买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜一网互通(北京)科技有限公司申请的专利基于互动行为的社交传播路径识别方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119226907B 。

龙图腾网通过国家知识产权局官网在2025-03-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411718007.7，技术领域涉及：G06F18/2411；该发明授权基于互动行为的社交传播路径识别方法及装置是由彭浩;寇振芳;李蕾;苗宇;纪啸峥设计研发完成，并于2024-11-28向国家知识产权局提交的专利申请。

本基于互动行为的社交传播路径识别方法及装置在说明书摘要公布了：本发明实施例中提供了一种基于互动行为的社交传播路径识别方法、装置及电子设备，属于数据处理技术领域，该方法包括：通过多个社交媒体平台API接口采集用户的互动行为数据，并对互动行为进行数据清洗和标准化处理；基于用户互动行为数据构建信息传播网络，通过接触面权重计算函数计算网络中每个接触面的权重；基于所述接触面和接触面的权重，构建传播特征向量，基于传播特征向量以及路径计算函数Fl识别并分类信息传播路径Ts；通过跨平台传播路径特征向量G分析各社交媒体平台的传播速度和关键节点，评估不同社交平台在信息扩散过程中的贡献值。本发明能够提升传播路径识别的准确性与实时性，同时具备跨平台传播路径识别的能力。

本发明授权基于互动行为的社交传播路径识别方法及装置在权利要求书中公布了：1.一种基于互动行为的社交传播路径识别方法，其特征在于，包括：通过多个社交媒体平台API接口采集用户的互动行为数据，并对互动行为进行数据清洗和标准化处理，所述互动行为数据包括用户ID、内容ID、互动类型和时间戳；基于用户互动行为数据构建信息传播网络，所述传播网络包括节点和接触面，通过接触面权重计算函数计算网络中每个接触面的权重；基于所述接触面和接触面的权重，构建传播特征向量Vs=[Lc,Ss,Dc,Iy,Ah,Hc]，基于传播特征向量以及路径计算函数Fl识别并分类信息传播路径Ts，Lc表示传播路径长度、Ss表示传播速度、Dc表示传播层次、Iy表示节点社交影响力，Ah表示节点活跃度，Hc表示互动行为频次；当新产生的用户互动行为数据超过预设值θ时，更新传播特征向量为Vsd，并基于更新后的传播特征向量Vsd计算更新后的信息传播路径Tsd；分析同一用户在多个不同社交媒体平台的信息传播轨迹，形成跨平台传播路径特征向量G=[Ts,Tsd]，通过跨平台传播路径特征向量G分析各社交媒体平台的传播速度和关键节点，评估不同社交平台在信息扩散过程中的贡献值；其中所述基于所述接触面和接触面的权重，构建传播特征向量Vs=[Lc,Ss,Dc,Iy,Ah,Hc]，基于传播特征向量以及路径计算函数Fl识别并分类信息传播路径Ts，包括：计算从信息源节点到目标节点的最短路径长度，得到传播路径长度Lc： Ps,t是从源节点s到目标节点t的所有路径集合，p是传播路径，u,v是路径p上的一条接触面，u,v是接触面u,v的权重，λ是调节参数，用于平衡接触面权重和节点度的影响，degreeu是节点u的度，表示连接到节点u的接触面数；基于信息从源节点传播到目标节点的时间间隔，计算传播速度Ss： p是从源节点s到目标节点t的最短路径，timestampv是节点v的时间戳，μ是调节参数，用于控制接触面权重对传播速度的影响；计算信息从源节点传播到目标节点经过的层数，得到传播层次Dc： p是从源节点s到目标节点t的最短路径，levelv是节点v的层次编号，η是调节参数，用于平衡层次差和节点度的影响；计算节点社交影响力Iy： w1,w2,w3是权重参数，flri是节点i的关注用户数，itfi是节点i的互动频次，hsdi是节点i的历史传播记录，δ是调节参数，ctti是节点i的中心性。计算节点活跃度Ah： w4,w5,w6是权重参数，itfi是节点i的互动频次，itdi是节点i的互动深度，atdi是节点i的活跃持续时间；基于用户在传播路径上执行互动行为的频率，计算互动行为频次Hc： f转发i,j是用户i对用户j内容的转发频率，f评论i,j是用户i对用户j内容的评论频率，f点赞i,j是用户i对用户j内容的点赞频率，ρ是调节参数，stsi,j是用户i对用户j内容的情感得分；将计算得到的各项特征组合成特征向量Vs=[Lc,Ss,Dc,Iy,Ah,Hc]；构建包含第一层模型和第二层模型的训练模型，使用堆叠方法将多个基础模型的输出作为新的特征，输入到一个元模型中进行最终分类，第一层元模型表示为： PRF、PSVM和PXGB分别代表随机森林、支持向量机和XGBoost模型的预测结果，FRF、FSVM和FXGB分别代表随机森林、支持向量机和XGBoost模型；第二层元模型表示为： Vm是元特征向量，Fmeta是元模型，LR是二分类函数；使用基础模型的预测结果PRF,PSVM,PXGB作为新的元特征向量Vm，训练元模型FMeta，使用元模型对基础模型的预测结果进行最终分类Ts：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人一网互通(北京)科技有限公司，其通讯地址为：100085 北京市海淀区中关村大街18号11层1121-20；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。