買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中國傳媒大學申請的專利基于多智能體的復雜社交行為仿真與公共輿情推演方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120429510B 。

龍圖騰網通過國家知識產權局官網在2025-09-23發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510912452.5，技術領域涉及：G06F16/9536；該發明授權基于多智能體的復雜社交行為仿真與公共輿情推演方法是由楊曉輝;賀蘇陽;李澤宇;黃浩程;劉新慶;陳思源;李林堯設計研發完成，并于2025-07-03向國家知識產權局提交的專利申請。

本基于多智能體的復雜社交行為仿真與公共輿情推演方法在說明書摘要公布了：本發明涉及社會網絡分析與生成式人工智能技術領域，公開了基于多智能體的復雜社交行為仿真與公共輿情推演方法，劃分社交群體，將社交網絡中的用戶分為關鍵意見領袖社群和普通用戶社群；分別構建由大語言模型驅動的關鍵意見領袖智能體和普通用戶智能體；構建動態加權有向網絡，以每個關鍵意見領袖智能體建模為節點，通過觀點指數和節點影響力加權計算網絡節點鄰域，基于文本情感指數計算情緒得分，基于情緒得分動態調整網絡節點鄰域，循環迭代若干次，完成網絡輿情的推演與仿真；解決了跨領域動態背景下輿情傳播建模困難的問題，并能更精確地對輿論個體的差異性及復雜社交互動關系的進行模擬，方法切實可行。

本發明授權基于多智能體的復雜社交行為仿真與公共輿情推演方法在權利要求書中公布了：1.基于多智能體的復雜社交行為仿真與公共輿情推演方法，其特征在于， 劃分社交群體：將社交網絡中的用戶分為關鍵意見領袖社群和普通用戶社群； 構建智能體：針對關鍵意見領袖社群和普通用戶社群，通過設計不同提示詞，分別構建基于不同基座模型的由大語言模型驅動的關鍵意見領袖智能體和普通用戶智能體； 構建社會網絡：構建動態加權有向網絡，對每個關鍵意見領袖智能體和普通用戶智能體建模為節點，社交行為建模為有向邊，行為影響力建模為邊權，對具有信息高內聚性的社交媒體的局部信息傳播進行仿真，模擬社交網絡中的長距離連接； 通過觀點指數和普通用戶智能體對應的節點權重加權計算網絡節點鄰域，對大語言模型生成的文本進行情感分析得到情感指數，將其映射為智能體個體在動態加權有向網絡鄰域內的動態權重，結合情緒感染理論量化用戶影響力，基于觀點傳播動力學，對鄰域判定的閾值添加動態衰減機制以模擬自我服務機制，基于經典Hegselmann-Krause算法模擬意見匯聚機制；利用網絡差異模擬高局部性和長距離連接性以劃分關鍵意見領袖與普通用戶兩大群組；在構建完智能體后，將社交群體的觀點指數池構建為鄰域，表示為： ， 其中x i和x j分別代表智能體扮演角色i和j的觀點指數，當智能體的兩個觀點指數x之差小于閾值ε時，對應的兩個智能體互為鄰居，共享的所有鄰居智能體個體統稱為鄰域，表示為， 其中觀點指數代表智能體的觀點傾向性，表示為： ， 式中w j是鄰域角色j的權重，x j （t）是角色j在t時間段內的觀點指數； 基于SnowNLP評估文本情感指數以計算情緒得分； 通過情緒得分的高低動態調整網絡節點觀點指數的權重與鄰域判定的閾值，其中對觀點指數的權重進行動態調整表示為： ， 式中s代表當前智能體的情感得分，δ為增減的步長值； 采用sigmoid函數將智能體的觀點指數權重w限制在0.5到2.0之間，以防止生成的自然語言文本陷入過度情緒化而使得權重快速增長， ， 其中參數k控制調整的陡峭程度，c為sigmoid的中心點， 在使用sigmoid函數對權重的變化進行平滑后，在每一輪迭代后添加激動情緒抑制機制， ， 其中γ為冷卻系數，w 0為權重的目標平穩值； 對領域判定的閾值進行動態調整表示為基于加權平均公式增加高權重的智能體在鄰域內的影響力，即： ， 式中是鄰域角色i在t-1時刻的權重，ε是超參數，為ε t為t時刻鄰域判定的閾值，超參數α控制權重對信任范圍的影響，超參數β控制衰減速率，T為迭代總次數，tT為衰減速率， 循環迭代若干次，完成網絡輿情的推演與仿真。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中國傳媒大學，其通訊地址為：100000 北京市朝陽區定福莊東街1號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。