[發明專利]基于帶權時序文本網絡的時序社區以及話題的檢測方法

有效

• 申請號: 201710625669.3
• 申請日: 2017-07-27
• 公開（公告）號: CN107515854B
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 賈雨葶;黃壵瑋;黃穎;汪博;廖一鳴;邱杰霖;林順達;倪濤;林特;顧健喆;傅洛伊;王新兵
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F40/35
• 分類號: G06F40/35;G06F16/36;G06N5/04;G06Q50/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

1.一種基于帶權時序文本網絡的時序社區以及話題的檢測方法，其特征在于，包括如下步驟：

步驟S1：基于原始數據構建帶權時序文本網絡；

步驟S2：針對帶權時序文本網絡，構建基于主題模型的生成模型；

步驟S3：利用吉布斯采樣方法構建生成模型的推斷過程；

步驟S4：根據模型的推斷過程，對帶權時序文本網絡進行訓練，提取出社區信息、主題信息、社區與主題的對應關系、用戶在社區內影響力與參與度隨時間變化特性；

步驟S5：根據提取出的信息，對用戶行為進行預測；

所述步驟S1包括以下步驟：

步驟S101：根據原始數據中的信息構建節點和邊；

步驟S102：對文章節點添加語義信息和時間標記，對邊添加權重和時間標記；

步驟S103：定義社區和社區特征；

步驟S104：定義主題和主題特征；

所述步驟S2包括以下步驟：

步驟S201：對帶權時序文本網絡中的各個社區，執行如下步驟：

基于狄利克雷超參數α生成第c個社區的主題分布的多項式參數θ_c；其中，α是θ_c所服從的狄利克雷分布的參數，c為正整數；

基于伽馬分布超參數λ生成第c個社區和第c′個社區之間產生邊的概率的泊松分布參數η_cc′；其中，λ是η_cc′所服從的狄利克雷分布的參數；c和c′為正整數；

步驟S202：對帶權時序文本網絡中的各個主題，執行如下步驟：

基于狄利克雷超參數β生成第k個主題到詞的分布的多項式參數φ_k；其中，β是φ_k所服從的狄利克雷分布的參數，k為正整數；

步驟S203：對帶權時序文本網絡中的各個用戶，執行如下步驟：

基于狄利克雷超參數ρ生成第i個用戶到社區的分布的多項式參數π_i；其中，ρ是π_i所服從的狄利克雷分布的參數；i為正整數；

步驟S204：對帶權時序文本網絡中的各個用戶的各個文章，執行如下步驟：

基于多項式參數π_i，生成第i個用戶的第j篇文章所屬的社區c_ij；其中i，j，c_ij為正整數；

基于多項式參數生成第i個用戶的第j篇文章的主題z_ij；其中i，j，z_ij為正整數；

基于貝塔參數生成第i個用戶的第j篇文章屬于社區c_ij和主題z_ij時的時間t_ij，其中i，j，c_ij，z_ij，t_ij為正整數；

基于多項式參數生成第i個用戶的第j篇文章的第1個詞w_ijl；其中i，j，l為正整數；

步驟S205：對帶權時序文本網絡中的每條邊，執行如下步驟：

基于多項式參數π_i，生成邊的起點的用戶i的社區g_ii′；其中i，g_ii′為正整數；

基于多項式參數π_i′，生成邊的終點的用戶i′的社區g′_ii′；其中i′，g′_ii′為正整數；

基于泊松參數生成邊(i，i′)的權重e_ii′；

基于貝塔參數生成出邊(i，i′)的入時刻s_ii′m；

基于貝塔參數生成出邊(i，i′)的出時刻s′_ii′m。