[发明专利]基于组合策略的社交网络媒体信息流行度预测方法

说明书

本发明公开了一种基于组合策略的社交网络媒体信息流行度预测方法，使用滑动窗口平均，来解决每个用户帖子之间的依赖性，在一定时间内进行特征平均，来挖掘帖子之间的时间相关性，额外利用了一部分时间信息，来获得精确的预测结果。此外，使用组合策略训练组合的CatBoost模型，可以针对不同的帖子进行预测，有更好的普遍性与灵活性。

技术领域

本发明涉及网络空间安全技术领域，尤其涉及一种基于组合策略的社交网络媒体信息流行度预测方法。

背景技术

随着社会的高速发展，越来越多的社交媒体平台出现并且吸引了大量的用户，比如微博，Twitter，Flickr，Facebook等。以微博和Flickr为例，每天都有上亿的用户发布分享数量庞大，种类繁多的信息。通过预测社交媒体上信息的受欢迎程度，一方面研究人员可以更好的分析各种问题并开发出广泛的应用来服务社会，比如信息检索系统、推荐系统和事件检测系统。另一方面，对于社交媒体上信息的分析有助于揭示个人偏好和公众关注度，这对于预测社会趋势和做出更好的未来战略决策有很大的帮助。

对于社交媒体流行度预测可以分为两个部分：多模态特征的提取和回归模型的建立。在特征提取上，目前所有的方法仅对用户的每个帖子单独处理，虽然达到了比较好的效果，但是这种处理方法忽视了用户可能更倾向于在相近的时间内发布相同主题的帖子，表达自己观点这一现象，单独处理每个帖子没有考虑用户不同帖子间的潜在关联。而在回归模型的选取上，最近基于集成学习的方法在各种任务的回归中都表现出了优越的性能，一些先进的集成学习模型如RandomForest、XGBoost、LightGBM和CatBoost在社交媒体流行度预测领域的研究应用中也得到了广泛的应用，并且取得了最好的效果，但是这些方法针对目前规模最大的数据集中1/4缺失的用户粉丝数等数据没有进行有效建模，这些方法可以分为两种：对粉丝数这些缺失数据补零或者不使用缺失数据建模，而对于大量缺失数据补零会改变数据的分布，不使用粉丝数等数据时明显忽视了有大量粉丝数的用户帖子会有更高的流行度这一现象，这些方法都会错误的估计社会焦点。

发明内容

本发明的目的是提供一种基于组合策略的社交网络媒体信息流行度预测方法，可以针对帖子是否包含用户特征使用不同的模型进行预测，有更好的普遍性与灵活性，也能够获得精确的预测结果

本发明的目的是通过以下技术方案实现的：

一种基于组合策略的社交网络媒体信息流行度预测方法，包括：

对于训练集中每一包含多媒体特征的帖子，从中提取多模态特征，包括：图像特征、文本特征、社交信息中的数字特征以及类别特征，或者还包括用户特征；

使用滑动窗口平均化来处理当前帖子的文本特征和图像特征，挖掘相同用户不同帖子间的潜在关联，并将平均化结果作为当前帖子的文本和图像特征，再与当前帖子的其他特征拼接融合；

在进行特征拼接融合后，基于CatBoost根据是否包含用户特征来训练两个独立的模型，CatBoostA模型与CatBoostB模型；

测试阶段，对于待预测的帖子，根据其是否包含用户特征来对训练后的CatBoostA模型与CatBoostB模型设置不同的权重进行社交媒体流行度预测。

由上述本发明提供的技术方案可以看出，使用滑动窗口平均，来解决每个用户帖子之间的依赖性，在一定时间内进行特征平均，来挖掘帖子之间的时间相关性，额外利用了一部分时间信息，来获得精确的预测结果。此外，使用组合策略训练组合的CatBoost模型，可以针对不同的帖子进行预测，有更好的普遍性与灵活性。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。