[發(fā)明專利]一種熱點(diǎn)話題下多消息互影響的用戶行為預(yù)測系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201711380240.9
• 申請(qǐng)日: 2017-12-20
• 公開（公告）號(hào): CN108229731B
• 公開（公告）日: 2021-03-23
• 發(fā)明（設(shè)計(jì)）人: 肖云鵬;李凈樺;劉紅;李暾;李茜;劉宴兵
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 李金蓉

1.一種熱點(diǎn)話題下多消息互影響的用戶行為預(yù)測系統(tǒng)，其特征在于，包括：獲取數(shù)據(jù)模塊、解析屬性模塊、構(gòu)建模型模塊及預(yù)測分析模塊，其中

獲取數(shù)據(jù)模塊，用于通過社交網(wǎng)絡(luò)獲取并統(tǒng)計(jì)數(shù)據(jù)，包括某話題下的多條消息、參與了這些消息的用戶和用戶的相關(guān)屬性；

解析屬性模塊，用于將獲取到的社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分析，分別從內(nèi)部影響因素和外部影響因素來提取相關(guān)屬性，內(nèi)部影響因素即用戶個(gè)人特征屬性，外部影響因素即多消息之間相互影響屬性；

構(gòu)建模型模塊，用于將用戶自身的若干屬性和多消息之間的相互影響屬性作為輸入，輸入層節(jié)點(diǎn)數(shù)為7，輸出用戶是否參與話題，故輸出層節(jié)點(diǎn)數(shù)為，按照專家經(jīng)驗(yàn)，取輸入層節(jié)點(diǎn)數(shù)與輸出層節(jié)點(diǎn)數(shù)之積開平方作為隱含層節(jié)點(diǎn)個(gè)數(shù)，將BP神經(jīng)網(wǎng)絡(luò)中隱含層的節(jié)點(diǎn)個(gè)數(shù)設(shè)為3，然后不斷調(diào)整輸入層與隱含層之間的連接權(quán)重，確定好權(quán)重之后即對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到用戶是否會(huì)參與話題下多消息的參與預(yù)測模型；

預(yù)測分析模塊，將輸入數(shù)據(jù)輸入到參與預(yù)測模型進(jìn)行用戶是否會(huì)參與該話題下其他消息的預(yù)測，通過分析得到的預(yù)測結(jié)果量化熱點(diǎn)話題下消息間的相關(guān)性；

所述構(gòu)建模型模塊主要包括以下處理步驟：S31：對(duì)抓取到的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，按照用戶自身特征屬性和多消息之間相互影響屬性進(jìn)行量化；

S32：根據(jù)抓取到的數(shù)據(jù)對(duì)應(yīng)輸入層各個(gè)屬性的函數(shù)值，以及組成是否會(huì)參與該話題下其他消息的結(jié)果集，在結(jié)果集中選取部分已得到的結(jié)果用來訓(xùn)練數(shù)據(jù)，同時(shí)剩下的未知的結(jié)果用來測試數(shù)據(jù)；

S33：根據(jù)專家經(jīng)驗(yàn)，將學(xué)習(xí)率η設(shè)定為0.1，同時(shí)在(0,1)的范圍內(nèi)隨機(jī)初始化網(wǎng)絡(luò)中所有連接權(quán)和閾值；利用輸入的屬性，訓(xùn)練數(shù)據(jù)和BP算法進(jìn)行模型擬合；

S34：根據(jù)當(dāng)前參數(shù)以及公式其中f表示激活函數(shù)，計(jì)算當(dāng)前樣本的輸出其中表示第k個(gè)訓(xùn)練例實(shí)際輸出的第j維；β_j表示輸出層第j個(gè)神經(jīng)元接收到的輸入值；θ_j表示輸出層第j個(gè)神經(jīng)元的閾值；

S35：然后利用訓(xùn)練例的實(shí)際輸出值和期望輸出值計(jì)算輸出層神經(jīng)元的梯度項(xiàng)g_j，其計(jì)算公式如下：

在式1中，表示訓(xùn)練例的實(shí)際輸出值；表示訓(xùn)練例的期望輸出值；

S36：利用隱含層和輸出層的數(shù)據(jù)計(jì)算隱含層神經(jīng)元的梯度項(xiàng)e_h，其計(jì)算公式如下：

在式2中，b_h表示隱含層第h個(gè)神經(jīng)元的輸出；l表示輸出神經(jīng)元的個(gè)數(shù)；ω_hj表示隱含層第h個(gè)神經(jīng)元與輸出層第j個(gè)神經(jīng)元之間的連接權(quán)；

S37：然后根據(jù)求得的梯度項(xiàng)和訓(xùn)練集的輸入進(jìn)行更新連接權(quán)ω_hj，v_ih與閾值θ_j，γ_h；其中v_ih表示輸入層第i個(gè)神經(jīng)元與隱含層第h個(gè)神經(jīng)元之間的連接權(quán)重；γ_h表示隱含層第h個(gè)神經(jīng)元的閾值；

S38：更新迭代過程循環(huán)進(jìn)行，直到訓(xùn)練誤差達(dá)到設(shè)定值；

S39：若S37達(dá)到停止條件，則輸出更新后的參數(shù)集合的值，即模型擬合完成，若沒有達(dá)到，轉(zhuǎn)到S34。

2.根據(jù)權(quán)利要求1所述的熱點(diǎn)話題下多消息互影響的用戶行為預(yù)測系統(tǒng)，其特征在于，所述獲取數(shù)據(jù)模塊中，多條消息的相關(guān)數(shù)據(jù)包括消息發(fā)表時(shí)間、轉(zhuǎn)發(fā)路徑，以及平均消息影響力；用戶參與行為數(shù)據(jù)包括參與用戶的個(gè)人信息及歷史行為數(shù)據(jù)。