[發明專利]基于組合策略的社交網絡媒體信息流行度預測方法

有效

• 申請號: 202010941998.0
• 申請日: 2020-09-09
• 公開（公告）號: CN112036659B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 張勇東;毛震東;王凱
• 申請（專利權）人: 中國科學技術大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/00;G06F16/903;G06K9/62;G06N20/20
• 代理公司: 北京凱特來知識產權代理有限公司 11260
• 代理人: 鄭立明;韓珂

本發明公開了一種基于組合策略的社交網絡媒體信息流行度預測方法，使用滑動窗口平均，來解決每個用戶帖子之間的依賴性，在一定時間內進行特征平均，來挖掘帖子之間的時間相關性，額外利用了一部分時間信息，來獲得精確的預測結果。此外，使用組合策略訓練組合的CatBoost模型，可以針對不同的帖子進行預測，有更好的普遍性與靈活性。

技術領域

本發明涉及網絡空間安全技術領域，尤其涉及一種基于組合策略的社交網絡媒體信息流行度預測方法。

背景技術

隨著社會的高速發展，越來越多的社交媒體平臺出現并且吸引了大量的用戶，比如微博，Twitter，Flickr，Facebook等。以微博和Flickr為例，每天都有上億的用戶發布分享數量龐大，種類繁多的信息。通過預測社交媒體上信息的受歡迎程度，一方面研究人員可以更好的分析各種問題并開發出廣泛的應用來服務社會，比如信息檢索系統、推薦系統和事件檢測系統。另一方面，對于社交媒體上信息的分析有助于揭示個人偏好和公眾關注度，這對于預測社會趨勢和做出更好的未來戰略決策有很大的幫助。

對于社交媒體流行度預測可以分為兩個部分：多模態特征的提取和回歸模型的建立。在特征提取上，目前所有的方法僅對用戶的每個帖子單獨處理，雖然達到了比較好的效果，但是這種處理方法忽視了用戶可能更傾向于在相近的時間內發布相同主題的帖子，表達自己觀點這一現象，單獨處理每個帖子沒有考慮用戶不同帖子間的潛在關聯。而在回歸模型的選取上，最近基于集成學習的方法在各種任務的回歸中都表現出了優越的性能，一些先進的集成學習模型如RandomForest、XGBoost、LightGBM和CatBoost在社交媒體流行度預測領域的研究應用中也得到了廣泛的應用，并且取得了最好的效果，但是這些方法針對目前規模最大的數據集中1/4缺失的用戶粉絲數等數據沒有進行有效建模，這些方法可以分為兩種：對粉絲數這些缺失數據補零或者不使用缺失數據建模，而對于大量缺失數據補零會改變數據的分布，不使用粉絲數等數據時明顯忽視了有大量粉絲數的用戶帖子會有更高的流行度這一現象，這些方法都會錯誤的估計社會焦點。

發明內容

本發明的目的是提供一種基于組合策略的社交網絡媒體信息流行度預測方法，可以針對帖子是否包含用戶特征使用不同的模型進行預測，有更好的普遍性與靈活性，也能夠獲得精確的預測結果

本發明的目的是通過以下技術方案實現的：

一種基于組合策略的社交網絡媒體信息流行度預測方法，包括：

對于訓練集中每一包含多媒體特征的帖子，從中提取多模態特征，包括：圖像特征、文本特征、社交信息中的數字特征以及類別特征，或者還包括用戶特征；

使用滑動窗口平均化來處理當前帖子的文本特征和圖像特征，挖掘相同用戶不同帖子間的潛在關聯，并將平均化結果作為當前帖子的文本和圖像特征，再與當前帖子的其他特征拼接融合；

在進行特征拼接融合后，基于CatBoost根據是否包含用戶特征來訓練兩個獨立的模型，CatBoostA模型與CatBoostB模型；

測試階段，對于待預測的帖子，根據其是否包含用戶特征來對訓練后的CatBoostA模型與CatBoostB模型設置不同的權重進行社交媒體流行度預測。

由上述本發明提供的技術方案可以看出，使用滑動窗口平均，來解決每個用戶帖子之間的依賴性，在一定時間內進行特征平均，來挖掘帖子之間的時間相關性，額外利用了一部分時間信息，來獲得精確的預測結果。此外，使用組合策略訓練組合的CatBoost模型，可以針對不同的帖子進行預測，有更好的普遍性與靈活性。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域的普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他附圖。