[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

本發明公開了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，包括：基于原始數據構建帶權時序文本網絡；針對帶權時序文本網絡，構建基于主題模型的生成模型；利用吉布斯采樣方法構建生成模型的推斷過程；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；根據提取出的信息，對用戶行為進行預測。本發明對時序文本網絡中的時間信息和權重信息了進行全新建模，考慮了網絡中邊的時間信息并對其進行了連續性建模，對帶權時序網絡進行了全面建模，有利于了解社區在時間尺度上的變化與發展與個人關于社區在時間尺度上的發展。

技術領域

本發明涉及到文本網絡探索式搜索領域，具體地，涉及到基于帶權時序文本網絡的時序社區以及話題的檢測方法。

背景技術

隨著大數據時代的來臨，意味著全球的數據量成井噴式的增長。而在線社交媒體作為數據量的來源之一，不管是博客，還是視頻分享網站以及社交網絡，在過去的半個十年里經歷了快速的增長。面對從如此大量的數據，要從中提取有意義的信息，而這些數據的內在的網絡結構是一種十分重要的提取依據。所以要去盡可能多的了解社交網絡結構。其中的一種方法是識別具有相同屬性或功能的節點組，這就是所熟悉的“社區發現”。

對于加權動態文本網絡，如在線社交媒體推特和學術引文/合著網絡。網絡結構中的節點在現實中的意義往往代表用戶，這些節點與幾個推送相聯系。用戶之間的聯系與他們之間的相關性的大小相關。每一個推送都被賦予了一個時間軸用來表示發布時間的先后順序。用戶與用戶之間的聯系也被賦予了幾個時間軸用來說明相互聯系的時間。

然而，對于這樣的網絡很難建立全面的模型，為了簡化計算，通常設邊的權重相等。對于一些少數的情況要將邊的權重考慮進去時，邊緣權重也僅用于計算和最大化/最小化圖的一些測量，從而可以檢測到社區網絡。因為邊的權重是社區網絡的一個重要特征，所以將邊的權重加入到本發明的生成模型中。另一個問題是如何利用動態的信息，在時間軸上進行分割，得到一個個用時間分割的子網絡，因為網絡在時間軸上的分布是連續的，所以如何分配分割的時間是一個棘手的問題。對于這個問題，并沒有采用將時間離散化的方式，相反采用連續分布的模型去模擬社區中用戶和用戶之間的關聯以及發布的信息。

發明內容

針對現有技術中的缺陷，本發明的目的是提供基于帶權時序文本網絡的時序社區以及話題的檢測方法。

為實現上述目的，本發明是根據以下技術方案實現的：

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，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。

上述技術方案中，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。

上述技術方案中，所述步驟S2包括以下步驟：

所步驟S201：對帶權時序文本網絡中的各個社區，執行如下步驟：