[發(fā)明專利]微博用戶興趣推理方法及裝置

在審

• 申請?zhí)枺?/td>: 201610053718.6
• 申請日: 2016-01-26
• 公開（公告）號: CN105740366A
• 公開（公告）日: 2016-07-06
• 發(fā)明（設(shè)計）人: 王岢;徐曉飛;葉允明;李小宜;劉廣建
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)深圳研究生院
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06F17/27
• 代理公司: 深圳市科吉華烽知識產(chǎn)權(quán)事務(wù)所(普通合伙) 44248
• 代理人: 孫偉

1.一種建立微博用戶興趣推理模型的方法，其特征在于：所述方法包括(1)用戶個人標簽的獲取與計算，(2)用戶微博內(nèi)容的興趣關(guān)鍵詞提取，(3)提取基于社會化網(wǎng)絡(luò)的興趣標簽，最后對上述三個方面的興趣特征進行融合，建立用戶的興趣模型：

M＝αM_tags+βM_content+γM_relation

其中0≤α，β，γ≤1，且α+β+γ＝1，M_tags是博主的標簽通過計算得到的博主興趣點模型，M_content是博主微博的內(nèi)容提取出來的興趣關(guān)鍵詞，M_relation是基于博主的關(guān)注列表提取的博主興趣點模型；M_tags的模型計算主要是提取當(dāng)前博主的Tags標簽，并利用標簽自帶的權(quán)重值進行歸一化處理；M_content的提取關(guān)鍵詞的計算包括：微博文本的預(yù)處理，分詞、同義詞計算進行話題分類，微博內(nèi)容擴充，關(guān)鍵詞提取以及權(quán)重計算；M_relation采用標簽傳播算法計算，所述標簽傳播算法是利用已標注好的節(jié)點標簽信息去評測尚未標記節(jié)點的標簽信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述微博內(nèi)容擴充分為兩種方式：一是對該用戶的微博進行分類聚類處理，從微博平臺收集具有相同話題或相似話題的微博歸為博主的微博數(shù)據(jù)文本數(shù)據(jù)集中；二是利用WBUserRank算法尋找與當(dāng)前博主關(guān)系最為密切的那些博主的部分微博混合集作為當(dāng)前博主的微博文本集。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于：對融合后的主題模型的關(guān)鍵詞提取，采用計算主題內(nèi)關(guān)鍵詞的相似性的方法，選取權(quán)重較大的有代表性的詞作為關(guān)鍵詞。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于：博主A經(jīng)過標簽傳播算法可以表示成：

MA=Σi=1nMAi×WBUR(Ai)×UNI(Ai)n]]>

其中M_A表示待標注的博主A的興趣標簽?zāi)Ｐ头柋硎荆硎静┲鰽的關(guān)注列表中第i個被關(guān)注的博主的興趣模型，WBUR(A_i)表示A_i在節(jié)點排名算法中的重要性，UNI(A_i)表示博主節(jié)點自身的重要度。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于：根據(jù)博主的粉絲數(shù)/關(guān)注數(shù)比率判斷博主的影響力，根據(jù)發(fā)布微博數(shù)和注冊時間衡量博主的活躍度，若博主的影響力大，則適當(dāng)提高α，β的值，降低γ的值；若博主自身影響力較小，且微博內(nèi)容大多都是轉(zhuǎn)發(fā)、評論等，則適當(dāng)提高γ的值，降低α，β的值；個人標簽、微博內(nèi)容和關(guān)注興趣模型這三者之間，若不存在相似性，則適當(dāng)增加γ的值，降低α，β的值，若其中兩者之間有相似性，則提高兩個模型對應(yīng)的參數(shù)值，降低另外一個參數(shù)值。

6.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述模型采用加權(quán)關(guān)鍵詞進行表示。

7.一種建立微博用戶興趣推理模型的裝置，其特征在于：所述裝置包括：用于用戶個人標簽的獲取與計算的模塊，提取當(dāng)前博主的Tags標簽，并利用標簽自帶的權(quán)重值進行歸一化處理；

用于用戶微博內(nèi)容的興趣關(guān)鍵詞提取的模塊，對微博文本的預(yù)處理，分詞、同義詞計算進行話題分類，微博內(nèi)容聚類擴展，關(guān)鍵詞提取以及權(quán)重計算；

用于提取基于社會化網(wǎng)絡(luò)的興趣標簽的模塊，采用標簽傳播算法計算，所述標簽傳播算法是利用已標注好的節(jié)點標簽信息去評測尚未標記節(jié)點的標簽信息；

用于進行興趣特征融合的模塊，建立用戶的興趣模型：

M＝αM_tags+βM_content+γM_relation

其中0≤α，β，γ≤1，且α+β+γ＝1，M_tags是博主的標簽通過計算得到的博主興趣點模型，M_content是博主微博的內(nèi)容提取出來的興趣關(guān)鍵詞，M_relation是基于博主的關(guān)注列表提取的博主興趣點模型。