对具有动态群体的有界置信度意见模型进行控制的制作方法

对具有动态群体的有界置信度意见模型进行控制
1.相关申请的交叉引用
2.本技术是2019年7月16日在美国提交的名称为“controlling a bounded confidence opinion model with a dynamic population”的美国临时申请no.62/874,866的非临时申请，其全部内容通过引用并入本文。
3.发明背景
(1)技术领域
4.本发明涉及一种用于引导社交媒体用户意见的系统，并且更具体地，涉及一种基于识别的控制策略来引导社交媒体用户意见的系统。
5.(2)相关技术描述
6.很多关于意见控制的现有工作都集中在竞争和非竞争设定下的“影响最大化”和意见“播种(seeding)”问题上，其中，主要目标是识别在社交网络中可以最大限度地传播一些期望意见的有影响力的个体，如并入的参考文献列表中的参考文献no.2和no.4中所描述的。可以在参考文献no.5中找到对该方法的调查。这项工作具有许多局限性。例如，播种有影响力的节点成本高昂，并且需要活动代理参与。此外，在有界置信度模型(bounded confidence model)中，“播种”初始期望意见的可能性低于我们用于更改与期望意见显著不同的代理意见的方法，因为意见差异很大的代理不太可能相互影响。另外，所述方法通常不能解决长期影响问题，因为所述方法的结果可能仅针对活动才持续。
7.还存在使用基于链接的方法来进行意见控制的先前工作。该方法通过对社交影响网络中的(加权)链接进行改变来更改该影响网络，从而有效地改变个体(节点)在更新其自身意见时对他人表达意见的“关注”程度。该方法的一个缺点是需要可能不存在的社交网络信息。例如，流行的社交媒体平台reddit
tm
没有潜在的朋友或跟随者网络。另外，它需要控制代理的通信渠道(例如，facebook
tm
新闻供应)，这可能成本高昂且并非总是可行。
8.因此，仍然需要一种直接解决在基于组的网络的意见动态的上下文中识别控制策略的问题的系统。


技术实现要素：

9.本发明涉及一种用于引导社交媒体用户意见的系统，并且更具体地，涉及一种基于识别的控制策略来引导社交媒体用户意见的系统。所述系统包括非暂时性计算机可读介质和一个或更多个处理器，所述非暂时性计算机可读介质上编码有可执行指令，使得当执行所述可执行指令时，所述一个或更多个处理器执行多个操作。所述系统确定要被插入到所述社交媒体网络的用户群体中的控制代理的数量。另外，所述系统确定各个控制代理的表达意见在一段时间内应该改变的速率。输出控制策略，其中，所述控制策略包括基于要被插入到所述用户群体中的控制代理的所述数量和各个控制代理的所述表达意见在所述一段时间内应该改变的所述速率的控制安排。最后，在所述社交媒体网络中部署所述控制安排。
10.在另一方面，所述系统确定与所述社交媒体网络相关联的输入参数集；使用所述输入参数集，确定要被插入到所述用户群体中的控制代理的所述数量；以及使用所述输入参数集，确定各个控制代理的所述表达意见在所述一段时间内应该改变的所述速率。
11.在另一方面，在确定所述输入参数集时，所述系统确定所述用户群体中的各个用户与所述社交媒体网络互动的到达速率和离开速率(arrival and departure rates)。
12.在另一方面，在确定所述输入参数集时，所述系统确定所述用户群体中的各个用户与所述社交媒体网络互动的时间长度。
13.在另一方面，在确定所述输入参数集时，所述系统确定所述用户群体中的各个用户的组成员资格和组间移动速率。
14.最后，本发明还包括计算机程序产品和计算机实现的方法。所述计算机程序产品包括被存储在非暂时性计算机可读介质上的计算机可读指令，所述计算机可读指令可以由具有一个或更多个处理器的计算机执行，使得在执行所述指令时，所述一个或更多个处理器执行本文列出的操作。另选地，计算机实现的方法包括使计算机执行这些指令并执行所得操作的动作。
附图说明
15.根据本发明的各个方面的以下详细描述，结合参考以下附图，本发明的目的、特征和优点将显而易见，在附图中：
16.图1是描绘了根据本公开的一些实施方式的基于识别的控制策略来引导社交媒体用户意见的系统的部件的框图；
17.图2是根据本公开的一些实施方式的计算机程序产品的例示图；
18.图3是例示了根据本公开的一些实施方式的系统的由模型参数和控制目标组成的输入以及描述控制策略的输出的图；
19.图4a是例示了根据本公开的一些实施方式的在不具有任何控制者的情况下涉及100个代理的群体的基线模拟的曲线图，其中各个线追踪随时间推移的个体代理意见；
20.图4b是例示了根据本公开的一些实施方式的100个代理的整个群体的平均意见轨迹的曲线图；
21.图5a是例示了根据本公开的一些实施方式的具有一个控制者的情况下的意见轨迹的曲线图；
22.图5b是例示了根据本公开的一些实施方式的具有一个控制者的情况下的平均意见轨迹的曲线图；
23.图5c是例示了根据本公开的一些实施方式的具有三个控制者的情况下的意见轨迹的曲线图；
24.图5d是例示了根据本公开的一些实施方式的具有三个控制者的情况下的平均意见轨迹的曲线图；
25.图5e是例示了根据本公开的一些实施方式的具有五个控制代理的情况下的意见轨迹的曲线图；以及
26.图5f是例示了根据本公开的一些实施方式的具有五个控制者的情况下的平均意见轨迹的曲线图。
具体实施方式
27.本发明涉及一种用于引导社交媒体用户意见的系统，并且更具体地，涉及一种基于识别的控制策略来引导社交媒体用户意见的系统。呈现以下描述以使本领域普通技术人员能够制造和使用本发明并将其并入特定应用的上下文中。对于本领域技术人员而言，各种修改以及在不同应用中的多种用途将显而易见，并且本文定义的一般原理可以被应用于广泛的方面。因此，本发明并非旨在限于所呈现的方面，而是与符合本文所公开的原理和新颖特征的最广范围相一致。
28.在下面的详细描述中，阐述了许多具体细节以便提供对本发明的更透彻理解。然而，对本领域技术人员而言将显而易见的是，本发明可以在不必限于这些具体细节的情况下来实践。在其他情况下，公知结构和设备以框图形式示出，而非详细示出，以避免模糊本发明。
29.请读者关注与本说明书同时提交并且与本说明书一起开放以供公众查阅的所有论文和文档，并且所有这些论文和文档的内容通过引用并入本文。除非另有明确说明，否则本说明书(包括任何所附权利要求、摘要以及附图)中公开的所有特征可以由用于相同、等同或相似目的的另选特征来代替。因此，除非另有明确说明，否则所公开的各个特征仅是通用系列的等同或相似特征中的一个示例。
30.此外，权利要求中没有明确陈述用于执行指定功能的“装置”或用于执行特定功能的“步骤”的任何要素不应被解释为如35u.s.c.第112节第6款中规定的“装置”或“步骤”条款。特别地，在本文的权利要求中使用
“……
的步骤”或
“……
的动作”并非旨在触发35u.s.c.第112节第6款的条款。
31.在详细描述本发明之前，首先提供参考文献列表。接下来，提供本发明各个主要方面的描述。随后，介绍为读者提供了对本发明的总体理解。最后，提供本发明各个实施方式的具体细节，以使得能够理解具体方面。
32.(1)并入的参考文献列表
33.贯穿本技术引用且并入以下参考文献。为清楚和方便起见，本文中为读者列出这些参考文献作为集中式资源。以下参考文献通过引用并入于此，如同在本文中充分阐述一样。这些参考文献通过参照如下对应参考文献而在本技术中加以引用：
34.1.g.deffuant,d.neau,f.amblard,and g.weisbuch.mixing beliefs among interacting agents.advances in complex systems,3(1):87
–
98,2000.
35.2.c.gilbert and e.hutto.vader:a parsimonious rule
‑
based model for sentiment analysis of social media text.eighth international conference on weblogs and social media(icwsm
‑
14),2014.
36.3.s.goyal,s.jabbari,m.kearns,s.khanna,and j.morgenstern.strategic network formation with attack and immunization.arxiv:1511.05196,november 2015.
37.4.r.hegselmann and u.krause.opinion dynamics under the influence of radical groups,charismatic leaders,and other constant signals:a simple unifying model.networks and heterogeneous media,10(3):477
–
509,september 2015.
38.5.m.kearns,m.l.littman,and s.singh.graphical models for game theory,
january 2013.
39.6.k.wang and x.wan.sentigan:generating sentimental texts via mixture adversarial networks.in ijcai,pages 4446
‑
4452,2018.
40.′
41.7.y.zenou.key players.in y.bramoulle,a.galeotti,and b.rogers,editors,the oxford handbook of the economics of networks,oxford handbooks,chapter 11,pages244
–
274.oxford university press,2016.
42.(2)主要方面
43.本发明的各种实施方式包括三个“主要”方面。第一个主要方面是一种用于引导社交媒体用户意见的系统。该系统通常采用计算机系统操作软件的形式或采用“硬编码”指令集的形式。该系统可以并入提供不同功能的各种各样的设备中。第二个主要方面是使用数据处理系统(计算机)操作的通常采用软件形式的方法。第三个主要方面是计算机程序产品。计算机程序产品通常表示存储在诸如光学存储设备(例如，光盘(cd)或数字通用盘(dvd))或磁存储设备(诸如软盘或磁带)之类的非暂时性计算机可读介质上的计算机可读指令。计算机可读介质的其他非限制性示例包括：硬盘、只读存储器(rom)以及闪存型存储器。这些方面将在下面进行更详细描述。
44.图1中提供了描绘本发明的系统(即，计算机系统100)的示例的框图。计算机系统100被配置成执行与程序或算法相关联的计算、处理、操作和/或功能。在一个方面，本文讨论的某些处理和步骤被实现为驻留在计算机可读存储器单元内并由计算机系统100的一个或更多个处理器执行的一系列指令(例如，软件程序)。在执行时，所述指令使计算机系统100进行特定动作并展现特定行为，如本文所描述的。
45.计算机系统100可以包括被配置成传送信息的地址/数据总线102。另外，一个或更多个数据处理单元(诸如处理器104(或多个处理器))与地址/数据总线102联接。处理器104被配置成处理信息和指令。在一方面，处理器104是微处理器。另选地，处理器104可以是不同类型的处理器，诸如并行处理器、专用集成电路(asic)、可编程逻辑阵列(pla)、复杂可编程逻辑器件(cpld)或现场可编程门阵列(fpga)。
46.计算机系统100被配置成利用一个或更多个数据存储单元。计算机系统100可以包括与地址/数据总线102联接的易失性存储器单元106(例如，随机存取存储器(“ram”)、静态ram、动态ram等)，其中，易失性存储器单元106被配置成存储用于处理器104的信息和指令。计算机系统100还可以包括与地址/数据总线102联接的非易失性存储器单元108(例如，只读存储器(“rom”)、可编程rom(“prom”)、可擦除可编程rom(“eprom”)、电可擦除可编程rom(“eeprom”)、闪速存储器等)，其中，非易失性存储器单元108被配置成存储用于处理器104的静态信息和指令。另选地，计算机系统100可以执行从诸如“云”计算中的在线数据存储单元取回的指令。在一方面，计算机系统100还可以包括与地址/数据总线102联接的一个或更多个接口，诸如接口110。所述一个或更多个接口被配置成使得计算机系统100能够与其他电子设备和计算机系统连接。由所述一个或更多个接口实现的通信接口可以包括有线(例如，串行电缆、调制解调器、网络适配器等)和/或无线(例如，无线调制解调器、无线网络适配器等)通信技术。
47.在一个方面，计算机系统100可以包括与地址/数据总线102联接的输入设备112，
其中，输入设备112被配置成将信息和命令选择传送至处理器100。根据一个方面，输入设备112是字母数字输入设备(诸如键盘)，其可以包括字母数字键和/或功能键。另选地，输入设备112可以是除字母数字输入设备之外的其他输入设备。在一方面，计算机系统100可以包括与地址/数据总线102联接的光标控制设备114，其中，光标控制设备114被配置成将用户输入信息和/或命令选择传送至处理器100。在一方面，光标控制设备114是使用诸如鼠标器、轨迹球、轨迹板、光学跟踪设备或触摸屏的设备来实现的。尽管前述如此，但在一方面，诸如响应于使用与输入设备112相关联的特殊键和键序列命令，光标控制设备114经由来自输入设备112的输入而被引导和/或启用。在另选方面，光标控制设备114被配置成通过话音命令管理或引导。
48.在一方面，计算机系统100还可以包括一个或更多个可选计算机可用数据存储设备，诸如与地址/数据总线102联接的存储设备116。存储设备116被配置成存储信息和/或计算机可执行指令。在一个方面，存储设备116是诸如磁盘驱动器或光盘驱动器(例如，硬盘驱动器(“hdd”)、软盘、光盘只读存储器(“cd
‑
rom”)、数字通用盘(“dvd”))的存储设备。依据一个方面，显示设备118与地址/数据总线102联接，其中，显示设备118被配置成显示视频和/或图形。在一方面，显示设备118可以包括：阴极射线管(“crt”)、液晶显示器(“lcd”)、场发射显示器(“fed”)、等离子体显示器，或适于显示视频和/或图形图像以及用户可识别的字母数字字符的任何其他显示设备。
49.本文所呈现的计算机系统100是根据一方面的示例计算环境。然而，计算机系统100的非限制示例并不严格限于作为计算机系统。例如，一个方面提供了计算机系统100表示可以根据本文所述各个方面使用的一类数据处理分析。此外，还可以实现其他计算系统。实际上，本技术的精神和范围不限于任何单一数据处理环境。因此，在一方面，使用通过计算机执行的计算机可执行指令(诸如程序模块)来控制或实现本技术的各个方面的一个或更多个操作。在一个实现中，这样的程序模块包括被配置成执行特定任务或实现特定抽象数据类型的例程、程序、对象、部件和/或数据结构。另外，一个方面提供了通过利用一个或更多个分布式计算环境来实现本技术的一个或更多个方面，诸如，在该计算环境中，任务由通过通信网络链接的远程处理设备执行，或者诸如，在该计算环境中，各种程序模块位于包括存储器
‑
存储设备的本地和远程计算机存储介质中。
50.图2中描绘了具体实施本发明的计算机程序产品(即，存储设备)的例示图。计算机程序产品被描绘为软盘200或诸如cd或dvd的光盘202。然而，如先前提到的，该计算机程序产品通常表示存储在任何兼容的非暂时性计算机可读介质上的计算机可读指令。如关于本发明所使用的术语“指令”通常指示要在计算机上执行的一组操作，并且可以表示整个程序的片段或单个分离的软件模块。“指令”的非限制性示例包括计算机程序代码(源或目标代码)和“硬编码”电子设备(即，编码到计算机芯片中的计算机操作)。“指令”被存储在任何非暂时性计算机可读介质上，诸如存储在计算机的存储器中或软盘、cd
‑
rom以及闪存驱动器上。无论如何，这些指令被编码在非暂时性计算机可读介质上。
51.(3)各种实施方式的具体细节
52.描述了一种用于识别“意见控制”策略的系统，所述策略将社交媒体用户意见引导到以社区为中心的平台上的期望管理方式(regime)中。由所述系统识别的控制策略涉及将“控制”代理插入关注群体中。这些控制代理根据设定的安排表达意见，以使得其随着时间
的推移引领群体的意见。在给定在线社交媒体平台的情况下，系统对在合理的时间量内有效地将群体意见推向目标管理方式所需的控制策略的类型以及控制代理的数量进行识别。目标管理方式是由最终用户指定的理想意见状态。系统的目标是将集体意见(collective opinions)纳入并保持在该管理方式中。目标管理方式的非限制性示例是超过75％的投票公众支持攻击性武器禁令。
53.系统建立在独特的基于组的意见动态模型上。该模型扩展了众所周知的有界置信度模型(参见参考文献no.3)，以纳入代理活动水平、组成员资格和组间移动。随着基于组的动态的扩展，意见动态的工作被扩展到不提供由过去意见动态模型使用的社交网络信息(例如，朋友和跟随者关系)类型的平台。本文描述的方法的独特之处还在于，与意见控制方面的先前工作不同，根据本公开的实施方式的意见控制策略在更改代理意见或改变他们表达其意见的方式方面不需要直接干预。
54.本文描述的系统识别有效的意见控制策略，该意见控制策略将朝向有利的平衡状态引导给定群体的意见。系统开发了意见控制策略，该意见控制策略将协调个体的小群体放入到常规代理群体中，以施加影响。在给定社交媒体平台的情况下，根据本公开的实施方式的系统确定成功所需的控制策略/安排以及控制代理的数量两者。算法将与给定社交媒体网络相关联的参数作为输入。这些参数包括但不限于个体的到达速率/离开速率、个体的初始意见、组成员资格和组间移动速率。在给定这些参数的情况下，系统以数字方式确定1)控制代理的数量，以及2)随时间推移更改控制代理的表达意见的速率。下面将详细描述这些方面中的各个方面。
55.与现有意见控制方法相比，本发明具有许多优点。首先，模型使用独特的基于组的意见动态模型，该模型考虑了代理与社交媒体平台互动的频率、他们保持互动的时长、他们的主要组成员资格以及他们如何在组之间移动。因此，模型结合了现实世界的行为，所述行为会影响各个代理暴露于其他用户意见的程度，并因此影响各个代理如何随时间推移更新其意见。这与做出了如下简化假设的先前模型形成对比：用户始终与平台互动，并始终暴露于并获知其所有邻居的意见。
56.其次，与其他方法相比，本文所描述的方法成本更低。与在影响最大化(其涉及识别能够最大限度地传播期望意见的有影响力的代理的子集)方面的先前工作不同，根据本公开的实施方式的方法在更改代理意见或改变他们表达其意见的方式方面不需要直接干预。通过将控制代理插入群体中，所述方法依赖于给定网络中已经存在的意见，并放弃与识别并直接更改或“播种”现有代理的意见相关联的成本。这种社会调解方法依赖于意见动态本身来推动群体中的所有意见变化，并且不需要从外部植入任何意见。
57.另一优点是该系统识别随时间推移发挥的控制策略。通过允许控制代理随时间推移表达意见，本文描述的方法更有可能达成具有不同活动水平的代理。通过允许控制代理改变他们表达的意见，该方法能够更好地影响意见与期望意见明显不同的代理。这很重要，因为意见相距甚远的两个代理不太可能能够相互影响或达成共识。表达与其他代理自身意见相近的意见的控制代理能够更好地将这些意见推向期望方向，从而可以影响具有广泛存在的意见的代理。
58.最后，该独特的基于组的意见动态模型扩展了社交媒体平台的类型，在所述社交媒体平台上，人们可以有效地识别和制定意见控制策略。先前的方法假设存在底层社交网
络，而诸如reddit
tm
之类的主要社交媒体平台并非如此。由于本文描述的模型可以简化为一组网络，并且可以更改参数以反映过去模型所做的假设，因此它仍然可以应用于与这些模型相同的实例中的许多实例，并且能够识别在所有类型的社交媒体平台上都运行良好的控制策略。
59.总之，根据本公开的实施方式的系统的优点包括：在各种类型的社交媒体平台上使用的能力，这些社交媒体平台具有和不具有底层社交网络信息；识别随时间推移有效并因此能够影响更多用户的控制策略；成本低于其他方法，不需要直接更改群体；并且比先前的工作做出更少的简化假设，表示现实世界的动态。具体细节如下。
60.(4.1)经由基于组的意见动态模型的意见控制
61.下面是对基于组的意见动态模型的描述，该基于组的意见动态模型是寻找意见控制的最佳手段的问题的基础。该模型将有界置信度意见动态模型(参见参考文献no.3)扩展到如下设定，其中：1)代理群体在活动状态与非活动状态之间转换；2)活动代理在社区网络(例如，基于组的社交网站，如reddit
tm
)中的公共节点中相互交互；3)代理对进入该网络的入口点(组)有不同(heterogeneous)偏好，从而反映了社区成员资格；以及4)代理随机地在社区之间转换。这些过程总结在算法1、算法2和算法3中。图3呈现了本文描述的系统的图，该图示出了系统的输入(要素300)由模型参数(要素302)(诸如控制者的数量(n)和目标意见值(y))组成。动态模拟器(要素304)包括算法3(要素306)和算法4(要素308)。算法1和算法2是算法3(要素306)的子例程。系统的输出(要素310)是控制策略或最佳控制安排(r)。然后，该控制安排被部署在社交媒体网络中(要素312)。控制安排的值的非限制性示例包括由电子邮件营销公司、销售人员实施的电子邮件活动或经由社交媒体网络的持续联系以影响公众意见的输入参数。输入参数的非限制性示例包括自动电子邮件生成和发送给用户的频率以及发布到社交媒体平台的频率。
62.(4.1.1)模型规范
63.令g＝(v,e)是由n个节点组成的节点集v的图。g中的节点表示公共论坛，在该公共论坛中，个体可以聚集在一起以相互交互，并且在该公共论坛中，交互为代理提供了更新其意见的机会。边(u,v)∈e是有向的且经加权的，使得u与v之间的边的权重w
uv
满足0<w
uv
≤1。这些权重表示群体从一个组(g中的节点)移动或流动到另一组的趋势。
64.令m＝{1,...,m}是个体/代理的群体，其中，各个个体i∈m保持意见xi∈[0,1]。在任何给定时间t，一些代理将“处于”g中的节点，而其余代理在g的“外部”。在时间t“处于”g中的节点被认为要在时间t进行互动(engage)，并且该集合由表示，并且用于表示其余(未互动的)代理。每个互动代理占据g中的一个节点，并且许多这样的代理可以占据任何给定节点。令表示在时间t在节点v∈v中的互动代理。
[0065]
个体具有通过针对影响和互动行为的不同程度的易感性而实现的不同特征。具体地，各个代理i∈m的行为由他们的类型θi＝<pi,qi,ρi,ci,τi,αi<来表征，其中，pi是当他们先前未互动时，i在当前时间步长互动的概率；qi是i从互动转换到未互动的概率；ρi(v)是i在变成互动后经由节点v进入g的概率；ci∈[0,1]是i的消费率(consumption rate)，其确定了i在互动时在给定时间步长内与他人交互的次数；τi∈[0,1]是阈值，该阈值确定i的意见
xi是否接近另一意见xj；即，如果|xi‑
xj|≤τi，则意见接近；并且αi∈(0,1)对另一代理j的意见接近i的意见时，i受j影响的易感程度进行了参数化。
[0066]
个体在节点或社区之间的移动在算法1中进行了概述，算法1描述了代理如何在各个时间步长中变成互动(未互动)或在节点之间移动。具体来说，在各个时间步长t，各个未互动代理以概率pi变成互动，并且各个互动代理i∈m(t
‑
1)以概率qi变成未互动。当未互动代理变成互动时，他们根据分布ρi进入g中的节点。针对在时间t保持互动的已互动代理i∈mv(t
‑
1)，他们以与w
vu
成正比的概率从节点v转换到u∈n(v)。
[0067]
算法1：群体激活和移动更新
[0068]
要求：针对所有v∈v的m(t
‑
1)、和mv(t
‑
1)被适当地定义(例如，通过该算法的先前迭代)。
[0069][0070]
如算法2中所概述，在当前时间步长中互动/活动的常规(非控制)代理有机会基于
他们与在当前时间步长中与其共享节点的其他代理的交互来更新其意见。各个代理都受到其他代理的影响，所述其他代理1)共享同一社区，并且2)具有足够接近他们自己意见的意见。考虑节点v中的互动个体i∈mv(t)。令ci是mv(t)中其他代理的ci分数(fraction)的随机子集。ci中的代理可以被认为是i在当前时间步长中遇到的代理。令c
i’＝{j∈ci│
τi≥|xi(t
‑
1)
‑
xj(t
‑
1)|}是ci中的如下代理，该代理的意见(从先前的时间步长继承而来)与i自己的意见足够接近以至于i愿意考虑他们。代理i根据下式使用调整规则更新他们的意见xi(t)：
[0071][0072]
算法2：随机有界置信度意见更新(针对常规(非控制)代理)
[0073]
要求：对于所有v∈v，mv(t)按照算法1更新
[0074]
要求：针对所有代理i∈m，xi(t
‑
1)∈[0,1]
[0075][0076]
算法3将算法1和算法2组合成一个有凝聚力的意见动态模型，其中，各个时间步长都需要更新社区(节点)成员资格和当前意见。算法3是使用算法1和算法2作为子过程而构建的。
[0077]
算法3：动力学
[0078]
要求：针对所有i∈m，初始意见xi(0)∈[0,1]
[0079]
要求：参数是最大时间步长数
[0080][0081]
模型参数(要素302)由系统的最终用户输入，并且很可能是从社交媒体数据中提取的。以下是用户在使用本文描述的系统之前可能如何从社交数据中提取这些参数的示例。考虑在给定时间段内与社交媒体平台交互的用户群体。用户在该时间期间可以有多个活动会话，各个活动会话被定义为用户评论之间的时间不超过(任意选择的)x个时间步长的会话。确定代理互动度的参数pi和qi可以通过提取与会话内和会话之间的活动水平有关的信息来估计。可以使用各个用户的平均到达间隔率(即，各个活动会话开始之间的时间)
来估计pi。这里，更低的平均到达间隔率对应于更高的变成互动的概率pi。qi可以基于平均会话长度或会话开始与会话中最后一次评论之间的时间来估计。用户的平均会话长度越短，用户一旦互动将变成未互动的概率qi越高。请注意，在给定各个用户的平均到达间隔率和会话长度的情况下，能够将数据拟合为如下分布，如果需要，则该分布可以用于生成合成数据。
[0082]
可以通过基于来自所有活动会话的移动序列创建用户移动的马尔可夫链来估计参数w
vu
(该参数测量组间移动的速率)。各个马尔可夫链以抽象的“开始”状态开始，并且以抽象的“结束”状态结束，其中社区之间的移动序列介于两者之间。另选方法可以是使用共同成员资格社区网络的权重。两个社区共享的成员数量越多，代理在他们之间移动的可能性就越大。
[0083]
确定社区(或组)成员资格的参数ρi可以使用在各个社区(组)中进行评论所花费的时间比例来估计。可以计算在各个社区中花费的总会话长度的平均比例，从而给出ρi的估计结果。针对甚至更简单的模型，可以首先基于会话长度对用户进行分组，从而表征用户的类，而不是单独设定ρi。
[0084]
可以通过对相关评论运行情绪分析模型(sentiment analysis model)(例如，vader(参见参考文献no.2))使得各个评论被赋予0至1之间的分数来估计常规(非控制)代理群体对给定主题的初始意见xi(t)。可以基于所观察到的在活动会话期间与各个用户交互的邻居的平均数量来估计参数c。最后，最终用户应基于个人对群体和网络的了解来选择τ和α。这些是传达群体对影响的易感性的系统参数，并且这些值由本领域专家确定。
[0085]
(4.1.2)控制策略算法
[0086]
在给定社交网络、其参数(如先前章节所述)和基于组的模型所布置的预期意见动态的情况下，根据本公开的实施方式的系统试图找到一种有效的控制策略，该控制策略涉及将控制代理放入群体中。各个控制代理使用某一定义规则来在各个时间步长内更新其意见，而不是使用用于常规代理的有界置信度更新规则。该更新规则被称为代理的控制策略。例如，在简单的控制策略中，可以使控制代理s在时间0时持有初始意见xs(0)＝1，并使用针对某一常数r∈(0,1]的规则xs(t)＝xs(t
‑
1)
‑
r更新其意见。控制策略算法意在确定1)控制代理的数量n，以及2)将群体的意见集中到目标管理方式中所需的控制安排r。理想情况下，控制代理的数量应保持得尽可能小，因为将控制代理插入群体中达延长时间段可能会很昂贵。
[0087]
为了找到有效的控制策略，对可能的参数r∈(0,1]和n∈[1,n
max
]进行搜索，其中，n
max
与|m|成比例。针对这些参数的各个随机选择的组合，将n个控制代理插入群体m中，并运行算法3的版本，其中，1)控制代理永远不会变成非活动状态(即，始终存在于组中)，并且2)控制代理在给定选择的r值的情况下根据规则更新其意见。虽然控制代理不受其他代理的影响，但如果ci中存在控制代理，则群体中的常规代理会受到控制意见的影响。在指定的最大次数(即，要尝试的随机参数组合的数量)迭代之后，选择具有目标意见管理方式中的意见的最大数量的代理i∈m的参数。算法4中呈现了该过程的简化变型的描述(其中n为常数)。
[0088]
算法4：简单的控制算法
[0089]
要求：针对所有i∈{1,
…
,m}，初始意见xi(0)∈[0,1]
[0090]
要求：参数y∈{0,1}是目标意见值
[0091]
要求：参数g＝(v,e)是组网络
[0092]
要求：参数将是控制者的数量
[0093][0094]
控制代理将使用的控制策略由数个时间步长内的不同意见值xs定义。各个意见值xs表示针对给定主题要表达的情绪水平(“0”为负面，并且“1”为正面)。系统的分析者或最终用户能够与给定主题结合地使用所述值，以生成表达给定情绪的文本和/或图像。在非常高风险的情况下，人类应该基于给定情绪值确定合适的文本。另选方法是使用能够基于期望情绪水平生成文本的文本生成器，诸如sentigan(参见参考文献no.6)或类似的文本生成器。
[0095]
(4.2)实验研究
[0096]
本章节描述了使用根据本公开的实施方式的系统运行的代表性模拟。图4a例示了在不具有控制代理(控制者)的情况下在基于组的模型下的典型意见变化模式。各个线表示群体中的代理的意见轨迹。随着时间的推移，意见汇聚成诸如至少由给定的阈值τi分隔的“意见集群”(描绘为单条线(例如，要素400、要素402、要素404、要素406))。图4a描绘了在不具有任何控制者的情况下来自涉及100个代理的群体的基线模拟的结果。从图4a中可以看到，意见集群形成为稳定状态，其中，集群之间的距离由有界置信度阈值参数τ确定。图4b描绘了整个群体的平均意见轨迹(要素408)。
[0097]
该实验的参数是出于展示目的而选择的，并非旨在近似任何特定社交网络数据集的参数。针对该实验，选择是pi＝0.5、qi＝0.5、αi＝0.5、ci＝0.5和τi＝1/15。如图4a所示，初始意见呈正态分布，其中，三分之一群体分布在均值0.75附近，另一三分之一群体分布在均值0.5附近，其余三分之一群体分布在均值0.25附近，参数ρi＝[100]表明所有用户都倾向于通过社区一进入，并且转换矩阵w等于：
[0098][0099]
图5a至图5f示出了在如图4a和图4b所示的同一群体中使用的控制策略的有效性，其中，所有代理i的目标意见管理方式为xi＝0。图5a描绘了具有一个控制者的情况下的意见轨迹，而图5b描绘了具有一个控制者的情况下的平均意见轨迹。图5c例示了具有三个控制者的情况下的意见轨迹，而图5d例示了具有三个控制者的情况下的平均意见轨迹。图5e示出了具有五个控制者(或控制代理)的情况下的意见轨迹，而图5f示出了具有五个控制者的情况下的平均意见轨迹。该场景中的控制方案涉及激活k∈{1,3,5}个相同的控制代理，所述控制代理的意见在x(0)＝1处开始并根据x(t)＝δx(t
‑
1)更新，δ为小值(这里δ＝1/900)，其表示控制代理所使用的示例控制策略的更新。该系统使用简单的线性控制策略，其中，控制代理通过表达意见xs＝1开始，并使用规则xs(t)＝xs(t
‑
1)
‑
r线性地更新该意见，其中这是任意选择，意味着随时间推移表达意见会缓慢减少。针对仅一个控制者(或控制代理)，该策略是不够的，正如具有一个控制者的情况下的平均意见轨迹所证明的那样(图5b)，没有将平均意见驱动至目标意见管理方式0。然而，在五个控制代理的情况下，系统能够将平均意见向下驱动至目标意见0，如图5f所描绘的。
[0100]
本文描述的本发明是一种系统，分析者(例如，竞选官员、广告专业人士、情报人员)可以使用该系统来帮助识别将部署在社交媒体系统中的有效意见控制策略。该系统采用描述社交媒体系统中个体和社区移动和交互模式的参数集，并输出将由分析者或决策制定者使用由其支配的补充(人力或机器人)资源制定的规定的意见控制策略。控制策略指定在一段时间内由嵌入在群体中的控制代理(由分析者或决策制定者支配的外部代理)表达的情绪表达的安排。根据本公开的实施方式的系统可以用于影响若干领域(包括但不限于广告、营销、公共关系和政治活动)中的公众意见。例如，在从事广告和公共关系策略的公司中(尤其是在社交媒体平台上具有所讨论的重要社交媒体存在或产品的公司中)，本文所描述的发明可以用于增加公众对消费品(例如，可乐与百事可乐)的欲望或提高品牌知名度，从而带来更多客户和销售额。
[0101]
最后，虽然已经根据若干实施方式对本发明进行了描述，但本领域普通技术人员将容易地认识到，本发明可以在其他环境中具有其他应用。应注意，可以有许多实施方式和实现。此外，所附权利要求绝不旨在将本发明的范围限于上述具体实施方式。另外，“用于
……
的装置”的任何叙述旨在引发要素和权利要求的装置加功能的解读，而未特别使用“用于
……
的装置”叙述的任何要素不应被解读为装置加功能要素，即使权利要求以其他方式包括了“装置”一词。此外，虽然已经按特定顺序叙述了特定方法步骤，但这些方法步骤可以按任何期望的顺序进行并且落入本发明的范围内。