本發(fā)明涉及網(wǎng)絡(luò)空間大數(shù)據(jù)信息服務(wù)技術(shù)領(lǐng)域，尤其是涉及一種微博群組間具有全局最小代價的信息傳播路徑生成方法。
背景技術(shù)：
進入web2.0時代，以微博為主的社交網(wǎng)絡(luò)系統(tǒng)的崛起為人們提供了高度自由分析信息和交流觀點的重要平臺。借助基于用戶微博關(guān)系的信息分享、傳播以及獲取技術(shù)，可以使用戶通過web、wap以及各種客戶端組建不同的社區(qū)，從而較之傳統(tǒng)的平面媒體、網(wǎng)絡(luò)媒體等，獲得更大程度和規(guī)模的信息，同時產(chǎn)生更為豐富的互動交流體驗，增進用戶的實際使用感受。正是憑借這種社交關(guān)系產(chǎn)生的特有的裂變式信息傳播分享模式，微博迅速席卷網(wǎng)絡(luò)，從政府、名人、明星，到普通民眾，已經(jīng)成為特有用戶群體的網(wǎng)絡(luò)匯集重要平臺。
近年來，群組模式被廣泛引入微博等社交網(wǎng)絡(luò)平臺中，群組模式的出發(fā)點是基于某種緊密的關(guān)系將不同用戶組合在一個社區(qū)中，從而把用戶從相對封閉的好友關(guān)系疏導(dǎo)至群組，并創(chuàng)建一種新的更開放的社交關(guān)系，實現(xiàn)信息的傳播和分享。在微博平臺中，將源群組中的一些重要信息在第一時間里面以最小的時間代價來完成處理、加工、數(shù)據(jù)傳輸?shù)刃袨?，并傳播到目?biāo)群組中，讓目標(biāo)群組中的每個用戶都能及時了解到這些重要信息，是近些年學(xué)術(shù)界和工業(yè)界的一個研究熱點和重點，目前已廣泛應(yīng)用于輿情監(jiān)控、數(shù)據(jù)可視化、電子商務(wù)、智能交通以及醫(yī)療健康等領(lǐng)域。
然而，根據(jù)深入的調(diào)研和分析，我們發(fā)現(xiàn)現(xiàn)有微博群組間具有全局最小代價的信息傳播路徑生成方法在模型準(zhǔn)確性、模型可理解性以及處理效率方面均存在缺陷。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種準(zhǔn)確度高、處理速度快且可擴展性強的微博群組間具有全局最小代價的信息傳播路徑生成方法，工作流程如圖1所示。
本發(fā)明主要由路徑代價建模、初始路徑生成和路徑深度優(yōu)化三個步驟完成。
步驟1(路徑代價建模)：
以微博平臺中的源群組和目標(biāo)群組為輸入，首先構(gòu)造源群組到目標(biāo)群組的信息傳播過程模型，
然后對源群組到目標(biāo)群組一條可行的信息傳播路徑進行形式化表示，最后構(gòu)造信息傳播路徑的時間代價模型。
步驟2(初始路徑生成)：以步驟1中構(gòu)造的信息傳播過程模型為輸入，產(chǎn)生具有局部最小代價的信息傳播路徑。
步驟3(路徑深度優(yōu)化)：以步驟1中構(gòu)造的信息傳播路徑的時間代價模型和步驟2中所生成的具有局部最小代價的信息傳播路徑為輸入，基于遺傳算法，通過兩點交叉和兩點變異兩個操作算子對具有局部最小代價的信息傳播路徑進行迭代優(yōu)化，并最終輸出群組間具有全局最小代價的信息傳播路徑。
本發(fā)明具有以下優(yōu)點：
1、本發(fā)明能夠在多項式時間復(fù)雜度內(nèi)生成具有全局最小代價的群組間信息傳播路徑，從而具有較高的處理效率和較短的用戶響應(yīng)時間。
2、本發(fā)明基于遺傳算法中交叉和變異兩個操作算子的迭代優(yōu)化來實施群組間具有全局最小代價信息傳播路徑的生成，從而克服了陷入局部最優(yōu)解的問題，因此具有較高的準(zhǔn)確度。
3、本發(fā)明主要由3個算法步驟組成，每個步驟的實施過程簡單、容易實現(xiàn)，同時不受具體開發(fā)工具和編程軟件的限制，并且能夠快速擴展到分布式和并行化的開發(fā)環(huán)境中。
附圖說明
圖1本發(fā)明的工作流程圖
具體實施方式
在步驟1中，本發(fā)明通過兩個步驟來構(gòu)造源群組gs到目標(biāo)群組gg的信息傳播過程模型：
步驟1.1：首先構(gòu)造信息傳播過程模型
步驟1.1.1：獲取gs和gg之間可信度最高的2個群組g1和g2。對于某一個具體群組g，使用下列公式來獲取它的可信度c[g]：
c[g]＝ln∑u∈ger(u)+b(u)，
其中l(wèi)n為自然對數(shù)，e為自然對數(shù)的底數(shù)，r(u)為用戶u在微博中的客觀信譽度，b(u)為gs和gg對用戶u的平均主觀信任度，表示為：
其中b(su,u)為gs中用戶su對u的主觀信任度，b(gu,u)為gg中用戶gu對u的主觀信任度，|gs|和|gg|分別表示gs和gg中用戶的數(shù)量。
步驟1.1.2：將gs、gg、g1和g2四個群組組成一個加權(quán)有向圖l＝(n,e,w)，其中：
1)n為l的頂點(用戶)集合，n＝gs∪g1∪g2∪gg；
2)e為l的有向邊集合，e由三個子集e1、e2和eg組成，即e＝e1∪e2∪eg，e1＝{<u1→u2>|u2∈g1∧u1∈gs∧u2能夠在微博平臺中直接接收u1傳播的信息}，e2＝{<u1→u2>|u2∈g2∧u1∈gs∪g1∧u2能夠在微博平臺中直接接收u1傳播的信息}，eg＝{<u1→u2>|u2∈gg∧u1∈gs∪g1∪g2∧u2能夠在微博平臺中直接接收u1傳播的信息}；
3)w為l的權(quán)重映射函數(shù)，對于每一個用戶u∈gs∪g1∪g2，w(u)取值為u處理所接收信息的cpu和i/o時間代價，而對于每條有向邊<u1→u2>∈e，w(<u1→u2>)取值為用戶u1上的信息傳播給用戶u2的通訊時間代價。
經(jīng)過步驟1.1.1和1.1.2得到的加權(quán)有向圖l即為源群組gs到目標(biāo)群組gg的信息傳播過程模型l。
步驟1.2，構(gòu)造信息傳播路徑的時間代價模型
基于信息傳播過程模型l，本發(fā)明將源群組gs到目標(biāo)群組gg一條可行的信息傳播路徑定義為l的一個子圖sl＝(sn,se,sw)，同時滿足如下4個條件：
1)頂點集合sn中必須包含gg中的所有用戶，即
2)對于gg中的每一個用戶gu，有向邊集合se中均有一條且僅有一條有向邊指向gu，即gu的入度必須為1；
3)對于sn-gg中每個的用戶u，如果u是gs中的用戶，那么u的出度必須大于0，如果u是g1∪g2中的用戶，那么u的出度和入度均必須大于0；
4)sw為sl的權(quán)重映射函數(shù)，且和l中的權(quán)重映射函數(shù)w相同。
最后，信息傳播路徑sl＝(sn,se,sw)的時間代價模型f(sl)表示為：
在步驟2中，本發(fā)明獲取源群組gs到目標(biāo)群組gg具有局部最小代價的信息傳播路徑，具體實施步驟如下：
步驟2.1：基于步驟1中的加權(quán)有向圖l＝(n,e,w)，刪除l中的所有有向邊，從而得到一個新的加權(quán)有向圖l’＝(n,e’,w)，其中
步驟2.2：對于gg中的每個用戶gu，執(zhí)行下列操作：在加權(quán)有向圖l上獲取sn-gg中的用戶mu，使得w(mu)+w(<mu→gu>)的取值最小，并在e’中增加一條有向邊<mu→gu>，然后，判斷mu屬于gs、g1和g2中的哪一個群組：
2.2.1)如果mu是gs中的用戶，那么結(jié)束對gu的操作；
2.2.2)如果mu是g1中的用戶，那么在l上獲取gs中的用戶su，使得w(su)+w(<su→mu>)的取值最小，然后在e’中增加一條有向邊<su→mu>；
2.2.3)如果mu是g2中的用戶，那么在l上獲取gs∪g1中的用戶tu，使得w(tu)+w(<tu→mu>)的取值最小，并在e’中增加一條有向邊<tu→mu>，然后，判斷tu屬于gs和g1中的哪一個群組：
2.2.3.1)如果tu是gs中的用戶，那么結(jié)束對gu的操作；
2.2.3.2)如果tu是g1中的用戶，那么在l上獲取gs中的用戶su，使得w(su)+w(<su→tu>)的取值最小，然后在e’中增加一條有向邊<su→tu>。
步驟2.3：刪除l’中入度和出度均為0的頂點，得到新的頂點集合n’。
經(jīng)過上述步驟21-23，步驟2最終產(chǎn)生的加權(quán)有向圖l’＝(n’,e’,w)即為所要獲取的具有局部最小代價的信息傳播路徑。
在步驟3中，本發(fā)明迭代優(yōu)化步驟2中產(chǎn)生的信息傳播路徑l’＝(n’,e’,w)，具體實施步驟如下：
步驟3.1：基于步驟1中的時間代價模型，計算l’的時間代價：
步驟3.2：對于n’-gg中的每個用戶u，生成一個長度為|gg|的位串v(u)，初始化所有位為0，然后，對于gg中的每個用戶gu，檢查e’中是否包含有向邊<u→gu>，如果包含，那么將gu在v(u)中對應(yīng)的位設(shè)置為1。當(dāng)n’-gg中所有用戶處理完畢之后，將它們的位串組成一個集合vs。
步驟3.3：迭代執(zhí)行步驟3.4-3.9，迭代次數(shù)為2000。
步驟3.4：對位串集合vs執(zhí)行兩點交叉操作，處理過程如下：
步驟3.4.1：在vs中隨機挑選出半數(shù)的位串，構(gòu)成集合ts，如果ts中包含奇數(shù)個位串，那么再增加一個位串進ts中，并且將vs中剩下的位串構(gòu)成集合is；
步驟3.4.2：依次處理ts中的每對位串v(u1)和v(u2)：首先隨機產(chǎn)生兩個選擇點s1和s2，接著，在集合is中獲取滿足如下條件的第一對位串v(u3)和v(u4)：v(u1)[s1,s2]∨v(u2)[s1,s2]＝v(u3)[s1,s2]∨v(u4)[s1,s2]，其中v(ui)[s1,s2](1≤i≤4)表示位串v(ui)在選擇點s1和s2之間的子串，然后，在v(u1)和v(u3)之間交換v(u1)[s1,s2]和v(u3)[s1,s2]，同時，在v(u2)和v(u4)之間交換v(u2)[s1,s2]和v(u4)[s1,s2]；
步驟3.4.3：基于ts∪is中的位串構(gòu)造加權(quán)有向圖il＝(in,ie,w)，實施過程如下：
步驟3.4.3.1：初始化in和ie為空集；
步驟3.4.3.2：將ts∪is中位串不全為0的所有用戶添加到in中，并將gg中的用戶添加到in中；
步驟3.4.3.3：初始化三個集合ns、n1和n2為空集，并針對in-gg中的每個用戶u，判斷u的歸屬，如果u是gs中的用戶，那么將u添加進ns中，如果u是g1中的用戶，那么將u添加進n1中，如果u是g2中的用戶，那么將u添加進n2中；
步驟3.4.3.4：對于n2中的每個用戶u，獲取它對應(yīng)的位串v(u)，然后對于v(u)中每個為1的位，獲取它在gg中對應(yīng)的用戶gu，然后在ie增加一條有向邊<u→gu>；
步驟3.4.3.5：對于n1中的每個用戶u，獲取它對應(yīng)的位串v(u)，然后對于v(u)中每個為1的位，獲取它在gg中對應(yīng)的用戶gu，并做如下檢測：
如果gu在當(dāng)前加權(quán)有向圖il中的入度為0，那么在ie增加一條有向邊<u→gu>，否則在il中獲取n2里面指向gu的用戶tu，然后在ie增加一條有向邊<u→tu>；
步驟3.4.3.6：對于ns中的每個用戶u，獲取它對應(yīng)的位串v(u)，然后對于v(u)中每個為1的位，獲取它在gg中對應(yīng)的用戶gu，并做如下檢測：
如果gu在當(dāng)前加權(quán)有向圖il中的入度為0，那么在ie增加一條有向邊<u→gu>，否則在il中獲取n2里面指向gu的用戶tu，并做進一步檢測：
如果tu在當(dāng)前加權(quán)有向圖il中的入度為0，那么在ie增加一條有向邊<u→tu>，否則在il中獲取n1里面指向tu的用戶fu，然后在ie增加一條有向邊<u→fu>；
步驟3.5：基于步驟1中的時間代價模型，計算il的時間代價：
步驟3.6：比較f(il)與f(l’)取值的大小，如果f(il)<f(l’)，那么將集合vs替換成集合ts∪is、將加權(quán)有向圖l’替換成il并且將f(l’)替換成f(il)，即vs＝ts∪is、l’＝il以及f(l’)＝f(il)。
步驟3.7：對位串集合vs執(zhí)行兩點變異操作，處理過程如下：
步驟3.7.1：在vs中隨機挑選出半數(shù)的位串，構(gòu)成集合ms，并且將vs中剩下的位串構(gòu)成集合hs；
步驟3.7.2：依次處理ms中的每個位串v(u)：首先隨機產(chǎn)生兩個選擇點s1和s2，然后對于子串v(u1)[s1,s2]中的每個位v(u1)[j](s1≤j≤s2)，做如下檢測：
如果v(u1)[j]＝0，那么將v(u1)[j]置為1，接著在集合hs中獲取第一個第j位為1的位串v(u2)，并將v(u2)[j]置為0，反之，如果v(u1)[j]＝1，那么將v(u1)[j]置為0，接著在集合hs中獲取第一個第j位為0的位串v(u2)，并將v(u2)[j]置為1；
步驟3.7.3：使用與步驟3.4.3相同的實施方式，基于ms∪hs中的位串構(gòu)造加權(quán)有向圖ql＝(qn,qe,w)；
步驟3.8：基于步驟1中的時間代價模型，計算ql的時間代價：
步驟3.9：比較f(ql)與f(l’)取值的大小，如果f(ql)<f(l’)，那么將集合vs替換成集合ms∪hs、將加權(quán)有向圖l’替換成ql并且將f(l’)替換成f(ql)，即vs＝ms∪hs、l’＝ql以及f(l’)＝f(ql)。
步驟3.10：將具有全局最小代價的信息傳播路徑l’＝(n’,e’,w)輸出給用戶。