[发明专利]一种网络话题结构演化发现方法

说明书

本发明公开了一种网络话题结构演化发现方法，通过建立t时段出现的帖子与新兴话题、t‑Δt时段之前的历史话题的评价函数，即t时段之前的利益函数B_≤t，进而捕捉t‑Δt时段之前的历史话题、t时段之前历史话题的新增帖子和t时段新兴话题，从而实现t时段话题网络的动态结构演化检测；再通过矩阵转化获取t‑Δt时段之前的历史话题在t时段的新增帖子和t时段的新兴话题，并对t‑Δt时段之前的历史话题进行分类，根据分类结果和利益函数B_t⁺按照是否与历史话题有关将话题划分为两个社区，然后得到每个与历史话题有关的帖子所属历史类别、每个与历史话题无关的帖子新兴话题类别。同时兼顾话题网络社会属性继承和语义相似性，提高了网络话题演化检测的准确性。

技术领域

本发明属于网络话题检测方法技术领域，涉及一种网络话题结构演化发现方法。

背景技术

随着在线社交网络的迅速发展，各种社交平台,例如各种OSN平台，如Twitter和微博，也越来越欢迎。在线社交网络上嵌入了许多重要的信息(在线话题)，这将有助于发现一些重要的话题或高价值的应用在某些方面或热点社会现象、活动的演变模式或规律。OSN平台在话题(政治和金融事务、自然灾害、突发新闻等)上具有特定的信息渗透动态模式，而且它们对网民的日常生活产生了即时影响。

但是对动态网络结构演化的研究通常只通过语义相似性来检测话题，而语义相似性忽略了社会属性的继承。目前的研究不足以真正地检测话题，因为它们是研究话题检测的片面观点，导致检测准确率低，它们只是考虑语义相似性，而不是在OSNs上的帖子之间继承社会属性。

发明内容

本发明的目的是提供一种网络话题结构演化发现方法，解决了现有技术中存在的仅通过语义相似性检测话题导致检测准确率低和无法有效发现网络话题结构演化过程的问题。

本发明所采用的技术方案是，一种网络话题结构演化发现方法，包括以下步骤：

步骤1、建立t时段之前的利益函数B_≤t，利益函数B_≤t用于表示t时段出现的帖子隶属于新兴话题、t-Δt时段之前的历史话题的评价函数，t时段指t-Δt时段到t时段的时段；

上式中，B_≤t-Δt为t-Δt时段之前的利益函数，B_t为t时段之前的利益函数，I_{i(≤t)j(≤t)}表示帖子间的文本重合度属性，分别代表i贴子、j帖子的关键字向量，F_i(t)j(t)表示i贴子和j帖子之间的转发评论关系，表示在线帖子i和在线帖子j是否为t-Δt时段前的帖子的示性函数，表示在线帖子i属于t时段出现的帖子和在线帖子j是t-Δt时段之前出现帖子的示性函数，表示在线帖子i和在线帖子j是否是t时段出现的帖子的示性函数，b_i(≤t)表示与在线帖子i属于同一话题的帖子数量，φ_Ci,Cj表示帖子i和帖子j属于同一话题的示性函数；

步骤2、根据公式(1)得到t-Δt时段之前的利益函数B_≤t-Δt：

根据公式(2)获取t-Δt时段之前的历史话题；

步骤3、同时得到t时段的利益函数B_t为：

根据公式(3)获取t时段历史话题的新增帖子和t时段新兴话题；

步骤4、根据步骤2、步骤3及二次型理论，将利益函数B_t转化为包括正定矩阵Z的形式：

根据二次型理论，将对称矩阵转化为形式如下：