[發明專利]一種融合用戶時間信息的微博客用戶影響力排名方法

有效

• 申請號: 201810281738.8
• 申請日: 2018-04-02
• 公開（公告）號: CN108460499B
• 公開（公告）日: 2022-03-08
• 發明（設計）人: 廖祥文;陳國龍;張凌鷹;楊定達
• 申請（專利權）人: 福州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/00;G06K9/62
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 蔡學俊;薛金才

1.一種融合用戶時間信息的微博客用戶影響力排名方法，其特征在于，包括以下步驟：

步驟S1：對微博客用戶進行特征化處理；

步驟S2：根據微博客用戶特征對所有用戶集進行聚類，得到微博客中的潛在有影響力用戶集；

步驟S3：對潛在有影響力用戶集構建特定話題領域下的張量影響力模型；

步驟S4：對張量影響力模型進行分解，在張量分解的過程中加入考慮與用戶信息擴散能力相關的時間特征約束，重構新的張量影響力模型；

步驟S5：根據重構的張量影響力模型預測用戶的影響力得分；

步驟S6：根據用戶的影響力得分從高到低排序，得到用戶的影響力排名結果并輸出；

其中，所述步驟S2具體包括：

定義聚類模塊的每個聚類輸入樣本為y_a＝[y_a1,y_a2,y_a3,y_a4]，其中，y_a1、y_a2、y_a3和y_a4分別表示I_l(u_pi)和I_c(u_pi)，指定聚類模型的聚類中心C_f，其中f是所有聚類中心的個數，每個聚類中心也對應四個特征，C_s＝[c_s1,c_s2,c_s3,c_s4]，對于聚類模型，有如下損失函數：

其中，Y為輸入樣本集合，Y＝{y₁,y₂,...,y_e}，e表示輸入樣本的個數，下標i表示樣本中的特征位置，下標j表示權重所在網絡的層序，w_ij是網絡聚類模型中不同層間的鏈接權，C_s是輸入樣例y_a當前所屬的聚類中心，在聚類過程中采用隨機梯度下降法對每一個連接權w_ij的權值進行更新，更新過程如下：

其中，η是學習率，表示連接權w_ij的梯度，其計算公式如下：

則w_ij^(t+1)＝w_ij^(t)-η(w_ij^(t)y_ei²-y_eic_si)

在每一輪權值更新結束時，對每一個聚類中心進行更新，更新規則如下：

其中，是一個關于C_s的指示函數，如果樣本y_a所屬的聚類的中心是C_s，那么其結果為1，反之為0，分母是一個計數函數，其結果表示當前更新輪次中，輸入樣本在簇類中心為C_s的簇中的個數。