基于用户行为特征的融媒体传播信息转发模型.pdf

Microcomputer Applications Vol.39,No.9,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 9-0 0 57-0 3基金项目基于用户行为特征的融媒体传播信息转发模型微型电脑应用2 0 2 3年第39 卷第9 期曹奕萱，贾海楠，张卫强（西北大学现代学院，电影学院，陕西，西安7 10 0 0 0）摘要：为了便于对融媒体传播信息进行计算和统计分析，提出基于用户行为特征的融媒体传播信息转发模型。根据用户期望完成任务时间和任务建立概率分布，计算传播资源分配因子，并利用四象限法则分析用户的行为特征，获取用户自身属性、用户与用户间关系属性、融媒体属性的增益率。删除对类标记属性没有影响的属性，并构建二分类逻辑回归方程。如果方程数值结果超出转发阈值，说明转发成功。实验结果证明了该模型的有效性。关键词：用户行为特征；融媒体传播；信息转发模型；转发阅值中图分类号：TP399Abstract:In order to facilitate the calculation and statistical analysis of the communication information of fusion media,a for-warding model of media communication based on the characteristics of user behavior is proposed.According to the expectedtask completion time and the probability distribution of task submission,the propagation resource allocation factor is calculat-ed,and the user behavior characteristics are analyzed by the four-quadrant rule to obtain the gain rate of users own attribute,users relationship with user and integration media attribute.The attributes that have no effect on the class tag are deleted,anda binary logistic regression equation is constructed.If the numerical result of the equation exceeds the forwarding threshold,theforwarding is successful.The effectiveness of the model is proved by experimental results.Key words:user behavior characteristics;fusion media communication;information forwarding model;forwarding threshold0引言融媒体本身拥有多种形态（视频、音频、文字以及图像等)可采用不同的媒介进行传播。同时，它可以将信息内容以极快的速度发布出去，还可以实时更新消息。相比国内的融媒体行业，国外媒体在数据的视觉化以及图表互动化等方面值得我们借鉴，且对于不同的媒体之间是怎么打破传统的观念完成信息转发，同样也值得我们学习。为此，有学者设计了基于生态系统的媒体智库传播模型2 和网络群体传播效果实证研究述评与整合模型3。但在应用中发现，上述传统模型的效果还需进一步提高。对此，本文提出一种基于用户行为特征的融媒体传播信息转发模型，通过分析自身的属性、用户之间关系属性以及融媒体属性的增益率，设置转发阈值，最终完成转发建模。1分析用户行为特征用户期望完成任务的时间以及任务提交概率分布情况是影响融媒体传播计算资源分配的主要影响因子，因此，划分融媒体传播服务时间，变成若干等长的时间片Ti，T 2，T 3，,T.，T,，d t 代表单任务平均的执行时间长度，其计算公基金项目：秦岭北麓自然风貌形象符号融媒体传播研究（2 1JK0389）作者简介：曹奕萱（198 6 一），女，硕士，讲师，研究方向为文艺与文化传播、普通话语音与播音发声；贾海楠（198 9一），女，本科，讲师，研究方向为普通话语音与播音发声、融媒体传播；张卫强（198 3一），男，本科，助理工程师，研究方向为多媒体与信息技术设备应用、计算机设备支撑的播音主持、影视编导。文献标志码：AInformation Forwarding Model of Fusion MediaBased on User Behavior CharacteristicsCAO Yixuan,JIA Hainan,ZHANG Weiqiang(Cinema College,Modern College of Northwest University,Xian 710000,China)ZTask(T.)dt=三n式中，Task（T,）是一种任务函数，能够创建具有给定优先级的任务。通过采样各种用户提交任务处于各个时间片段T，中分布的情况，且按照在所有T，中的任务个数，对用户的工作进行划分，分为非常繁忙、较为繁忙、一般、较为空闲、非常空闲等5种4。负载状态的划分规则是在单位时间片段中，通过融媒体传播占据整体计算资源的比例划分的。所有状态比例的范围能够通过各种系统自行设置，具体公式为(2)Call式中，T，代表第i个时间片段，taski.代表在时间片段i中所进行的第；个任务，Cal代表所有资源的总和5。用户任务的期望完成时间，可以通过查询服务的返回结果获得。按照查询的频率值把Ts中的用户QoS（Q u a lit y o fService)划分成3个优先级，且采用绿、黄以及红色来表示。其中，绿色代表用户的查询频率比平均频率小，黄色代表用57.式为(1)T,2 taski;-1Microcomputer Applications Vol.39,No.9,2023户的查询频率与平均频率基本相等，红色代表用户的查询频率比平均频率大。具体公式为Q:=F(T,N,)式中，T代表第i个时间片段，N；代表时间片段i中查询的频率。融媒体的计算资源分配情况和用户行为分析情况能够利用四象限法则进行表述。在第一象限内，用户工作情况处于空闲状态，提交任务的间隔时间比较长，即QoS优先级的要求是红色，希望以最快的速度将计算结果返还回来6 。这时适当采用融媒体资源分配的策略进行实时处理，同时按照最小完成时间（M C T）来分配融媒体的资源，使其局部达到最佳分配效果门。在第二象限内，用户的工作情况处于空闲状态，任务提交间隔的时间较长，即QoS优先级的要求是黄色或者绿色，对于计算时间没有过多要求。这时适当采用分配策略进行实时处理，同时，按照目前任务需要的最小资源对融媒体资源进行分配，从而获得局部资源的最大化利用率。在第三象限内，用户的工作情况处于繁忙状态，提交任务的间隔时间比较短，即QoS优先级的要求是红色。这时要采用最短的时间优化策略分配融媒体，从而得到整体最佳的配置。在第四象限内，用户的工作情况处于繁忙状态，即QoS优先级的要求是黄色或者绿色，用户对于计算的时间长度没有太多要求，所以能够采用最大化的利用率（MMKT策略来分配融媒体的资源，从而得到整体最佳的配置。2构建融媒体传播信息转发模型2.1分析融媒体的传播结构在互联网内，用户发布一条融媒体信息，其关注者会按一定概率将其转发出去8 。在发布一条融媒体以后，其转发个数和传播广度、深度不能够预测，不过能够从上述构建的用户行为特征中预测一条融媒体的传播以及转发个数。融媒体传播结构关系如图1所示。mm图1融媒体传播结构关系图图1中，u、U、代表3个节点，转发了u的融媒体m，w转发了融媒体m，w 代表二级转发节点，其中的虚线代表w同样可以直接转发u融媒体。2.2属性选择融媒体传播过程主要是依赖用户转发，而影响用户转发的行为方式有很多，具体如下。（1）用户自身属性获取单位时间段内用户的原创融媒体数据以及转发的融媒体，其时间段的长度采用代表。总融媒体个数是原创的融媒体以及转发融媒体个数之和9，采用代表，可以得到公式为O=r+r2式中，ri代表原创的融媒体个数，r代表转发的融媒体个数。融媒体非原创率通过转发融媒体和总融媒体的比值获得，采用RR代表，具体公式为RR=r2融媒体平均转发的个数是在时间T中，用户融媒体转发个数平均值，采用RA代表，具体公式为基金项目(3)（2）用户之间的关系各个用户之间的关系主要对转发级别以及转发比例进行考虑。各个用户之间的转发比例是时间T中用户u转发用户融媒体个数以及用户所发布融媒体个数比值，采用d。代表,其中,T时间中用户u转发的融媒体个数采用r代表，在T时间中用户发布融媒体个数采用post代表，具体公式为(7)融媒体转发的级别代表用户转发原融媒体方式，采用数值1代表直接转发，数值2 代表间接转发。两个用户互相关注，数值0 代表用户u仅关注用户，数值1代表相互关注。（3）融媒体属性图片数代表一条融媒体内包含的图像数量，采用pic代表。链接数代表一条融媒体内包含的链接数量，采用link代表。融媒体长度代表源融媒体的文本长度以及转发之后融媒体文本长度和，采用1代表，若直接转发源融媒体，那么1仅代表源融媒体的长度。2.3增益率把融媒体的转发结果当成类表示属性，其中，0 代表转发，1代表不转发。以此计算所有属性的增益率。数据信息增益即为原本信息需求和全新需求间的差，令GA代表A的信息增益采用Gain(A)代表，具体公式为GA=IA-SA式中，IA表示原本的信息需求，SA表示新的信息需求，具体公式为(9)增益率是基于分类度量，在进行划分时需要的数据，即属性A信息增益率采用GA代表，具体公式为GA=GASA2.4信息转发模型在计算属性增益率后，按照顺序进行排名，再与训练集进行结合，获得对类标记属性不会造成影响的属性，将其删除。设X=(X,liE1,n)为代表选择的属性集合，X,属于第i种代表属性的个数，n代表属性数量。将微博转发的结果当成因变量，数值1代表转发，数值0 代表不转发，构建n个属性二分类的逻辑回归方程L，具体公式为L=o+iXi+2X2+.+,X,式中，:代表回归系数。融媒体转发的概率P具体公式为P=1+exp(Lexp(L)式中，L代表回归方程结果。计算结果的阈值设置为0.5，若P0.5，则可以认为融媒体被转发。(4)3仿真实验3.1实验环境及指标在某网络论坛上提取40 0 0 名用户的16 万条数据作为(5)实验数据，从中收集用户的收藏信息个数、评论个数、发表个数、标签列表、话题列表收听个数等基本信息。然后利用动态属性，来构建用户处于不同属性下的关系网络，从而实现58微型电脑应用2 0 2 3年第39 卷第9 期R一(6)d.=(8)(10)(11)(12)Microcomputer Applications Vol.39,No.9,2023测试流程。3.2检验分析该次实验所用到的评论指标有2 种：Topic（主题）检验方法以及Tag（标签）检验方法。其中：Topic检验方法凭借用户前一段时间所关注的主题，从而对用户分类，同时转发结果对比；Tag检验方法是凭借用户所设定的个人标签，从而对用户分类，同时转发结果对比，包含召回率和转发成功率指标。二者验证方法具体公式为成功率：P=_R.nIR,召回率：R=R!式中，I代表转发源用户利用矩阵乘转发模型所得到的结果，在Topic检验方法内R，代表融媒体信息转发源用户关注主题一样与类似用户的集合，而在Tag检验方法内R，代表融媒体信息转发源用户所设定的个人标签一样与类似用户的集合。分析每个节点相应的转发结果集合，将40 0 0 名用户每50名为1组，组内包含2 0 0 0 条信息，共分为8 0 组，数据代人本文所提模型中，分析不同检验方法下模型计算出的信息转发成功率，结果如图2 所示。1009590858075F-一Tag检验701020304050607080用户数/组图2 Topic检验及Tag检验下模型转发成功率曲线由图2 可知，无论是主题还是标签验证，本文所提模型转发成功预测曲线随着用户增加而逐渐降低，这说明并不是转发节点越多相应的转发结果集合成功率就越高。这是因为随着实验用户增加，相对应的转发信息也呈指数增长，海量干扰信息影响模型转发计算精度，导致输入55组用户时，模型的双验证转发精度都下滑，但完成全部8 0 组后成功率保持在8 0%以上，依旧能够满足网络预测需要。Topic检验方法与Tag检验方法的召回率对比如图3所示。100090%/率回807060F5010203040506070880用户数/组图3Topic检验以及Tag检验的召回率曲线分布观察图3能够看出，二者检测曲线都随着用户组数的提升而降低，最后趋于平稳在8 0%以上，并且不再因为数据量的增加降低召回率值，且Topic检验和Tag检验结果曲线趋势基本一致，没有出现较大差距，能够证明本文所提模型不会受到主题或标签因子限制，影响召回结果。上述结果能够基金项目证明本文所建模型鲁棒性优秀。3.3对比分析为进一步突出本文模型的有效性，将传统的基于生态系统的媒体智库传播模型和网络群体传播效果实证研究述评与整合模型作为对比，从转发成功率的角度与本文模型共同完成性能验证，结果如表1所示。表1不同模型信息转发成功率对比待转发信实际转发信模型息数量/GB(13)本文模型基于生态系(14)统的媒体智库传播模型网络群体传播效果实证研究述评与整合模型分析表1可知，尽管所有模型的转发成功率均可达到90%以上，但相比之下，本文模型的信息转发成功率更高，说明本文模型更有效。4总结：本文通过分析用户行为特征发现用户关注人数越多，那么认定此用户人际关系越好，即融媒体被转发概率也就越大。此外，活跃度越高的用户，融媒体被转发的概率也会越高。基于此，本研究设定了转发阈值完成对转发模型的Topic检验构建。：1赵子忠，张坤.新媒体多元化的基本模型及其特征J.现代传播（中国传媒大学学报），2 0 19，41（1）：142-145.2 吕诚诚，李永先，杨婷婷，等.基于生态系统的媒体智库传播模型研究J.情报杂志，2 0 19，38（6）：194-200.3陈晶晶，余明阳，薛可.网络群体传播效果实证研究述评与整合模型初探J.当代传播，2 0 19（1)：38-41.4盛成成，刘亚平，朱勇.自媒体复杂网络消息传播模型J.软件导刊，2 0 19,18（3)：157-16 1.5顾秋阳，琚春华，吴功兴.融入用户合作与领导激励的社交网络知识传播模型J.电信科学，2 0 2 0,36（10）：172-182.6 黄川林，鲁艳霞，崔艳清.基于VAR模型的微博用户转发行为研究JI.情报科学，2 0 2 0，38（5）：148-153.Topic检验7 崔增乐，钱晓东.区块链社交网络信息传播模型的优-一Tag检验化研究J.计算机工程与应用，2 0 2 1，57（7）：59-6 9.8方劲皓，钱晓东.改进的SCIR模型中社交网络信息传播研究J.计算机工程与应用，2 0 2 0，56（19）：105-113.9 高昂，梁英，谢小杰，等.支持隐私保护的社交网络信息传播方法J.计算机科学与探索，2 0 2 1，15（2)：233-248.微型电脑应用2 0 2 3年第39 卷第9 期转发成息数量/GB功率/%10.5810.4410.589.6710.589.77参考文献（收稿日期：2 0 2 1-0 8-0 9）98.7291.4092.3559.