[发明专利]一种基于用户个性化特征的社交网络用户行为预测方法

权利要求书

1.一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，包括以下步骤：

步骤1、基于若干社交网络用户的多维行为属性数据，构建不同类别的用户标记向量；

步骤2、基于不同类别的用户标记向量，对社交网络用户进行分类，划分为不同归属类别的用户；

步骤3、对每一归属类别的用户行为进行行为特征向量转化，得到向量化用户行为；将向量化用户行为按时序排列，并采用长短时记忆神经网络进行用户行为预测，得到社交网络用户的预测行为特征；对社交网络用户的预测行为特征进行解码，得到所需的用户行为。

2.根据权利要求1所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤1中，构建不同类别的用户标记向量时，具体包括以下步骤：

步骤11、提取若干个社交网络用户的多维行为属性数据，构建每个社交网络用户的用户属性特征向量；对每个用户属性特征向量进行归一化处理，得到每个社交网络用户的归一化用户属性特征向量；

步骤12、利用聚类算法及先验知识，对每个社交网络用户的归一化用户属性特征向量的进行分类标记，得到不同类别的用户标记向量。

3.根据权利要求1所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤1中，多维行为属性数据包括社交网络用户的动态数、点赞数、关注数、粉丝数、原创频率及转发频率。

4.根据权利要求2所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤11中，对每个用户属性特征向量进行归一化处理时，采用对社交网络用户的每个行为属性数据利用归一化公式进行归一化处理。

5.根据权利要求2所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤12中，对每个社交网络用户的归一化用户属性特征向量进行分类标记时，具体包括以下步骤：

s1、选取k个社交网络用户的归一化用户属性特征向量作为初始对象；

s2、分别计算每个社交网络用户的归一化用户属性特征向量到k个初始对象的距离，将社交网络用户的归一化属性特征向量与其距离最短的初始对象划归为一类，得到k类初步社交网络用户的归一化属性特征向量组；

s3、计算步骤s2中的每一类初步社交网络用户的归一化属性特征向量组的中心，不断迭代，直至每类初步社交网络用户的归一化属性特征向量组的中心数据不发生改变，得到k类社交网络用户归一化属性特征向量；

s4、结合先验知识对剔除后的k类社交网络用户归一化属性特征向量组中的行为属性数据进行标记，得到不同类别的用户标记向量。

6.根据权利要求1所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤2中，采用SVM法、KNN法、随机森林法或朴素贝叶斯法对社交网络用户进行分类。

7.根据权利要求6所述的一种基于用户个性化特征的社交网络用户行为预测方法，其特征在于，步骤2中，采用SVM法对社交网络用户进行分类时，具体包括以下步骤：

步骤21、构建用户类型判别函数；

步骤22、通过拉格朗日定理构建目标函数，采用SMO算法，求解用户类型判别函数；

步骤23、利用步骤22中的判别函数对用户个性化特征进行判断，根据用户个性化特征的权重，将社交网络用户划分为不同归属类别的用户。