基于社交动作注入的社交媒体推广方法、设备及存储介质

1.本发明涉及机器学习及社交媒体领域，具体地，涉及一种基于社交动作注入的社交媒体推广方法、设备及存储介质。


背景技术：

2.互联网技术的快速发展，促进了微博、抖音等社交媒体的兴起。数据显示，在2021年，微博的日活动用户数为2.46亿，而抖音的日活动用户超过6亿，其已然成为人们接收和分享信息的重要平台。由于社交媒体的广泛性、开放性等特征，人们有策略地利用它进行内容推广，并得到越来越多的重视。例如，卫生部门通过平台普及疾病的危害性，来引起人们对其的重视。鉴于社交媒体推广的重大实践意义，如何设计一种高效的推广策略是亟需解决的一个研究问题。
3.围绕这个研究问题，营销者提出了多种方式，包括广告投放、影响力用户的传播(例如新闻媒体，声望的名人等)、自媒体运营等方式实现。然而，这些方式仍存在缺陷：第一，高昂的成本。广告支出，定制营销等都是昂贵的，而复杂的社交模式使得推广成本经常远大于取得的收益；第二，片面的受众群体。推广者通过分析用户的兴趣，价值观等行为特征制定精准的用户画像进行个性化推广。然而，很多时候对冷漠用户的推广更有直接价值；第三，不足的推广能力。广告等推广方式的主要作用是扩大影响力，频繁地投放来加深用户的印象，但是如何提升转化率却没有得到正式的分析。并且这种强硬式的直销容易激起心理抗拒，起到适得其反的效果。
4.因此，需要设计一种高效低廉的推广策略，以一种潜移默化的方式实现推广目标。


技术实现要素：

5.本发明的目的是提供一种基于社交动作注入的社交媒体推广方法，该方法操作简单，易于实现，成本低廉，能够有效提高目标用户对指定内容的接纳程度。
6.为了实现上述目的，本发明第一方面提供了一种基于社交动作注入的社交媒体推广方法，该方法包括：
7.设用户集合用表示；博文集合用表示；被关注者，关注者，博文的特征用xu，xv以及x
t
表示；用x表示任意用户的特征；数据集用表示，数据集中的每一条数据由一个样本标签对(x
u，v，t
，y
u，v，t
)组成，其中，x
u，v，t
＝[xu；xv；x
t
]表示被关注者u，关注者v以及博文t的特征的拼接，y
u，v，t
表示用户u转发其关注者v的博文t(y
u，v，t
＝1)与否(y
u，v，t
＝0)；表示用户u的关注列表，表示用户u的博文集合；
[0008]
步骤1、注册多个社交媒体账号，编程开发执行社交媒体动作的应用程序并绑定到这些账号上，执行程序生成社交机器人；
[0009]
步骤2、利用网络爬虫或者社交媒体提供的公共api获取部分用户数据包括用户的基本资料以及部分博文对这些数据提取用户级别的特征x以及博文级别的特征x
t
，得到数据集的子集
[0010]
步骤3、利用步骤2获取的少量数据训练一个模拟器f(
·
)来学习社交媒体中的交互；该模拟器以样本x
u，v，t
作为输入，学习用户u是否转发用户v的博文t，用表示该模拟器的预测值，其中，为模拟器参数；
[0011]
步骤4、基于步骤3训练得到的模拟器f(
·
)，计算一个影响力向量该影响力向量的估计公式如下：
[0012][0013]
其中，其中，表示模拟器关于样本x
fix
的训练损失；是训练损失的hessian矩阵；是推广损失；设待推广的内容集合用表示，被推广博文的目标用户集合用表示，则推广损失定义成如下：
[0014][0015]
将该步骤计算得到的影响力向量分割为三个向量，即其中的维度分别和xu，xv，x
t
保持一致；
[0016]
步骤5、利用步骤1产生的社交机器人转发博文和修改基本资料来实施推广。
[0017]
优选地，步骤5中的利用社交机器人转发博文执行推广包括：
[0018]
分别计算每个社交机器人的影响力步骤2中获取的用户的影响力步骤2中获取的博文的影响力其中从他们中间分别贪心选择nu，nv，n
t
个最具影响力的社交机器人，可观测用户以及可观测博文；根据他们的依赖关系得到候选的待执行转发集合其中，(u,v,t)表示社交机器人u转发其关注者v的博文t；最终，根据样本x
u,v,t
的影响力再从中贪心选择n个最具影响力的转发输入步骤的应用程序让社交机器人自动执行。
[0019]
优选地，步骤5中的利用社交机器人修改基本资料执行推广包括：
[0020]
对于社交机器人根据为社交机器人i生成m
cand
个邻居，其中m是和xi维度相同且只包含0和1的向量；并且，如果xi的某个特征对应的用户信息是不可变动的，那么m中相对应的位置的值为1；如果xi中的某个特征是多维的，那么m中相对应的位置都要保持一致，即都为0或都为1；对于每个邻居计算其影响力；设表示和社交机器人有关的数据，即那么，xi修改为对推广的影响力计算公式如下：
[0021]
[0022]
从这m
cand
个邻居中选择影响力最大的那个将社交机器人i的基本资料信息修改为和x
′i相同；对每个社交机器人重复该步骤进行基本资料的修改。
[0023]
优选地，步骤1中的社交媒体动作包括搜索、回复、转发及关注。
[0024]
优选地，步骤2中用户的基本资料包括年龄、性别及标签，用户级别的特征包括年龄、发博数、关注者及被关注者的数量，博文级别的特征包括利用lda算法得到的博文主题、博文字数、点赞数以及转发数。
[0025]
优选地，步骤3中的模拟器可以是深度学习领域汇总的任意一种模型。
[0026]
本发明第二方面提供了一种设备，该设备包括处理器及存储器；其中，存储器用于存储计算机程序，处理器用于根据计算机程序执行本发明第一方面所述的基于社交动作注入的社交媒体推广方法。
[0027]
本发明第三方面提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，该计算机程序用于执行本发明第一方面所述的基于社交动作注入的社交媒体推广方法。
[0028]
根据上述技术方案，本发明通过收集的部分数据训练一个模拟器，并基于模拟器计算用户和博文对推广的影响力，并控制少量的社交机器人执行有限但具有高影响力的社交动作，包括转发和修改基本资料，以一种潜移默化的方式让目标用户接受指定推广内容。
[0029]
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
具体实施方式
[0030]
以下对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0031]
首先，本发明第一方面提供了一种基于社交动作注入的社交媒体推广方法，该方法包括：
[0032]
设用户集合用表示；博文集合用表示；被关注者，关注者，博文的特征用xu，xv以及x
t
表示；用x表示任意用户的特征；数据集用表示，数据集中的每一条数据由一个样本标签对(x
u，v，t
，y
u，v，t
)组成，其中，x
u，v，t
＝[xu；xv；x
t
]表示被关注者u，关注者v以及博文t的特征的拼接，y
u，v，t
表示用户u转发其关注者v的博文t(y
u，v，t
＝1)与否(y
u，v，t
＝0)；表示用户u的关注列表，表示用户u的博文集合；
[0033]
步骤1、注册多个社交媒体账号，编程开发执行社交媒体动作的应用程序并绑定到这些账号上，执行程序生成社交机器人；
[0034]
步骤2、利用网络爬虫或者社交媒体提供的公共api获取部分用户数据包括用户的基本资料以及部分博文对这些数据提取用户级别的特征x以及博文级别的特征x
t
，得到数据集的子集
[0035]
步骤3、利用步骤2获取的少量数据训练一个模拟器f(
·
)来学习社交媒体中的交互；该模拟器以样本x
u，v，t
作为输入，学习用户u是否转发用户v的博文t，用表示该模拟器的预测值，其中，为模拟器参数；
[0036]
步骤4、基于步骤3训练得到的模拟器f(
·
)，计算一个影响力向量该影响力向量的估计公式如下：
[0037][0038]
其中，其中，表示模拟器关于样本x
fix
的训练损失；是训练损失的hessian矩阵；是推广损失；设待推广的内容集合用表示，被推广博文的目标用户集合用表示，则推广损失定义成如下：
[0039][0040]
将该步骤计算得到的影响力向量分割为三个向量，即其中的维度分别和xu，xv，x
t
保持一致；
[0041]
步骤5、利用步骤1产生的社交机器人转发博文和修改基本资料来实施推广。
[0042]
具体的，步骤5中的利用社交机器人转发博文执行推广包括：
[0043]
分别计算每个社交机器人的影响力步骤2中获取的用户的影响力步骤2中获取的博文的影响力其中从他们中间分别贪心选择nu，nv，n
t
个最具影响力的社交机器人，可观测用户以及可观测博文；根据他们的依赖关系得到候选的待执行转发集合其中，(u,v,t)表示社交机器人u转发其关注者v的博文t；最终，根据样本x
u,v,t
的影响力再从中贪心选择n个最具影响力的转发输入步骤的应用程序让社交机器人自动执行。
[0044]
步骤5中的利用社交机器人修改基本资料执行推广包括：
[0045]
对于社交机器人根据为社交机器人i生成m
cand
个邻居，其中m是和xi维度相同且只包含0和1的向量；并且，如果xi的某个特征对应的用户信息是不可变动的，那么m中相对应的位置的值为1；如果xi中的某个特征是多维的，那么m中相对应的位置都要保持一致，即都为0或都为1；对于每个邻居计算其影响力；设表示和社交机器人有关的数据，即那么，xi修改为对推广的影响力计算公式如下：
[0046][0047]
从这m
cand
个邻居中选择影响力最大的那个将社交机器人i的基本资料信息修改为和x
′i相同；对每个社交机器人重复该步骤进行基本资料的修改。
[0048]
在实际操作过程中，上述的步骤1中的社交媒体动作可以包括搜索、回复、转发及
关注等。
[0049]
步骤2中用户的基本资料包括年龄、性别及标签等，用户级别的特征包括年龄、发博数、关注者及被关注者的数量等可获取资料，博文级别的特征包括利用lda算法得到的博文主题、博文字数、点赞数以及转发数等。
[0050]
此外，步骤3中的模拟器可以是深度学习领域汇总的任意一种模型，可以是多层感知机，也可以是图卷积神经网络，还可以是基于注意力机制的深度神经网络。
[0051]
另外，本发明第二方面提供了一种设备，该设备包括处理器及存储器；其中，存储器用于存储计算机程序，处理器用于根据计算机程序执行上述的基于社交动作注入的社交媒体推广方法。
[0052]
本发明第三方面提供了一种计算机可读存储介质，该计算机可读存储介质用于存储计算机程序，该计算机程序用于执行上述的基于社交动作注入的社交媒体推广方法。
[0053]
以上详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
[0054]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
[0055]
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所公开的内容。