[發明專利]一種面向Twitter的社交廣告可投放性分析方法

有效

• 申請號: 201410494291.4
• 申請日: 2014-09-24
• 公開（公告）號: CN104268130B
• 公開（公告）日: 2017-02-15
• 發明（設計）人: 張瑩;趙雪;俞力;蘇麗麗;袁曉潔
• 申請（專利權）人: 南開大學
• 主分類號: G06F17/27
• 分類號: G06F17/27;G06F17/30;G06Q30/02
• 代理公司: 天津佳盟知識產權代理有限公司12002
• 代理人: 侯力

1.一種面向Twitter的社交廣告可投放性分析方法，其特征在于該方法包括如下步驟：

第1、構建多源Twitter語料庫；

定義1：社交網絡Twitter用戶發布的每一條內容為一條tweet；

定義2：當前tweet為實時獲得的每一條tweet，用符號C表示；

定義3：最近tweet以當前tweet的發布時間為基準，獲得的由該用戶于基準時間前一星期內發布的tweet的集合，用符號R表示；

定義4：歷史tweet以當前tweet的發布時間為基準，獲得的由該用戶于基準時間前兩星期至前一星期內發布的tweet的集合，用符號H表示；

定義5：好友評論tweet為Twitter用戶好友對當前tweet發布的評論tweet的集合，用符號F表示；

定義6：多源Twitter語料庫中tweet的四種不同來源，包括：當前tweet、最近tweet、歷史tweet和好友評論tweet，構成語料源，用符號s表示，其中s＝(C,R,H,F)；

定義7：多源Twitter語料庫中的每一條語料，用m表示；

定義8：多源Twitter語料庫中的所有語料的個數，用M表示；

第2、多源Twitter語料主題分析

定義9：一條tweet中的詞，用w表示；

定義10：關于一條tweet的隱含語義，稱為主題，用符號z表示；

定義11：對于多源Twitter語料庫，不同的語料來源對應的主題的構成有所不同，在每種語料源下，對應的所有可能的主題構成一個主題集合T，用4元組T＝(T_C,T_R,T_H,T_F)表示，其中：

①T_C表示當前tweet對應的主題集合；

②T_R表示最近tweet對應的主題集合；

③T_H表示歷史tweet對應的主題集合；

④T_F表示好友評論tweet對應的主題集合；

每一條tweet關于各個主題的出現概率，都構成一個概率分布；

定義12：每種語料源的所有tweet，關于對應主題集合中各個主題的概率構成tweet～主題概率分布，用符號θ表示；四種語料源下的所有tweet～主題概率分布θ，可以用4元組θ＝(θ_C,θ_R,θ_H,θ_F)表示，其中：

①θ_C表示當前tweet關于主題集合T_C中各個主題的概率分布；

②θ_R表示最近tweet關于主題集合T_R中各個主題的概率分布；

③θ_H表示歷史tweet關于主題集合T_H中各個主題的概率分布；

④θ_F表示好友評論tweet關于主題集合T_F中各個主題的概率分布；

定義13：對于每種語料源和主題集合中的所有主題，關于對應詞典中的所有詞，構成主題～詞概率分布用4元組表示；其中：

①表示當前T_C中各個主題關于詞典V_C中的各個詞的概率分布；

②表示當前T_R中各個主題關于詞典V_R中的各個詞的概率分布；

③表示當前T_H中各個主題關于詞典V_H中的各個詞的概率分布；

④表示當前T_F中各個主題關于詞典V_F中的各個詞的概率分布；

第3、社交廣告可投放性分類預處理

定義14：有社交廣告可投放性是根據twitter用戶發布的tweet，分析用戶消費意圖；如果該條tweet具備消費意圖，則該條tweet成為具有社交廣告可投放性，反之為不具有社交廣告可投放性；

第3.1、分類特征選擇

第3.1.1、對于多源Twitter語料庫下的每一條語料m，獲取主題概率分布4元組θ_s[m]＝(θ_C[m],θ_R[m],θ_H[m],θ_F[m])；

第3.1.2、對語料m的tweet～主題概率分布θ_s[m]按照概率值從大到小排序，得到排序后的4元組θ_s[m]；

定義15：在特征選擇過程中，保留的主題稱為目標主題，用K表示目標主題數；

第3.1.3、對于θ_s[m]中的每一個主題概率分布，只保留關于前K主題的概率值；

定義16：經過特征選擇后，多源Twitter語料庫的所有語料關于各個目標主題的概率分布，稱為目標主題分布，表示為4元組Θ_s＝(Θ_C,Θ_R,Θ_H,Θ_F)，其中：

①Θ_C表示當前tweet關于對應目標主題的概率分布；

②Θ_R表示最近tweet關于對應目標主題的概率分布；

③Θ_H表示歷史tweet關于對應目標主題的概率分布；

④Θ_F表示好友評論tweet關于對應目標主題的概率分布；

第3.1.4、對于主題集合中的每一個主題t，獲取關于對應詞典的詞的概率分布4元組

第3.1.5、對主題t的主題～詞概率分布按照概率值從大到小排序，得到排序后的4元組

定義17：在特征選擇過程中，保留的詞稱為目標詞，用N表示目標詞數；

第3.1.6、對于中的每一個詞概率分布，只保留前N個詞的概率值；

定義18：經過特征選擇后，所有主題關于各個目標詞的概率分布，稱為目標詞分布，表示為4元組Ψ_s＝(Ψ_C,Ψ_R,Ψ_H,Ψ_F)，其中：

①Ψ_C表示主題集合T_C關于對應目標詞的概率分布；

②Ψ_R表示主題集合T_R關于對應目標詞的概率分布；

③Ψ_H表示主題集合T_H關于對應目標詞的概率分布；

④Ψ_F表示主題集合T_F關于對應目標詞的概率分布；

第3.2、特征提取

第3.2.1、對于每種語料源s＝(C,R,H,F)下的每條語料m，建立哈希表Ω，初始為空；

第3.2.2、對于每條語料m：

①遍歷目標主題分布Θs[m]中的每一項，記下該項對應的目標主題及目標主題概率，記為(t,p)；

②再根據遍歷到的每一個主題t，獲取該主題對應的目標詞及目標詞概率，記為(w,q)；

③計算概率值的乘積：p*q；

④在對應哈希表Ω中查找詞w，若查找失敗，則將詞w并概率值乘積p*q一并插入到Ω；若w已存在于Ω中，則將對應位置處的概率值增加p*q；

第3.3、特征表示

掃描哈希表Ω中的每一個詞w，建立詞典υ，表示為4元組υ＝(υ_C,υ_R,υ_H,υ_F)；其中：

①υ_C表示當前tweet對應的高語義關聯詞構成的詞典，詞典中詞的個數記為|υ_C|；

②υ_R表示最近tweet對應的高語義關聯詞構成的詞典，詞典中詞的個數記為|υ_R|；

③υ_H表示歷史tweet對應的高語義關聯詞構成的詞典，詞典中詞的個數記為|υ_H|；

④υ_F表示好友評論tweet對應的高語義關聯詞構成的詞典，詞典中詞的個數記為|υ_F|；

定義19：語料m對應的tweet～詞概率向量，稱為社交廣告可投放性分類特征向量；

第4、構建社交廣告可投放性分類器

第4.1、根據社交廣告可投放性分類特征向量，構造線性回歸函數如下：

h_π(x)＝π₀X₀+π₁X₁+…+π_nX_n

定義20：社交廣告可投放性分類特征向量[X₀,X₁,…,X_n]的系數[π₀,π₁,…,π_n]稱為特征權重參數；

定義21：將線性回歸函數h_π(x)代入邏輯方程:，邏輯方程的定義為：

g(x)＝exp(x)/(1+exp(x))；

第4.2、將線性回歸函數h_π(x)代入邏輯方程g(x)以進行歸一化，替換其中的變量x得到：

g(h_π(x))＝exp(h_π(x))/(1+exp(h_π(x)))

＝exp(π₀X₀+π₁X₁+…+π_nX_n)/(1+exp(π₀X₀+π₁X₁+…+π_nX_n))；

第4.3、利用牛頓迭代法獲得特征權重參數的訓練值[π₀,π₁,…,π_n]；

第4.4、設置社交廣告可投放性分類閾值，由于邏輯方程g(x)的閾值為[0,1]，因此，根據實驗經驗，可以將社交廣告可投放性分類閾值設置為g(x)的中間值0.5；

第4.5、對于多源Twitter語料庫中的每一條語料m，利用特征權重參數的訓練值[π₀,π₁,…,π_n]計算歸一化后的線性回歸函數g(h_π(x))，與閾值進行比較：如果大于閾值，則判定為具有社交廣告可投放性；否則判定為不具有社交廣告可投放性。