[发明专利]一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法

说明书

本发明公开了一种基于PSOTVCF‑Kmeans算法的意见领袖群识别方法，包括：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。本文利用时变双重压缩因子粒子群优化算法，建立PSOTVCF‑KMeans聚类模型，通过PSOTVCF寻找全局最优解的优势，确定最佳聚类初始簇心，提高了K‑means算法的聚类效果和效率。

技术领域

本发明涉及一种识别方法，特别是涉及一种基于PSOTVCF-Kmeans算法的意见领袖群 识别方法。

背景技术

微博不仅是舆论流传的一个独立源头，也参与舆论的形成、发展与引导的进程中。微博 平台中存在各种意见领袖，他们能影响其他人的观点与行为，令话题不断升温。因此，如何 精确识别意见领袖群，对于政府高效疏导群众突发事件舆论走向，具有重大意义。

目前社会网络分析法、PageRank法及指标分析法等技术得到广泛应用。依据“粉丝量”、“转 发量”、“点赞量”以及“是否认证”等指标加权，对用户影响力进行排序，是现今大多数意见领 袖识别模型的基础，虽然实现了对用户影响力的衡量，但在确定意见领袖范围时一般采用自 定义排名阈值方式，偶然性强。李熠辉等^[7]将改进的PageRank算法与K-means算法结合构建 MUK-means聚类模型，按影响力排名将用户分成两簇，自动识别出意见领袖的范围，提高了 意见领袖识别在阈值选取的客观性。但将初始簇心设为用户影响力排名最高和最低用户，虽 然初始簇心距离保持最大，但忽略了初始簇内平均距离对聚类的影响，导致聚类效果不佳， 聚类效率低下。

发明内容

针对现有技术的不足，本发明提出了一种基于PSOTVCF-Kmeans算法的意见领袖群识 别方法，具体包括如下步骤：

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；