[发明专利]一种基于多话题情感度量的衍生话题传播预测方法

权利要求书

1.一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，包括：

S1：获取话题数据，话题数据包括用户历史行为信息和话题参与信息；

S2：对话题数据进行消息因素特征提取和用户因素特征提取；消息因素包括话题热度和话题关联度，用户因素包括用户带动力、用户活跃度、话题个人情感匹配度；

S3：根据话题热度、用户带动力、用户活跃度、话题个人情感匹配度计算消息影响力；

S4：划分用户网络，得到用户的分类结果；

S5：根据消息影响力计算用户的独立转发概率；

S6：根据话题关联度和用户的独立转发概率计算不同类用户间的转化概率；

S7：根据用户的独立转发概率和不同类用户间的转化概率构建动力学方程；

S8：求解动力学方程，得到用户对衍生话题的传播预测结果。

2.根据权利要求1所述的一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，计算消息影响力的过程包括：根据话题热度和用户带动力计算消息因素影响力；根据用户活跃度和话题个人情感匹配度计算用户因素影响力；根据消息因素影响力和用户因素影响力计算消息影响力。

3.根据权利要求2所述的一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，计算消息影响力的公式为：

Eff(u_i)＝β₀+β₁*fac_user(u_i)+β₂*fac_topic(u_i)

其中，Eff(u_i)表示用户u_i的消息影响力，β₀表示第一偏回归系数，β₁表示第二偏回归系数，fac_user(u_i)表示用户u_i的用户因素影响力，β₂表示第三偏回归系数，fac_topic(u_i)表示用户u_i的消息因素影响力。

4.根据权利要求1所述的一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，划分用户网络的过程包括：将用户划分为参与过前驱话题的用户和未参与过前驱话题的用户；将参与过前驱话题的用户和未参与过前驱话题的用户再次划分为易感用户、感染用户和免疫用户，得到用户分类结果。

5.根据权利要求1所述的一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，计算用户的独立转发概率的公式为：

其中，λ表示用户独立转发概率，ψ(t)表示中间参数，m表示用户u_i的邻居个数，n表示转发话题的邻居个数，Eff(u_i)表示用户u_i的消息影响力。

6.根据权利要求1所述的一种基于多话题情感度量的衍生话题传播预测方法，其特征在于，根据话题关联度和用户的独立转发概率计算不同类用户间的转化概率的过程包括：

根据话题关联度和用户的独立转发概率计算跨模型状态转移概率，免疫用户根据跨模型状态转移概率转化为参与衍生话题的易感用户；

根据话题关联度和用户的独立转发概率计算参与过前驱话题的易感用户的转移概率，易感用户根据该转移概率转化为参与衍生话题的感染用户；

根据话题关联度和用户的独立转发概率计算未参与过前驱话题的易感用户的转移概率，易感用户根据该转移概率转化为参与衍生话题的感染用户；

感染用户以固定的概率转化为免疫用户。