[发明专利]微博转发量预测模型生成方法及微博转发量预测方法

权利要求书

1.一种微博转发量预测模型生成方法，其特征在于，所述方法包括：

获取训练数据，所述训练数据包括多条已知转发量的微博；

以所述微博的转发量为依据，将所述微博分为3个以上转发量类别；

提取每条所述微博的基本特征；

建立所述基本特征与所述转发量类别之间的多分类模型；

针对每一个所述转发量类别，建立所述基本特征与微博转发量之间的回归模型。

2.如权利要求1所述的方法，其特征在于，所述将所述微博分为3个以上转发量类别包括：

按照二八分类原则，将所述微博分为3个或4个转发量类别。

3.如权利要求1或2所述的方法，其特征在于，所述基本特征包括：

微博内容特征与微博发布者特征。

4.如权利要求3所述的方法，其特征在于，所述微博发布者特征包括下列特征中的一个或多个：

微博发布者的性别，微博发布者的昵称长度，微博发布者的粉丝数量，微博发布者是否为认证用户，微博发布者的认证类型，微博发布者的注册时长，微博发布者关注的用户数量，与微博发布者相互关注的用户数量，微博发布者的兴趣标签数量，微博发布者的微博数量。

5.如权利要求3或4所述的方法，其特征在于，所述微博内容特征包括下列特征中的一个或多个：

微博是否包括话题标签，微博中话题标签的数量，微博是否提及其他人，微博提及其他人的数量，微博是否包含链接，微博包含链接的数量，微博是否包含图片，微博的长度，微博的发布日期，微博的发布时间。

6.如权利要求1至5任一所述的方法，其特征在于，所述建立所述基本特征与所述转发量类别之间的多分类模型包括：

使用所述训练数据对预设分类模型进行训练，生成所述基本特征与所述转发量类别之间的多分类模型。

7.如权利要求6所述的方法，其特征在于，所述预设分类模型为以下其中之一：

随机森林模型，决策树模型及朴素贝叶斯模型。

8.如权利要求1至7任一所述的方法，其特征在于，所述建立所述基本特征与微博转发量之间的回归模型包括：

使用所述训练数据预设回归模型进行训练，生成所述基本特征与微博转发量之间的回归模型。

9.如权利要求8所述的方法，其特征在于，所述预设回归模型为以下其中之一：

多元线性回归模型，多重感知机模型及M5P模型。

10.一种微博转发量预测方法，其特征在于，所述方法用于使用如权利要求1至9任一所述的方法生成的预测模型预测微博的转发量，所述方法包括：

提取所述待预测微博的基本特征；

根据所述多分类模型及所述基本特征，判定所述待预测微博所属的转发量类别；

获取所述转发量类别对应的回归模型；

根据所述回归模型及所述基本特征，预测所述待预测微博的转发量。