[發明專利]一種基于社交網絡的情感交互的社團檢測方法

在審

• 申請號: 202011352587.4
• 申請日: 2020-11-26
• 公開（公告）號: CN112445982A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 金弟;馮炳道;焦鵬飛
• 申請（專利權）人: 天津大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 潘俊達

本發明公開了一種基于社交網絡的情感交互的社團檢測方法，本發明通過有效的引用了兩條拓撲邊，即好友關系和情感傳播網絡，綜合的考慮了他們之間的關系，并合理的劃分出自發文檔和轉發文檔，使得社團劃分更加精確；還利用了情感傳播信息，用概率圖模型結合數據中的文檔內容和情感連接，通過變分推斷的方法優化模型的參數，依照用戶對特定事件的情感狀態，合理的劃分出不同社團，得到社團的表示更加精準。

技術領域

本發明屬于機器學習的技術領域，具體涉及一種基于社交網絡的情感交互的社團檢測方法。

背景技術

如今，隨著互聯網技術和應用的快速發展，在線社會網絡交互平臺將傳統人類社會網絡中人或人的群體之間的關系通過網絡有機地關聯起來，這類在線社會網絡除了具有信息以及信息屬性之間的關系之外，一個突出的特點是按一定方式定義的人與人之間的社會關系以及人的參與互動。直觀地，在線社會網絡可以使用圖或網絡表示，圖中的節點或網絡中的頂點表示社會網絡中的一個個體，而節點或頂點間的邊表示個體間的關系。

在社交網絡領域，社團檢測具有很多的應用，目前有三大類檢測方法被提出，第一類，基于純拓撲結構的，大多數傳統的社區檢測方法僅利用網絡拓撲信息，并且由于可以使社區中的成員更可能與社區中的其他成員建立聯系的定義，他們將會處于同一社區。研究人員已經提出并使用不同的算法，包括層次聚類,通過基于模塊化的方法捕捉群體的信息、頻譜算法、動態算法等等。第二類，考慮到了文檔信息內容的聚類，研究人員已經提出了結合這兩種信息源的算法，包括基于主題模型的方法，生成或判別模型以及一些啟發式方法。另外，節點內容，也可以用于查找社區的解釋，也可以結合混合成員身份隨機塊模型和主題模型的各個方面，以通過聯合建模鏈接和有關鏈接實體的文本來改進實體鏈接模型，也可以以另一種判別概率的方法來檢測社區。該模型使用節點流行度來計算兩個節點之間鏈接的可能性，然后將其與內容信息組合到鏈接模型中以估計社區成員身份。第三種是考慮到了社團間的交互傳播性質，認為不光要考慮到社交網絡中的特有信息，還應考慮社團間的相互影響，需綜合考慮異構信息，時間節點，還有考慮個人社交愛好等邊緣信息。研究人員還提出社團剖析的概念，綜合考慮到社團外部與內部的連接。

但現有的方法中，沒有考慮好友關系和情感傳播網絡，導致社團劃分準確度較低。

發明內容

本發明的目的在于：針對現有技術的不足，提供一種基于社交網絡的情感交互的社團檢測方法，能夠通過變分期望最大化算法對參數進行優化，精確刻畫情感在社團間傳播的影響，從而獲得更加精準得到社團結構。

為了實現上述目的，本發明采用如下技術方案：

一種基于社交網絡的情感交互的社團檢測方法，包括如下步驟：

步驟一，構建出所對應的概率圖模型，并刻畫出模型中各個變量；

步驟二，根據概率圖模型中各參數服從的概率分布，刻畫模型生成過程，得到完全數據的似然函數；

步驟三，固定可見變量、拓撲、自發文檔詞、轉發文檔詞及情感極性的值，通過最大化后驗概率，再結合變分參數和分布，得到證據下界；

步驟四，為了最大化證據下界，對證據下界內每個參數求導，利用杰森不等式，使每個偏導結果為0；

步驟五，固定步驟四循環優化所獲得的九個變分參數；

步驟六，隨機初始化參數，利用步驟四和步驟五所得的參數更新規則建立模型訓練過程，然后，將處理好的數據集放入模型中訓練，直至參數更新收斂；

步驟七，將所獲得的參數結果記錄到相關文檔中，獲得用戶和社團概率、社團和主題概率、主題和詞概率及傳播中的各情感極性概率，并將處理好的情感數據進行可視化分析，通過模型求解出來的更新規則進行訓練，獲得高質量的社團檢測效果。