[發明專利]一種主題相關的影響力用戶發現和追蹤方法

有效

• 申請號: 201710488321.4
• 申請日: 2017-06-23
• 公開（公告）號: CN107145612B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 蘇森;張忠寶;王亞坤;常誠
• 申請（專利權）人: 北京郵電大學
• 主分類號: G06F16/951
• 分類號: G06F16/951;G06Q50/00
• 代理公司: 北京風雅頌專利代理有限公司 11403
• 代理人: 李莎;李弘

1.一種主題相關的影響力用戶發現和追蹤方法，其特征在于，包括：

建立TIT模型：獲取用戶的目標社交媒體中的文本數據、鏈接以及鏈接生成的時間數據，并建立所述TIT模型；

確定隱含參數：利用吉布斯抽樣，確定所述TIT模型中的隱含參數；其中，所述隱含參數包括用戶在主題上的多項式分布θ、主題在單詞上的多項式分布用戶在二元指示符y上的伯努利分布μ，主題在鏈接f和鏈接生成時間t上的多項式分布σ，以及主題無關的用戶影響力的多項式分布π；

分析用戶主題相關影響力分布：通過所述隱含參數和模型參數，得到不同時間在不同主題下的用戶主題相關影響力分布σ，得出用戶主題相關影響力隨時間的變化，從而得出當前時刻或之前任意時刻的用戶主題相關影響力；其中，所述模型參數包括：α、β、γ、ε和ρ，其中α、β、γ、ε分別為θ、σ、π的狄利克雷分布的超參數，ρ為μ的貝塔分布的超參數。

2.根據權利要求1所述的一種主題相關的影響力用戶發現和追蹤方法，其特征在于，所述TIT模型包括用戶-鏈接-時間模塊和用戶-單詞模塊；

所述用戶-鏈接-時間模塊對用戶u的鏈接f以及鏈接生成的時間t進行建模，將鏈接f生成時間t到當前時刻的時間段分成T'個時間片，其中u表示第u個用戶，u∈[1,U]，U為用戶的數量，同時，將整個鏈接網絡當做一個文檔，在該文檔中，鏈接f和鏈接的生成時間t的組合(f，t)被作為該文檔的單詞；所述用戶-鏈接-時間模塊包含一個上層的伯努利混合模型μ、一個下層的多項式混合模型σ以及一個下層的多項式混合模型π，其中，μ用來判斷f的生成是否是基于用戶u的主題興趣，通過μ生成二元指示符y，若y＝1，即f的生成是基于用戶u的主題興趣，則利用用戶u的主題x在(f，t)上的多項式分布σ來生成(f，t)；若y＝0，即f的生成并非基于用戶u的主題興趣，則利用全局的多項式分布π來生成(f，t)；

所述用戶-單詞模塊對用戶的目標社交媒體內容進行建模，將各個用戶的目標社交媒體內容分別整合為一個文檔，并對整合后的所有文檔利用LDA主題模型來發現用戶潛在的主題，從而得到用戶在主題上的多項式分布θ，以及主題在單詞上的多項式分布

3.根據權利要求1所述的一種主題相關的影響力用戶發現和追蹤方法，其特征在于，所述TIT模型的生成過程為：利用用戶u的主題分布θ_u，生成一個單詞分布主題z_u,m，利用單詞分布主題z_u,m在單詞上的分布生成單詞w_u,m；同時，利用用戶u的伯努利分布μ_u生成二元指示符y_u,l，確定用戶u在時刻t_u,l生成的鏈接f_u,l是否是基于用戶u的主題興趣，若y_u,l＝1，則從用戶u的主題分布θ_u中生成一個鏈接分布主題x_u,l，并利用主題-鏈接-時間多項式分布σ_u,l生成f_u,l和t_u,l；若y_u,l＝0，則利用與主題無關的全局的多項式分布π生成f_u,l和t_u,l；其中，u表示第u個用戶，u∈[1,U]，U為用戶的數量，m表示用戶u的第m個單詞，m∈[1,N_u]，N_u為用戶u的單詞數量，l表示用戶u的第l個鏈接，l∈[1,L_u]，L_u為用戶u的鏈接數量。