申请/专利权人：湖南蚁坊软件股份有限公司

申请日：2023-04-04

公开（公告）日：2023-06-30

公开（公告）号：CN116150507B

主分类号：G06F16/9536

分类号：G06F16/9536;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2023.06.30#授权;2023.06.09#实质审查的生效;2023.05.23#公开

摘要：本发明提供一种水军群体识别方法、装置、设备及介质，该方法包括以下步骤：步骤一：基于社交网络事件，分析两两用户对是否在极短时间间隔内转发相同的文章源，如上述行为的发生次数达到预设阈值，则用户对之间存在协同转发关系，提取社交网络事件中所有用户对的协同转发关系，构建全局协同关系网络；步骤二：基于全局协同关系网络，对一阶直接邻近相似度和邻域相似度进行加权融合，以得到节点综合相似度；步骤三：基于节点综合相似度，使用层次划分方法对协同关系网络进行群体划分，获得参与社交网络事件的各水军群体。本发明方法能精准挖掘在社交网络事件中进行协同转发、刻意放大话题影响的水军群体，洞察水军群体的组织性行为及作战模式。

主权项：1.一种基于社交网络协同转发行为的水军群体识别方法，其特征在于，包括以下步骤：步骤一：基于社交网络事件，分析两两用户对是否在极短时间间隔内转发相同的文章源，如上述行为的发生次数达到预设阈值，则用户对之间存在协同转发关系，提取社交网络事件中所有用户对的协同转发关系，构建全局协同关系网络；步骤二：基于全局协同关系网络，对一阶直接邻近相似度和邻域相似度进行加权融合，以得到节点综合相似度；步骤三：基于节点综合相似度，使用层次划分方法对协同关系网络进行群体划分，获得参与社交网络事件的各水军群体；步骤二包括如下步骤：S21：构建协同关系网络后，定义的邻接矩阵为，计算度矩阵： ；计算协同关系网络的拉普拉斯矩阵： ；将拉普拉斯矩阵进行归一化： ；依据谱定理，对归一化拉普拉斯矩阵进行特征值分解： ；其中，为特征值组成的对角矩阵，为特征向量矩阵；将特征值数值按照升序排序，提取前个特征值，并计算前个特征值对应的特征向量，将个特征向量组成矩阵： ；其中，为用户节点的个数，为向量的维度；的每一行代表一个用户节点的维表示向量；对于，令、分别表示的第、行向量，、分别表示用户节点、的第个维度表示，用户节点和的一阶直接邻近相似度计算公式为： ；S22：采用改进的邻域相似度计算公式：；其中，、分别表示用户节点、的邻居节点数量；表示用户节点和用户节点的共同邻居数量；表示在节点、节点及共同邻居形成的子网络中，连边的实际数目；，表示在上述子网络中，网络节点的总数，表示在上述子网络中，理论上形成的最大连边数目；表示在上述子网络中，得到的网络密度数值；S23：分别对、进行最大值标准化，对标准化后的数值加权融合，得到节点的综合相似度，综合相似度计算公式为： ；其中，表示权重值，取值范围为0-1之间；为的最大值；为的最大值。

全文数据：

权利要求：

百度查询： 湖南蚁坊软件股份有限公司 水军群体识别方法、装置、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD