[发明专利]一种改进的RBF神经网络热点话题用户参与行为预测方法

摘要

本发明请求保护一种改进的RBF神经网络热点话题用户参与行为预测方法，属于计算机网络信息技术分析领域。首先，考虑到神经网络能够对用户行为之间复杂的非线性关系起到良好的拟合效果，并进一步采用RBF(Radical Basis Function，径向基函数)神经网络构建用户参与行为预测模型；其次，由于用户属性与参与行为之间的映射关系具有不确定性，引入云理论(Cloud)对RBF中隐含层的激活函数进行优化；最后，针对用户的参与行为随时间变化的特点，利用时间离散化及时间切片方法，对话题热度进行基于指数函数模型的参数拟合，从而得出话题热度变化趋势。

主权项

一种改进的RBF神经网络热点话题用户参与行为预测方法，其特征在于，包括以下步骤：S1：从现有的社交平台的API获取，或者通过网络爬虫抓取web网页中的内容获取社交网络用户数据；S2：提取相关属性的步骤：考虑到潜在用户参与话题主要原因包括用户个人特征属性以及用户外部社交属性的影响，将从这两个方面提取相关属性；并对用户的信息做时间切片化处理；S3：建立模型的步骤：将用户属性进行基于云变换的数据拟合，得到正态云后可以构建出高维云，高维云的个数即为RBF神经网络中隐含层的神经元个数，其参数即为隐含层激励函数的聚类中心和带宽，确定好参数后即可对RBF神经网络进行训练，得到预测该用户是否会参与话题的预测模型；S4：预测和分析过程步骤：通过采用指数平滑法预测未来话题趋势走向，将预测得出的热点话题参与人数的时间序列(y1，y2，…，yn)做三次指数平滑计算，即可拟合出热点话题的热度趋势变化，从而进行对下一时间段的预测。