[发明专利]基于相似关系和共现关系的话题流行度预测方法

摘要

本发明属于社交网络大数据技术领域，具体涉及一种基于相似关系和共现关系的话题流行度预测方法，包括主要步骤：(S1)输入文档集合，通过LDA建模分析得到话题集合、每个话题的词汇分布和每个文档的话题分布；(S2)计算话题的相似向量；(S3)计算话题的共现向量；(S4)定义流行度，并计算话题流行度；(S5)计算话题基于相似关系的流行度；(S6)计算话题基于共现关系的流行度；(S7)根据步骤(S5)和步骤(S6)的计算结果，分别计算话题在四类流行度情况下的概率值，选择概率值最大的类别作为该话题的最终流行度。本发明方法将话题流行度预测应用到了社交网络大数据中，实现了话题流行程度的短期预测。

主权项

1.一种基于相似关系和共现关系的话题流行度预测方法，其特征在于，包括以下步骤：(S1)输入文档集合，通过LDA建模分析得到话题集合、每个话题的词汇分布和每个文档的话题分布；(S2)针对任一个话题z_a，根据话题z_a的词汇分布，通过KL散度法计算话题z_a与其他话题的相似关系，即话题z_a的相似向量；(S3)针对任一个文档d，根据文档d的话题分布，将文档d中的话题按照分布概率值进行降序排列，取出概率最大的3个话题作为文档d的代表性话题，并计算话题z_a与其他话题的共现关系，即话题z_a的共现向量；所述计算话题z_a与其他话题的共现关系具体为：Cooccurrence(z_a)＝{(z₁，w_c‑a1)，(z₂，w_c‑a2)，...，(z_m，w_c‑am))其中，Cooccurrence(z_a)表示话题z_a的共现向量，z_i表示第i个话题，w_c‑ai为第i个话题对应的共现权重，i＝1，2，…，m且i≠a，m表示话题总数；Cor(z_a，z_b)＝∑_d∈Fφ(z_a，z_b，d)，F为文档集合，z_a和z_b表示任意两个话题，d表示文档，S(d)表示文档的代表性话题集合；(S4)定义流行度，并计算话题的流行度；假设给定一个微博c，记微博c的发表时间为0时刻，则在t时刻的转发次数记为R(c，t)，即微博c在时刻t的流行度；设话题z_a包含若干条微博，记话题z_a中第一条微博的发表时间为0时刻，则在t时刻的属于该话题z_a的所有微博转发次数之和记为R(z_a，t)，即话题z_a在时刻t的流行度；定义R(z_a，t₁)表示话题z_a在t₁时刻的流行度，R(z_a，t₂)表示话题z_a在预测时刻t₂的流行度，t₂＞t₁，则计算评价中间量q：q＝R(z_a，t₁)/R(z_a，t₂)；设定三个阈值p₁、p₂、p₃，且p₁＜p₂＜p₃，将话题流行度分为四个类别，根据评价中间量q得到话题流行度类别，具体为，如果q＜p₁，则为L₁类；如果p₁≤q＜p₂，则为L₂类；如果p₂≤q＜p₃，则为L₃类；如果q≥p₃，则为L₄类；(S5)计算话题z_a基于相似关系的流行度，具体过程为：从话题z_a的相似向量中选出k个相似权重最高的话题，记为S_sim(z_a)，通过这k个话题的流行度类别和与话题z_a的相似关系，计算话题z_a在相似关系下属于四种流行度类别的情况，计算公式如下：其中β的取值为1，2，3，4，z_j表示话题，w_s‑aj为话题z_j对应的相似权重，R(z_j)表示话题z_j所属流行度类别，δ()表示布尔函数，(S6)计算话题z_a基于共现关系的流行度，具体过程为：从话题z_a的共现向量中选出k个共现权重最高的话题，记为S_cor(z_a)，通过这k个话题的流行度类别以及与话题z_a的共现情况，计算话题z_a在共现关系下属于四种流行度类别的情况，计算公式如下：其中z_l表示话题，w_c‑al为话题z_l对应的相似权重，R(z_l)表示话题z，所属流行度类别；(S7)根据步骤(S5)和步骤(S6)的计算结果，分别计算话题z_a在L₁、L₂、L₃、L₄四类情况下的概率值，选择概率值最大的类别作为该话题z_a的最终流行度。