[發(fā)明專利]一種基于信息增益和BP神經(jīng)網(wǎng)絡(luò)的熱門微博預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201610880756.9
• 申請日: 2016-09-28
• 公開（公告）號: CN107870957A
• 公開（公告）日: 2018-04-03
• 發(fā)明（設(shè)計）人: 鄭志蘊;江國林;張行進(jìn);王振飛;李鈍
• 申請（專利權(quán)）人: 鄭州大學(xué)
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術(shù)領(lǐng)域

本發(fā)明涉及社交網(wǎng)絡(luò)與輿情分析領(lǐng)域，具體地說，涉及一種基于信息增益與BP神經(jīng)網(wǎng)絡(luò)的熱門微博預(yù)測方法。

背景技術(shù)

隨著Web2.0的迅速發(fā)展，微博已經(jīng)成為現(xiàn)代社會最重要的新媒體平臺之一。據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心CNNIC發(fā)布的第37次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》顯示，截至2015年12月底，我國微博用戶規(guī)模達(dá)到2.31億，網(wǎng)民使用率為33.5％。龐大的用戶群、短小精悍的內(nèi)容和豐富多樣的表現(xiàn)形式使得微博具有強大的傳播性與互動性。微博已經(jīng)成為了信息發(fā)布的重要渠道、網(wǎng)絡(luò)營銷的重要手段和網(wǎng)絡(luò)輿情的重要載體，對國家安全和社會發(fā)展都產(chǎn)生了深遠(yuǎn)的影響。相比普通微博，熱門微博能夠得到更大量的傳播和更廣泛的關(guān)注，因此分析熱門微博的影響因素并對熱門微博進(jìn)行預(yù)測研究，對于企業(yè)的產(chǎn)品推廣和營銷、政府的輿情監(jiān)控和引導(dǎo)，都具有重要的意義。

發(fā)明內(nèi)容

本發(fā)明目的在于設(shè)計了一種基于信息增益與BP神經(jīng)網(wǎng)絡(luò)的熱門微博預(yù)測方法，對微博的內(nèi)容特征、博主特征、傳播特征進(jìn)行分析，并從中提取關(guān)鍵特征，將信息增益算法和BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合，利用微博的內(nèi)容和博主特征來預(yù)測該微博能否成為熱門微博。通過該 方法可以對剛發(fā)布的微博熱度進(jìn)行及時預(yù)測，為微博營銷和輿情引導(dǎo)提供支撐信息。

本發(fā)明采用的技術(shù)方案如下：

本發(fā)明提供一種基于信息增益與BP神經(jīng)網(wǎng)絡(luò)的熱門微博預(yù)測方法，包括以下步驟：

1、特征分析：將微博分為內(nèi)容特征、博主特征和傳播特征三大特征，并根據(jù)微博的傳播規(guī)律，分析得到微博的內(nèi)容和博主特征決定其傳播特征，微博的傳播特征決定微博的熱度。

2、傳播特征提?。哼x取轉(zhuǎn)發(fā)數(shù)、點贊數(shù)、評論數(shù)、平均轉(zhuǎn)發(fā)數(shù)、平均點贊數(shù)、平均評論數(shù)作為研究對象，分別做出熱門微博與非熱門微博的上述特征的累積分布函數(shù)曲線對比，提取微博傳播的關(guān)鍵特征，對微博的熱度進(jìn)行度量。

3、內(nèi)容特征提取：(1)對微博文本進(jìn)行處理，對微博文本進(jìn)行分詞、去停用詞，從中挖掘關(guān)鍵詞并統(tǒng)計相應(yīng)詞頻；(2)忽略內(nèi)嵌外部鏈接(URL)，在實際微博應(yīng)用中，網(wǎng)頁鏈接很少，而且由于跳轉(zhuǎn)的等待時間較長，安全性不能保證，大多數(shù)人不愿意打開，忽略后能夠盡可能的消除網(wǎng)頁交互的噪聲數(shù)據(jù)。(3)綜合考慮微博文本中的圖片、視頻、長微博、表情、話題(“#主題名#”)等用戶自定義標(biāo)簽，將微博文本指標(biāo)化。

4、博主特征提?。簭牟┲鞯拈L期和近期影響力兩方面出發(fā)，選取博主的粉絲數(shù)、最近微博被轉(zhuǎn)發(fā)數(shù)、被點贊數(shù)、被評論數(shù)等特征，同時為了消除指標(biāo)之間的量綱影響，需要進(jìn)行歸一化 處理，以解決特征指標(biāo)之間的可比性。

5、利用信息增益算法，推導(dǎo)微博的熱度計算公式：信息增益算法是一種基于信息熵的評估方法，可以衡量一個特征區(qū)分?jǐn)?shù)據(jù)樣本的能力。設(shè)U是具有t個特征t₁，t₂，…，t_t的數(shù)據(jù)集，劃分為m個不同類別C₁，C₂，…，C_m，對某個特征t_i的可能取值為x₁，x₂，…，x_n，則該特征的信息增益計算公式如下：

根據(jù)各特征的信息增益，可以計算該特征對于類別劃分的貢獻(xiàn)和權(quán)值。某特征t_i的權(quán)值w_i的計算公式如下：

其中G_mean為所有特征的平均增益值。

在微博的傳播特征中，不同特征對于微博熱度的區(qū)分度不同，因此對于微博熱度的權(quán)重也不同。本發(fā)明采用信息增益算法定量計算各傳播特征對于微博熱度的權(quán)值，進(jìn)而推導(dǎo)微博的熱度計算公式。

6、建立BP神經(jīng)網(wǎng)絡(luò)模型推算微博熱度：微博的傳播特征是在傳播過程中逐漸產(chǎn)生，微博的內(nèi)容和博主特征決定其傳播特征，因此采用微博的內(nèi)容和博主特征對微博的傳播特征進(jìn)行預(yù)測。應(yīng)用1986年由Rumelhart和McCelland為首的科學(xué)家小組提出的BP神經(jīng)網(wǎng)絡(luò)模型，利用BP神經(jīng)網(wǎng)絡(luò)非線性映射能力和自學(xué)習(xí)自適應(yīng)的特點，對微博熱度進(jìn)行預(yù)測。

7、在實際微博網(wǎng)絡(luò)中進(jìn)行實證統(tǒng)計實驗，以此確定模型的重 要參數(shù)，并根據(jù)微博熱度預(yù)測該微博能否成為熱門微博。

有益效果：

1、對微博特征進(jìn)行分類，并根據(jù)微博的傳播規(guī)律，充分發(fā)掘微博特征之間的關(guān)系。