[发明专利]一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法

权利要求书

1.一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于，包括如下步骤：

步骤1，利用网络爬虫工具，从互联网中采集实际的社交网络数据；

步骤2，基于“用户影响力”和“话题影响力”计算意见领袖值；所述用户影响力包括粉丝量、原创微博量和是否认证，话题影响力包括博文评论量、转发量和点赞量；

步骤3，依意见领袖值高低排序得到预判的意见领袖群簇P和普通用户群簇Q，作为粒子群的初始扰动场，基于PSOTVCF-Kmeans算法对意见领袖群簇P和普通用户群簇Q进行聚类，具体实现方式如下，

(1)粒子种群初始扰动：首先随机在簇P和簇Q中选取一个初始聚类簇心，然后依据最大距离原则选取剩余的聚类簇心，重复操作n次，产生n个粒子，计算每个初始簇心与所在簇其他节点的距离；

(2)计算n个粒子的适应度值fit，并寻找每个粒子的个体极值pbest和群体极值gbest；

(3)更新粒子的速度与位置；

(4)以更新后的粒子为聚类中心重新聚类，并计算每个粒子的适应度值；

(5)判断当前种群适应度方差Var是否低于某个阈值Thre或者达到最大迭代次数，如果是，则转向(6)；否则转向(3)；

(6)以PSOTVCF算法得到的簇P和簇Q的最佳位置[p_best,q_best]作为初始中心，令K-means当前迭代次数为t＝0；

(7)对每个数据，分别计算其与当前迭代的簇P和簇Q的簇心C_j1，C_j2的距离，将其加入到最近的聚类中心，计算同一簇群中所有数据的平均值，以此为新的聚类中心；

(8)记录每一次的簇心C_j1，C_j2，若簇心不再变化，或者t≥t_max，或者簇心的fit值小于等于Var，说明算法已收敛，停止当前迭代，记录当前的fit值；反之回到(7)，t+1，重新进行迭代计算。

2.如权利要求1所述的一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于：步骤2中意见领袖值的计算公式如下，

I＝w₁*F₁+w₂F₂+w₃F₃ (3.1)

T＝w₄*F₄+w₅F₅+w₆F₆ (3.2)

L＝I+T (3.3)

其中，公式(3.1)为用户影响力计算公式，其中，w₁-w₃代表不同指标的权重，F₁-F₃为用户的粉丝量、原创微博量和是否认证；若已认证，则F₃＝1；公式(3.2)为话题影响力计算公式，w₄-w₆代表不同指标的权重，F₄-F₆代表评论量、转发量和点赞量；公式(3.3)为用户最终的意见领袖值。

3.如权利要求2所述的一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于：w₁-W₆根据重要性的等级构造判断矩阵，重要等级分为：同等重要、略为重要、比较重要、非常重要、绝对重要，对应标度为1,3,5,7,9，处于相邻重要性判断的中间值用2,4,6,8表示，运用改进的AHP对判断矩阵进行计算得到的各指标权重。

4.如权利要求1所述的一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于：(5)中适应度方差Var的计算公式如下；

其中，f_i是指第i代的fit值；f_avg是fit值的平均值。

5.如权利要求1所述的一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于：(3)中更新粒子的速度与位置的计算公式如下，

得到系统矩阵：

时变压缩因子计算公式为：

其中，压缩因子χ是一个正实数，ITER为当前进化代数，MAXITER为最大迭代数，C_1N，C_1M，C_2N，C_2M分别为第一、二个加速因子的初始最大和最小值。