[發明專利]一種基于主題意見分析和意見領袖的網絡用戶影響關系的挖掘方法

有效

• 申請號: 201911367336.0
• 申請日: 2019-12-26
• 公開（公告）號: CN111159402B
• 公開（公告）日: 2023-06-30
• 發明（設計）人: 鄒新宇;吳曉曉;王暉
• 申請（專利權）人: 深圳大學
• 主分類號: G06F16/35
• 分類號: G06F16/35;G06F40/30;G06Q50/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

1.一種基于主題意見分析和意見領袖的挖掘社交網絡用戶影響關系方法，其特征在于，包括：

S10采集用戶行為產生的文本內容建立用戶群行為文本；

S20對用戶群行為文本進行主題意見分析得到t時刻趨近于無窮時刻的用戶群對K個主題恒穩態的意見分布

S30定義用戶間影響關系的矩陣權重W，為所有用戶在t時刻對主題k的意見分布，為所有用戶在t+1時刻對主題k的意見分布，建立用戶對主題意見由初始態轉為恒穩態的轉移模型：

S40將由初始態轉為恒穩態時意見不改變的用戶為意見領袖，由初始態轉為恒穩態時意見會改變的用戶為普通用戶，求解轉移模型中的普通用戶受意見領袖的影響關系B和普通用戶之間的影響關系D；

S50將普通用戶受意見領袖的影響關系B和普通用戶之間的影響關系D拼接得到用戶群用戶間影響關系W；

所述S40具體為：

視由初始態轉為恒穩態時意見不會改變的用戶為意見領袖，由初始態轉為恒穩態時意見會改變的用戶為普通用戶，從穩態意見分布劃分為穩態時意見領袖的意見分布和普通用戶的意見分布

矩陣X表示用戶群所有用戶在t→∞時刻對于網絡中所有K個主題的意見分布；

將用戶間影響關系的矩陣權重W劃分為普通用戶受意見領袖的影響關系B和普通用戶之間的影響關系D，即其中I為單位對角矩陣，單位對角矩陣中對角元素1表示意見領袖受自己的影響程度為1，不受其他意見領袖的影響，其他元素0表示意見領袖不受普通用戶的影響，即普通用戶對意見領袖的影響程度為0；

假設t趨向無窮，得到意見分布由恒穩態至初始態的關系：

利用矩陣分塊原理將公式(5)拆分公式(6)、(7)、(8)：

基于公式(1)、(6)、(7)、(8)，根據分塊矩陣乘法得到：

因為意見領袖的意見分布由初始態轉為恒穩態不會改變，故

由于：故Y＝(I-D)^-1·B·Z。

2.如權利要求1所述的基于主題意見分析和意見領袖的挖掘社交網絡用戶影響關系方法，其特征在于，所述意見領袖的選取方法包括：

將那些發表意見且被互動頻率高于預定值的用戶視為意見領袖；及

將用戶的意見分布進行聚類，離類中心最近的用戶視為意見領袖；及

為每個用戶提供一個利用專家知識計算出來的意識形態得分，得分偏激的用戶視為意見領袖。

3.如權利要求1所述的基于主題意見分析和意見領袖的挖掘社交網絡用戶影響關系方法，其特征在于，所述S20中主題意見分析的方法為：

通過使用概率生成法對用戶主題意見進行建模分析得到用戶主題意見模型，假設用戶群行為文本中包括K個主題，通過用戶主題意見模型求解用戶群的主題意見分布。

4.如權利要求1所述的基于主題意見分析和意見領袖的挖掘社交網絡用戶影響關系方法，其特征在于，所述用戶對主題意見的初始態為：用戶在t＝0時對主題所持有一個初始意見狀態；所述用戶對主題意見的恒穩態為：用戶在t→∞時觀測到其他用戶對主題的意見時，用戶根據其他用戶對自已的影響關系融合其他用戶對主題的意見，從而用戶對意見的初始態經過多輪融合后得到最終恒穩態的用戶主題意見。

5.如權利要求1所述的基于主題意見分析和意見領袖的挖掘社交網絡用戶影響關系方法，其特征在于，所述S50的方法具體為：

S501建立恒穩態時普通用戶意見分布的優化模型進行優化，得到優化后的B和D：

其中為F范數，是該優化問題的誤差項，||[B,D]||為L₁正則項，ρ為用于平衡誤差項和正則項的可調節參數，讓誤差值與正則項在求解B和D的過程中趨向相等，最終保證B和D的唯一性；

S502將優化得到的B和D，代入公式(4)，得到用戶間影響關系的矩陣權重W。