[發明專利]基于多元回歸分析的社交網絡影響因子確定方法及系統

在審

• 申請號: 202010100739.5
• 申請日: 2020-02-18
• 公開（公告）號: CN111260492A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 張金福;黃雪晴;鄧鏈
• 申請（專利權）人: 上海應用技術大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于多元回歸分析的社交網絡影響因子確定方法，其特征在于，包括如下步驟：

步驟S1：建立社會網絡數據庫，所述社會網絡數據庫包括網絡中心度數據集合、網絡穩定性數據集合以及網絡結構洞數據集合；

步驟S2：獲取目標影響因素數據，對所述目標影響因素數據進行與所述網絡中心度數據、所述網絡穩定性數據以及網絡結構洞數據進行多元回歸分析且生成第一回歸模型；

步驟S3：獲取所述第一回歸模型的回歸系數，當所述回歸系數顯著時，則輸出第一關聯信息。

2.根據權利要求1所述的基于多元回歸分析的社交網絡影響因子確定方法，其特征在于，

所述網絡中心度數據集合A為：

A＝{(famous₁，time₁，length₁)，(famous₂，time₂，length₂)，……，(famous_n，time_n，length_n)}，其中(famous_n，time_n，length_n)中famous_n表示節點n的知名度，time_n表示節點n與任意節點的合作次數，length_n表示節點n與其他節點的合作周期；

網絡穩定性數據集合B為

B＝{(length₁，Contract₁，NewM₁)，(length₂，Contract₂，NewM₂)，......(length_n，Contract_n，NewM_n)}，其中length_n表示節點n與任意節點的合作周期，Contract_n表示節點n與任意節點簽訂的合作協議數量，NewM₂表示與節點n預設定時間后新建立合作關系的節點數量；

網絡結構洞數據集合C為

C＝{(point₁，number₁，value₁)，(point₂，number₂，value)，……，(point_n，number_n，value_n)}，其中(point_n，number_n，value_n)中point_n表示節點n的掌握任意的節點的目標信息數量，number_n表示節點n與任意節點的鏈接數量，value_n表示節點n掌握信息的價值。

3.根據權利要求2所述的基于多元回歸分析的社交網絡影響因子確定方法，其特征在于，所述知名度的采用詞頻比例表示，具體為：

其中，R_it為節點i的名稱在公元t年代的詞頻比例，也即知名度；C_it表示節點i在公元t年出現次數，C_t為在公元t年中關于該節點在一網絡數據庫檢索出的所有信息。

4.根據權利要求1所述的基于多元回歸分析的社交網絡影響因子確定方法，其特征在于，還包括如下步驟：

步驟N1：對利用式學習數據與所述網絡中心度數據、所述網絡穩定性數據以及網絡結構洞數據進行多元回歸分析生成第二回歸模型；

步驟N2：對探索式學習數據與所述網絡中心度數據、所述網絡穩定性數據以及網絡結構洞數據進行多元回歸分析生成第三回歸模型；

步驟N3：獲取所述第二回歸模型的回歸系數和所述第三回歸模型的回歸系數，當所述第二回歸模型的回歸系數顯著時，則輸出第二關聯信息，當所述第三回歸模型的回歸系數顯著時，則輸出第三關聯信息。