[发明专利]基于社交网络数据的社会心理预测方法

权利要求书

1.一种基于社交网络数据的社会心理预测方法，其特征在于，包括步骤：

利用Scrapy框架爬虫从社交网络平台上爬取待测用户的社交网络数据；

根据预设的社会心理特征和用户特征之间的映射关系，从所述社交网络数据中提取与所述社会心理特征最相关的用户特征数据；所述用户特征数据包括个人统计学特征数据、大五人格特征数据和关联特征数据；

将所述用户特征数据输入训练好的社会心理预测模型，输出所述待测用户的社会心理预测标签；所述社会心理预测模型为预先使用公开数据集和社交网络数据集训练得到。

2.根据权利要求1所述的基于社交网络数据的社会心理预测方法，其特征在于，利用Scrapy框架爬虫从社交网络平台上爬取待测用户的社交网络数据的步骤，包括：

确定待测用户所在社交网络平台上待爬取信息的统一资源定位符队列；

根据所述统一资源定位符队列，分别爬取每个统一资源定位符对应的社交网页内容；

分别对各所述社交网页内容进行解析处理，得到所述待测用户的所述社交网络数据并存入设定数据库中。

3.根据权利要求2所述的基于社交网络数据的社会心理预测方法，其特征在于，所述社交网络数据包括公开的用户个人信息、发布的社交信息和互动行为信息。

4.根据权利要求1所述的基于社交网络数据的社会心理预测方法，其特征在于，所述关联特征数据的提取过程，包括：

将所述社交网络数据中的特征相关数据进行分类；所述特征相关数据包括用户关注、点赞、转发活动微博或媒体微博数据，所述分类的类型包括关注数量、点赞数量、点赞文本、转发数量和转发文本；

根据关注数量确定用户对活动类信息的感兴趣程度；

根据点赞数量和转发数量确定用户是否使用活动微博或媒体微博查看活动类信息；

根据点赞文本和转发文本的所有数据计算用户对活动微博的信任度。

5.根据权利要求1所述的基于社交网络数据的社会心理预测方法，其特征在于，所述社会心理预测模型为基于公开数据集和社交网络数据集，采用逻辑回归、支持向量机、XGBoost、决策树和随机森林学习算法训练得到的预测模型。

6.根据权利要求5所述的基于社交网络数据的社会心理预测方法，其特征在于，所述社会心理预测模型的训练过程，包括：

从社会调查网站获取关于社会意识调查的所述公开数据集；

对所述公开数据集进行数据预处理；

在预处理后的所述公开数据集中，根据设定的社会心理分类标签提取目标社会心理特征并抽取各用户特征；

利用在线数据统计分析工具对所述目标社会心理特征和各用户特征进行数据相关性分析，确定与所述目标社会心理特征最相关的用户特征类型；

利用Scrapy框架爬虫从社交网络平台上爬取各用户的社交网络数据；

根据所述用户特征类型，从所述社交网络数据中提取各用户的用户特征数据；

基于所述目标社会心理特征和各用户的所述用户特征数据组成的训练集，采用逻辑回归、支持向量机、XGBoost、决策树和随机森林学习算法训练得到所述社会心理预测模型。