[发明专利]一种个性化的社交网络影响识别方法

权利要求书

1.一种个性化的社交网络影响识别方法，其特征在于，包括：

步骤101：选择一网络用户群，将所述用户群中每一个成员分别作为目标用户识别其直接朋友，建立每个目标用户相对其直接朋友的关系对，所述每个关系对包括一个目标用户与其一位直接朋友；提取每个关系对的关系特征值；

步骤102：将影响程度按升序或降序分为1、2…、n等级，根据关系对的关系特征值将所有的关系对分类到所述的n个等级中形成n组；所述n为大于1的整数；在第m组中的关系对的影响程度为m等级，m取1、2、…或n；

步骤103：选取一预测模型，利用每个关系对的关系特征值及其影响程度训练所述预测模型；

步骤104：选定一新用户，识别网络中该新用户的所有直接朋友，建立所述新用户相对其直接朋友的关系对，并提取每个关系对的关系特征值；

步骤105：将新用户每个关系对的关系特征值带入训练好的预测模型中，通过训练好的预测模型计算出新用户的每个直接朋友对其的影响程度。

2.根据权利要求1所述的一种个性化的社交网络影响识别方法，其特征在于，所述关系对的关系特征值包括以下特征值中的至少一个：目标用户查看了多少次直接朋友的主页；目标用户查看了多少次直接朋友的帖子；目标用户评论了多少次直接朋友的帖子；目标用户转载了多少次直接朋友的帖子；目标用户赞了多少次直接朋友的帖子；直接朋友查看了多少次目标用户的描述概要；直接朋友查看了多少次目标用户的帖子；直接朋友评论了多少次目标用户的帖子；直接朋友转载了多少次目标用户的帖子；直接朋友赞了多少次目标用户的帖子；距离上次目标用户与直接朋友交流多少小时；目标用户和直接朋友之间有多少共同直接朋友；所述共同直接朋友占目标用户的直接朋友总数的比例；所述共同直接朋友占直接朋友的直接朋友总数的比例。

3.根据权利要求1或2所述的一种个性化的社交网络影响识别方法，其特征在于，在步骤102中使用K-Means聚类算法根据关系对的关系特征值将所有的关系对分为n组；然后抽查每组中的若干关系对，根据从每组中抽查的关系对的关系特征值将n组的影响程度进行升序或降序排序，并按照顺序将n组的影响程度标记为1、2…、n等级。

4.根据权利要求3所述的一种个性化的社交网络影响识别方法，其特征在于，所述步骤103中，选用的预测模型为支持向量机模型。

5.一种个性化的社交网络影响识别方法，其特征在于，包括：

步骤201：选定一新用户，识别网络中该新用户的所有直接朋友，建立所述新用户相对其直接朋友的关系对，并提取每个关系对的关系特征值；

步骤202：将新用户每个关系对的关系特征值带入训练好的预测模型中，通过训练好的预测模型计算出新用户的每个直接朋友对其的影响程度；

所述步骤202中的预测模型是按照以下步骤训练出来的：

步骤301：选择一网络用户群，将所述用户群中每一个成员分别作为目标用户识别其直接朋友，建立每个目标用户相对其直接朋友的关系对，所述每个关系对包括一个目标用户与其一位直接朋友；提取每个关系对的关系特征值；

步骤302：将影响程度按升序或降序分为1、2…、n等级，根据步骤301中关系对的关系特征值将所有的关系对分类到所述的n个等级中形成n组；所述n为大于1的整数；在第m组中的关系对的影响程度为m等级，m取1、2、…或n；

步骤303：利用步骤301及步骤302中所述的每个关系对的关系特征值及其影响程度训练所述预测模型。

6.根据权利要求5所述的一种个性化的社交网络影响识别方法，其特征在于，所述关系对的关系特征值包括以下特征值中的至少一个：目标用户查看了多少次直接朋友的主页；目标用户查看了多少次直接朋友的帖子；目标用户评论了多少次直接朋友的帖子；目标用户转载了多少次直接朋友的帖子；目标用户赞了多少次直接朋友的帖子；直接朋友查看了多少次目标用户的描述概要；直接朋友查看了多少次目标用户的帖子；直接朋友评论了多少次目标用户的帖子；直接朋友转载了多少次目标用户的帖子；直接朋友赞了多少次目标用户的帖子；距离上次目标用户与直接朋友交流多少小时；目标用户和直接朋友之间有多少共同直接朋友；所述共同直接朋友占目标用户的直接朋友总数的比例；所述共同直接朋友占直接朋友的直接朋友总数的比例。