[发明专利]基于融合特征筛选与随机森林的微博转发行为预测方法

摘要

本发明公开了一种基于融合特征筛选与随机森林的微博转发行为预测方法，首先，从互联网中采集数据，并对其进行清洁整理，生成用户信息、用户博文信息存放到用户数据库，从用户数据库中提取用户基本特征、博文基本特征、博文主题特征，并基于相对熵计算用户活跃度、博文影响力；其次，通过Filter特征选择法与Wrapper特征选择法筛选出关键特征组；最后，融合异常检测与随机森林算法，依据筛选后的关键特征组进行微博转发行为预测，并利袋外数据误差估计设置随机森林中决策树和特征数。本发明有效解决了目前微博转发行为预测特征选择任意性，准确率不高的问题。

主权项

一种基于融合特征筛选与随机森林的微博转发行为预测方法，其特征在于：包括以下步骤：步骤1：从互联网中采集数据，并对其进行清洁整理，生成用户信息、用户博文信息存放到用户数据库；步骤2：特征提取，从用户数据库中提取用户基本特征、博文基本特征、博文主题特征；步骤3：特征合成，基于提取的用户特征计算用户活跃度、博文影响力进行特征合成；步骤4：特征筛选：首先通过Filter特征选择法剔除所有特征中无关特征或噪声特征，去冗余、无效特征，缩减后续特征搜索规模；然后将选取后的特征通过Wrapper特征选择法继续进行优化选取；步骤5：对筛选后的特征进行参数调整和模型优化，利用袋外数据误差估计设置随机森林中决策树和特征数，通过实验设置异常检测的阈值；步骤6：依据优化后的特征组通过随机森林算法进行转发与否预测，再通过异常检测算法对预测结果进行修正，得到最终预测结果。