[发明专利]一种基于ICS-SVM分析用户转发行为的预测方法及系统

摘要

本发明请求保护一种基于ICS‑SVM分析用户转发行为的预测方法及系统，属于社交网络分析领域。首先获取数据集。其次，定义影响因素。利用从真实社交网络‑腾讯微博中获取的数据，提取用户内部影响机制和外界影响机制。优化CS算法。根据推导公式，使搜索步长能够自适应的动态调整。针对用户的转发行为随时间变化的特点，本发明利用时间切片的方法，并利用ICS‑SVM模型预测用户转发行为，这样能够弥补传统布谷鸟算法优化SVM参数的缺点，且提高传统支持向量机的预测精度。本发明能够更加精确地预测用户转发行为，并分析热点话题的传播趋势。

主权项

1.一种基于ICS‑SVM分析用户转发行为的预测方法，其特征在于，包括数据获取的步骤、定义影响因素的步骤、改进CS算法的步骤以及构建ICS‑SVM模型的步骤，具体包括：S1：数据获取的步骤：从基于web研究型的推荐系统下载或利用成熟的社交平台的API获取，并对数据进行清洗、查重在内的预处理；S2：定义影响因素的步骤：从步骤S1获取的已有数据中提取用户兴趣标签、用户历史转发率、外界影响三个属性，通过多元线性回归的方法定义影响力；S3：改进CS算法的步骤：改进的布谷鸟CS搜索算法改进在于：在传统的布谷鸟CS搜索算法基础上，采用推导算法产生步长，使搜索步长能够自适应的动态调整；S4：构建ICS‑SVM模型：将步骤S3的改进布谷鸟算法与SVM支持向量机进行结合，使用改进布谷鸟算法优化SVM的参数，利用最优参数作为SVM的参数训练预测模型，采用时间切片的方法预测用户转发行为，分析热点话题传播趋势。