[發(fā)明專利]基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810231543.2
• 申請(qǐng)日: 2018-03-20
• 公開（公告）號(hào): CN108596205B
• 公開（公告）日: 2022-02-11
• 發(fā)明（設(shè)計(jì)）人: 吳渝;張宏斌;李紅波;儲(chǔ)偉;林江鵬;艾偉東
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F40/289;G06Q50/00
• 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: 劉小紅;陳棟梁

1.一種基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1：從數(shù)據(jù)中提取用戶基本特征、微博基本特征；

步驟2：通過已提取的用戶及微博基本特征計(jì)算用戶活躍度、用戶的親密程度、基于主題地域相關(guān)因子的用戶興趣度；

步驟3：對(duì)步驟2的包括用戶活躍度、用戶的親密程度、基于主題地域相關(guān)因子的用戶興趣度在內(nèi)的多維數(shù)據(jù)特征進(jìn)行特征篩選；

步驟4：篩選后的特征組通過稀疏表示分類算法進(jìn)行轉(zhuǎn)發(fā)預(yù)測(cè),得到最終預(yù)測(cè)結(jié)果；

所述步驟2中用戶興趣度引入主題地域相關(guān)因子，

融入主題地域相關(guān)因子的用戶興趣度表示為：

其中，I表示用戶興趣度，S表示興趣相近度，T表示主題地域相關(guān)因子；

所述主題地域相關(guān)因子計(jì)算公式為：

其中，Z_m表示微博m的主題詞語(yǔ)集合，∩表示交集，R表示接收用戶的所在地區(qū)；

所述興趣相近度為

其中，H表示用戶興趣空間，J表示新微博特征空間，∪表示并集。

2.根據(jù)權(quán)利要求1所述的基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，所述步驟1從數(shù)據(jù)中提取用戶基本特征、微博基本特征具體包括：

步驟1.1：提取用戶基本特征：用戶昵稱、用戶所在地、用戶姓名、用戶粉絲數(shù)、用戶關(guān)注數(shù)、用戶微博數(shù)、用戶創(chuàng)建時(shí)間；

步驟1.2：提取微博發(fā)布時(shí)間、微博具體內(nèi)容、微博是否為轉(zhuǎn)發(fā)、是否分享圖片、是否含有鏈接、微博來源、微博轉(zhuǎn)發(fā)數(shù)、微博評(píng)論數(shù)以及微博被贊數(shù)。

3.根據(jù)權(quán)利要求1所述的基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，所述步驟2用戶的親密程度為

所述用戶活躍度為

其中，PA為發(fā)表活躍度，RA為轉(zhuǎn)發(fā)活躍度，n為用戶在時(shí)間t內(nèi)發(fā)表的微博數(shù)量，r_i為用戶第i天轉(zhuǎn)發(fā)的微博數(shù)量，p_i為用戶第i天發(fā)送的數(shù)量。

4.根據(jù)權(quán)利要求1所述的基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，所述主題地域相關(guān)因子采用隱含狄利克雷主題模型LDA，生成文檔的主題詞；

根據(jù)隱含狄利克雷分布主題模型的生成過程，詞語(yǔ)w_m,n的生成概率為：

θ_m表示文檔m的主題分布，表示主題k的詞分布，t表示詞語(yǔ)t，w_m,n表示文檔m的第n個(gè)詞語(yǔ)，z_m,n表示為微博m的第n個(gè)單詞的主題；

而LDA模型生成文檔m及產(chǎn)生N_m個(gè)單詞的生成概率為：

α表示文檔中隱含主題間的強(qiáng)弱關(guān)系，β表示隱含主題的概率分布，表示文檔m中第n個(gè)單詞的詞分布，多篇微博文檔形成語(yǔ)料集，似然計(jì)算如下：

以每個(gè)用戶發(fā)布的微博內(nèi)容為文本語(yǔ)料，先進(jìn)行預(yù)處理，再訓(xùn)練微博主題模型找出核心詞語(yǔ)，預(yù)處理流程為，先根據(jù)“結(jié)巴分詞”對(duì)源內(nèi)容進(jìn)行分詞，其次去除停用詞和標(biāo)點(diǎn)符號(hào)，接著英語(yǔ)單詞詞干化，設(shè)置參數(shù)α，β，K從而構(gòu)建主題模型，K表示主題數(shù)量。

5.根據(jù)權(quán)利要求1所述的基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，所述步驟3是采用主成分分析方法對(duì)已有特征數(shù)據(jù)降維去噪。

6.根據(jù)權(quán)利要求1所述的基于地域相關(guān)因子與稀疏表示的微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其特征在于，所述步驟4篩選后的特征組通過稀疏表示分類算法進(jìn)行轉(zhuǎn)發(fā)預(yù)測(cè),得到最終預(yù)測(cè)結(jié)果，具體包括：

稀疏表示分類SRC是通過借助超完備字典，用盡可能少的信號(hào)來表示原有信號(hào)，其中許多數(shù)值約為零的系數(shù)被丟棄，并通過最小重構(gòu)誤差來分類；

min||x||₀ subject to Ax＝y(tǒng) (11)

其中，||x||₀表示x中非零元素的個(gè)數(shù)，A為字典，y為待處理信號(hào)，通過L₀范數(shù)表示稀疏性，在計(jì)算實(shí)現(xiàn)上復(fù)雜，因此將L₀范數(shù)轉(zhuǎn)換為L(zhǎng)₁范數(shù)處理，如式(12)；

min||x||₁ subject to Ax＝y(tǒng) (12)

因此，L₁范數(shù)的求解可以轉(zhuǎn)變?yōu)樽顑?yōu)凸近似問題，可以通過L₁正則近似得到，如式(13)：

式(13)是數(shù)理模型中的Lasso問題，可以看做是正則最小二乘問題；

SRC分類算法流程如下：

1)輸入訓(xùn)練樣本集A＝[A₁,A₂,...,A_k]∈R^m*n，測(cè)試樣本y∈R^m；

2)歸一化矩陣A的列，為L(zhǎng)₂范式；

3)解決L₁范式最小化問題：

min||x||₁subject to||Ax-y||₂≤ε，其中ε為重構(gòu)誤差值；

4)計(jì)算殘差：r_i(y)＝||y_r-Aδ_i(x)||₂＝||y_r-ε-Aδ_i(x)||₂，i＝1,2，其殘差最小的i，則i為y的分類。