(yīng)在由權(quán)利要求書所確定的保護(hù)范圍內(nèi)。