[發(fā)明專利]基于融合情感傾向主題的社交網(wǎng)絡用戶影響力預測方法有效
| 申請?zhí)枺?/td> | 202010895010.1 | 申請日： | 2020-08-31 |
| 公開（公告）號： | CN112052995B | 公開（公告）日： | 2023-08-01 |
| 發(fā)明（設計）人： | 王然;梁穎;徐向華;李平 | 申請（專利權(quán)）人： | 杭州電子科技大學 |
| 主分類號： | G06F18/22 | 分類號： | G06F18/22;G06Q50/00;G06F17/16;G06F18/25;G06F40/194 |
| 代理公司： | 杭州君度專利代理事務所(特殊普通合伙) 33240 | 代理人： | 朱亞冠 |
| 地址： | 310018 浙*** | 國省代碼： | 浙江;33 |
| 權(quán)利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 融合 情感 傾向 主題 社交 網(wǎng)絡 用戶 影響力 預測 方法 | ||
本發(fā)明公開了基于融合情感傾向主題的社交網(wǎng)絡用戶影響力預測方法。現(xiàn)有方法影響力計算結(jié)果籠統(tǒng)，無法有效的體現(xiàn)用戶的實際影響力。本發(fā)明方法首先提取用戶帶有不同情感傾向的主題信息，建立對應的用戶博文信息列表；然后，建立用戶?情感傾向主題影響力矩陣，獲取情感傾向主題相似、鄰居相似、用戶相似信息；最后，建立預測模型，對未觀察到的情感傾向主題進行影響力預測。本發(fā)明方法融入情感傾向，結(jié)合行為用戶屬性，使得影響力度量的值更加的準確，更能反應一個用戶的影響力程度，使得能夠預測用戶在未觀察到的主題上的影響力，不局限于用戶的歷史數(shù)據(jù)觀察到的主題，并融合多種相似信息，彌補數(shù)據(jù)稀疏問題，預測結(jié)果更加的準確。
技術(shù)領域
本發(fā)明屬于社交網(wǎng)絡分析技術(shù)領域，涉及一種基于融合情感傾向主題的社交網(wǎng)絡用戶影響力預測方法。
背景技術(shù)
社交網(wǎng)絡是互聯(lián)網(wǎng)時代信息傳播的重要組成部分，隨著計算機技術(shù)的普及和發(fā)展，越來越多的用戶通過在微博、推特(Twitter)等社交網(wǎng)絡平臺上發(fā)表內(nèi)容、傳播信息，并影響到其他的用戶。分析社交網(wǎng)絡中的這種影響力，對了解社交用戶的行動內(nèi)因、信息在網(wǎng)絡中的傳播因素以及預測信息在網(wǎng)絡中的傳播范圍等都具有重要的意義。
社交網(wǎng)絡影響力體現(xiàn)在用戶對其他用戶的影響程度，是指用戶自身的社交行為通過社交網(wǎng)絡中的社交關系，使其他用戶產(chǎn)生相關行為的一種現(xiàn)象，具體表現(xiàn)在點贊、轉(zhuǎn)發(fā)等。對社交網(wǎng)絡影響力的分析，是指通過收集用戶在社交網(wǎng)絡上的歷史數(shù)據(jù)，如博文內(nèi)容、轉(zhuǎn)發(fā)次數(shù)、回復內(nèi)容等相關信息，分析用戶在社交網(wǎng)絡上的影響力，從而用于商業(yè)營銷、廣告投放、輿情控制等諸多領域。
目前對社交網(wǎng)絡影響力的度量分析方法大致從兩個角度出發(fā)，一個是從宏觀層面考慮，分析用戶在網(wǎng)絡中的拓撲結(jié)構(gòu)屬性，如Granovertter等利用用戶節(jié)點之間的鄰居重疊比例來計算影響力。這種基于網(wǎng)絡拓撲結(jié)構(gòu)的影響力度量方法比較簡單，但是沒有考慮用戶的文本信息和交互信息，影響力計算結(jié)果太過籠統(tǒng)，無法有效的體現(xiàn)用戶的實際影響力。另一個是從主題角度上考慮的，用戶在不同的主題上會有著不同的影響力，如數(shù)碼博主在手機話題上對其他用戶的影響力會高于在政治主題上的影響力。然而，這種方法存在兩個問題。首先是忽略了用戶的博文主題中含有的情感傾向，以政治主題為例，一個對該主題情感積極的用戶，被其他用戶帶有消極情緒的政治相關主題影響的概率會很小，同一個主題可以表現(xiàn)出不同的情感傾向，不同情感傾向的主題，對用戶來說也應有著不同程度的影響力。其次是無法對未觀察到的主題進行影響力度量預測，即無法預測用戶在潛在的主題上的影響力。
發(fā)明內(nèi)容
本發(fā)明的目的就是針對現(xiàn)有方法中存在的問題，提供一種基于融合情感傾向主題的社交網(wǎng)絡用戶影響力預測方法，能夠在不同情感傾向的主題上，度量并預測用戶的影響力。
本發(fā)明方法通過提取用戶歷史博文中的主題信息，結(jié)合其中表現(xiàn)出來的情感傾向，根據(jù)點贊、評論、轉(zhuǎn)發(fā)等多種行為和行為用戶屬性(行為用戶是指對用戶的博文進行點贊、評論、轉(zhuǎn)發(fā)等操作的用戶)，計算用戶在該情感傾向主題上的影響力，并建立用戶-情感傾向主題影響力矩陣。利用矩陣分解技術(shù)，得到對應的用戶潛在特征矩陣和情感傾向主題特征矩陣，并融合情感傾向主題相似、鄰居相似、用戶相似等額外信息，以減少影響力矩陣稀疏帶來的影響，建立用戶在未觀察到的情感傾向主題上的影響力預測模型。
本發(fā)明方法包括如下步驟：
步驟A.提取用戶u在博文的情感傾向，建立對應用戶在情感傾向主題z下的博文信息列表Lz(u)；
步驟B.根據(jù)行為用戶屬性和行為特征計算影響力，建立用戶-情感傾向主題影響力矩陣；
步驟C.獲取情感傾向主題z的相似情感傾向主題列表SimST(z)、用戶u的鄰居相似用戶列表SimNB(u)、用戶u的相似用戶列表SimU(u)；
步驟D.建立預測模型，對用戶在未觀察到的情感傾向主題進行影響力預測。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息，商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于杭州電子科技大學，未經(jīng)杭州電子科技大學許可，擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作，請聯(lián)系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010895010.1/2.html，轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
