本發(fā)明涉及社交網(wǎng)絡(luò)信息分析領(lǐng)域，主要涉及根據(jù)社交網(wǎng)絡(luò)用戶行為分析，構(gòu)建一種動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型。

背景技術(shù)：

隨著WEB2.0理念的普及與相關(guān)技術(shù)的日益成熟，社交網(wǎng)站如Twitter、Facebook、新浪微博等對(duì)人們的生活產(chǎn)生了巨大影響。人們?cè)谏缃痪W(wǎng)站中更新狀態(tài)或發(fā)送廣播，以此來(lái)展現(xiàn)自己的生活狀態(tài)、發(fā)表感想或與朋友們分享信息。社交網(wǎng)站為用戶相互交流、發(fā)表意見和觀點(diǎn)提供了非常便利的平臺(tái)。對(duì)社交網(wǎng)站的用戶行為進(jìn)行建模和預(yù)測(cè)對(duì)于安全、商業(yè)等多個(gè)領(lǐng)域具有十分重要的社會(huì)意義和應(yīng)用價(jià)值，近年來(lái)逐漸得到研究者的重視。

新浪微博是一款為大眾提供娛樂(lè)休閑生活服務(wù)的信息分享和交流平臺(tái)，于2009年8月14日開始內(nèi)測(cè)。截至2014年6月底，我國(guó)微博用戶規(guī)模為2.75億，用戶之間組成復(fù)雜的關(guān)注網(wǎng)絡(luò)，平均每天發(fā)送微博近1億條，信息沿著用戶間的關(guān)注關(guān)系傳播，形成傳播擴(kuò)散網(wǎng)絡(luò)。用戶轉(zhuǎn)發(fā)是微博中最有效的信息傳播機(jī)制，當(dāng)前轉(zhuǎn)發(fā)預(yù)測(cè)的研究主要集中在興趣特征、用戶影響力以及用戶屬性等對(duì)轉(zhuǎn)發(fā)行為預(yù)測(cè)結(jié)果的影響。所使用的方法包括基于文本的分析、基于用戶影響力的分析和基于網(wǎng)絡(luò)結(jié)構(gòu)的分析等。其中，基于文本的分析主要利用概率主題模型分析文本，根據(jù)文本主題與用戶興趣的相似度預(yù)測(cè)用戶的轉(zhuǎn)發(fā)行為。例如：Xuning Tang等人在《接下來(lái)誰(shuí)將參與？預(yù)測(cè)黑色網(wǎng)絡(luò)社區(qū)的參與》(Who will be Participating Next？Predicting the Participation of Dark Web Community)中構(gòu)建了一個(gè)用戶興趣和話題檢測(cè)模型(UTD)。在給定已有部分用戶對(duì)某個(gè)帖子進(jìn)行回復(fù)的條件下，UTD模型通過(guò)獲取話題內(nèi)容和發(fā)展趨勢(shì)預(yù)測(cè)哪些用戶會(huì)對(duì)新的帖子產(chǎn)生興趣；基于用戶影響力分析主要研究用戶在社交網(wǎng)絡(luò)中對(duì)于其他用戶的影響力，并與影響用戶轉(zhuǎn)發(fā)、評(píng)論的行為因素相結(jié)合，從而達(dá)到預(yù)測(cè)用戶轉(zhuǎn)發(fā)概率的目的。例如：Weng J等人在《基于主題找到影響力用戶》(TwitterRank:Finding Topic-sensitive Influential Twitterers)中通過(guò)用戶影響力評(píng)價(jià)，幫助用戶迅速找出自己感興趣的信息，從而解決了“微博網(wǎng)絡(luò)中朋友過(guò)多所導(dǎo)致的信息過(guò)載問(wèn)題”；基于網(wǎng)絡(luò)結(jié)構(gòu)的分析主要利用小世界理論、用戶出入度等理論，構(gòu)建因子圖模型預(yù)測(cè)用戶的轉(zhuǎn)發(fā)行為。例如：Jing Zhang等人在《誰(shuí)影響了你？通過(guò)社會(huì)影響力預(yù)測(cè)轉(zhuǎn)發(fā)行為》(Who Influenced You？Predicting Re-tweet via social Influence Locality)中研究了基于用戶好友圈子，結(jié)合因子圖模型和社會(huì)影響力分析的轉(zhuǎn)發(fā)預(yù)測(cè)方法。

用戶的信息轉(zhuǎn)發(fā)行為是多因素共同作用的結(jié)果，但上述現(xiàn)有技術(shù)未考慮到用戶行為的復(fù)雜性，僅僅集中于一方面預(yù)測(cè)用戶轉(zhuǎn)發(fā)行為，預(yù)測(cè)結(jié)果并不準(zhǔn)確，而且無(wú)法評(píng)估影響用戶行為的各個(gè)特征的重要性。另外，當(dāng)前的研究主要集中在網(wǎng)絡(luò)靜態(tài)特征對(duì)信息傳播的影響，但卻忽視了網(wǎng)絡(luò)動(dòng)態(tài)特性的重要作用，造成動(dòng)態(tài)網(wǎng)絡(luò)靜態(tài)化問(wèn)題。例如，用戶活躍度具有動(dòng)態(tài)特性，用戶的活躍度隨時(shí)間不斷變化，其信息擴(kuò)散速度和范圍也將隨之改變。因此，在網(wǎng)絡(luò)靜態(tài)特征的基礎(chǔ)上，應(yīng)充分考慮動(dòng)態(tài)因素對(duì)信息傳播的影響。由于社交網(wǎng)絡(luò)中充斥著海量的信息，挖掘用戶興趣是提高信息轉(zhuǎn)發(fā)預(yù)測(cè)效果的主要途徑之一，利用LDA主題模型在大文本處理和特征降維方面的巨大優(yōu)勢(shì)，可以幫助用戶迅速找出自己感興趣的信息。本文重點(diǎn)針對(duì)網(wǎng)絡(luò)動(dòng)態(tài)特性、用戶行為表征以及用戶特征重要性評(píng)定等問(wèn)題，引入并優(yōu)化LDA主題模型，對(duì)用戶行為進(jìn)行建模分析，并采用時(shí)間離散化及時(shí)間切片方法，增強(qiáng)LDA模型對(duì)動(dòng)態(tài)用戶特征的處理能力，動(dòng)態(tài)監(jiān)測(cè)用戶活躍度，提高轉(zhuǎn)發(fā)預(yù)測(cè)的準(zhǔn)確度。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題：針對(duì)信息傳播中網(wǎng)絡(luò)動(dòng)態(tài)特性、用戶行為表征以及用戶特征重要性評(píng)定等問(wèn)題，提出了一種有效估計(jì)消息是否能獲得轉(zhuǎn)發(fā)及其轉(zhuǎn)發(fā)規(guī)模、及早發(fā)現(xiàn)可能引發(fā)大規(guī)模爆發(fā)的微博的基于好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)系統(tǒng)及方法。本發(fā)明的技術(shù)方案如下：

一種基于好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)系統(tǒng)，包括用戶行為數(shù)據(jù)源獲取模塊，用于獲取社交網(wǎng)絡(luò)中的用戶關(guān)系和用戶行為數(shù)據(jù)，將發(fā)文用戶的粉絲作為備選用戶，其還包括屬性提取模塊、模型構(gòu)建模塊及預(yù)測(cè)分析模塊，其中，所述屬性提取模塊分別從用戶間興趣差異、備選用戶的活躍度以及發(fā)文用戶的影響力三方面提取相關(guān)屬性向量作為預(yù)測(cè)模型的輸入；微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型構(gòu)建模塊，用于對(duì)備選用戶構(gòu)建微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型，轉(zhuǎn)發(fā)行為主要受備選用戶與其好友的興趣差異τ、備選用戶在文章發(fā)布時(shí)段的活躍度s和其好友的網(wǎng)絡(luò)影響力r參數(shù)決定，并對(duì)以上模型參數(shù)進(jìn)行擬合；預(yù)測(cè)分析模塊用于將擬合后獲得的參數(shù)和任一時(shí)刻t的用戶發(fā)文情況進(jìn)行備選用戶是否會(huì)轉(zhuǎn)發(fā)該條微博的預(yù)測(cè)。

進(jìn)一步的，所述屬性提取模塊針對(duì)用戶間興趣差異，提取用戶興趣向量包括：利用用戶的關(guān)注行為屬性，獲取每個(gè)用戶的關(guān)注列表，定義用戶v的興趣向量為其中，e_v,u表示用戶v關(guān)注列表中的用戶，u＝1,2......|E_v|，|E_v|表示用戶v關(guān)注列表中的用戶總數(shù)。

進(jìn)一步的，所述屬性提取模塊針對(duì)備選用戶的活躍度，提取用戶狀態(tài)向量包括：利用用戶的交互行為屬性和時(shí)間屬性，獲取每個(gè)用戶在一段時(shí)間內(nèi)的用戶發(fā)布微博活躍度及轉(zhuǎn)發(fā)微博活躍度，定義用戶v的活躍度狀態(tài)向量為其中，表示用戶v在時(shí)間片t上的發(fā)布微博活躍度，表示用戶v在時(shí)間片t上的轉(zhuǎn)發(fā)微博活躍度，和分別代表用戶v在時(shí)間片t上的發(fā)布微博數(shù)、轉(zhuǎn)發(fā)微博數(shù)以及用戶v平均每天發(fā)布微博數(shù)。

進(jìn)一步的，所述屬性提取模塊針對(duì)發(fā)文用戶的影響力，提取用戶特征向量包括：利用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)屬性，獲取每個(gè)用戶節(jié)點(diǎn)的出度、入度和局部聚集系數(shù)，定義用戶v的影響力特征向量為其中，d_v,1表示用戶v的粉絲數(shù)，d_v,2表示用戶v的好友數(shù)，表示用戶v的局部聚集系數(shù)，Ng_v是節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)集合，edg_ij是它的相鄰結(jié)點(diǎn)之間的連接。

進(jìn)一步的，所述微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型從用戶間興趣差異、備選用戶活躍度以及發(fā)文用戶影響力三方面，對(duì)于用戶間興趣差異方面，從用戶行為和用戶關(guān)系信息中提取用戶的興趣向量，利用LDA模型訓(xùn)練所有用戶，獲取用戶的興趣主題分布；對(duì)于備選用戶活躍度方面，從用戶行為和時(shí)間信息中提取各個(gè)時(shí)間片上的用戶的狀態(tài)向量，針對(duì)用戶狀態(tài)向量中的元素是連續(xù)值，使用高斯分布改進(jìn)LDA，再利用改進(jìn)的LDA模型訓(xùn)練所有用戶，獲取用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布；對(duì)于發(fā)文用戶影響力方面，從網(wǎng)絡(luò)結(jié)構(gòu)信息中提取用戶的特征向量，同上述用戶狀態(tài)向量一樣，使用高斯分布改進(jìn)LDA，再利用改進(jìn)的LDA模型訓(xùn)練所有用戶，獲取用戶的網(wǎng)絡(luò)角色分布；最后根據(jù)用戶間興趣是否一致、備選用戶在各個(gè)時(shí)間片上所處的活躍狀態(tài)、發(fā)文用戶的網(wǎng)絡(luò)角色以及用戶的歷史轉(zhuǎn)發(fā)數(shù)據(jù)訓(xùn)練整個(gè)預(yù)測(cè)模型，得到用戶轉(zhuǎn)發(fā)行為的多項(xiàng)分布。

進(jìn)一步的，所述微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型獲取用戶的興趣主題分布還包括：在用戶關(guān)系網(wǎng)絡(luò)的基礎(chǔ)上再利用用戶之間的交互行為，對(duì)用戶的興趣向量I(v)進(jìn)行加權(quán)得到加權(quán)用戶興趣向量為其中，w_v,n表示用戶v發(fā)生第n次交互行為的交互對(duì)象，n＝1,2......N_v，N_v為用戶v交互總次數(shù)，再利用LDA模型訓(xùn)練所有用戶，便可得到用戶的興趣主題分布。

進(jìn)一步的，所述獲取用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布還包括：針對(duì)用戶發(fā)布活躍度x_v,t,1和轉(zhuǎn)發(fā)活躍度x_v,t,2是連續(xù)變量，使用高斯分布改進(jìn)LDA模型，使得發(fā)布活躍度和轉(zhuǎn)發(fā)活躍度的取值分別服從不同的高斯分布：其中，x_v,t,m表示用戶v在時(shí)間片t上的第m個(gè)屬性值，μ_s,m和σ_s,m分別是用戶活躍狀態(tài)為s時(shí)第m個(gè)屬性的均值和標(biāo)準(zhǔn)差。

進(jìn)一步的，通過(guò)時(shí)間切片方法，將每天從夜間0點(diǎn)開始切割成4個(gè)時(shí)段，即t＝1,2,3,4，將用戶的活躍狀態(tài)分為三個(gè)等級(jí)，即非常活躍、一般活躍和不活躍，利用改進(jìn)的LDA模型訓(xùn)練所有用戶，便可得到用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布。

進(jìn)一步的，基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)將用戶節(jié)點(diǎn)分為三種角色類型，即意見領(lǐng)袖、信息傳播者和普通用戶，同樣，使用高斯分布改進(jìn)LDA模型后，利用此模型訓(xùn)練所有用戶，便可得到用戶的網(wǎng)絡(luò)角色分布。

一種基于所述系統(tǒng)的好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，其包括以下步驟：

獲取社交網(wǎng)絡(luò)中的用戶關(guān)系和用戶行為數(shù)據(jù)，將發(fā)文用戶的粉絲作為備選用戶；分別從用戶間興趣差異、備選用戶的活躍度以及發(fā)文用戶的影響力三方面獲取三個(gè)用戶向量作為預(yù)測(cè)模型的輸入；

構(gòu)建微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型，并對(duì)模型參數(shù)進(jìn)行擬合；

將擬合后獲得的參數(shù)和任一時(shí)刻t的用戶發(fā)文情況輸入到預(yù)測(cè)模型進(jìn)行備選用戶是否會(huì)轉(zhuǎn)發(fā)該條微博的預(yù)測(cè)。

本發(fā)明的優(yōu)點(diǎn)及有益效果如下：

本發(fā)明提出了一種基于好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法。首先，針對(duì)單個(gè)用戶興趣、活躍度和影響力的多樣性，利用LDA主題模型可解決“一詞多義，多詞一義”的基礎(chǔ)思想和方法，對(duì)用戶行為進(jìn)行建模分析，得到關(guān)于用戶行為的主題分布；其次，考慮到用戶狀態(tài)向量和用戶特征向量中的元素是連續(xù)值，使用高斯分布改進(jìn)LDA，以發(fā)現(xiàn)用戶的活躍度和影響力；最后，針對(duì)用戶的活躍度隨時(shí)間的變化，利用時(shí)間離散化及時(shí)間切片方法，提出一種改進(jìn)的LDA動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型，動(dòng)態(tài)監(jiān)測(cè)用戶的活躍度，提高預(yù)測(cè)模型的準(zhǔn)確度。

本發(fā)明針對(duì)信息傳播中網(wǎng)絡(luò)動(dòng)態(tài)特性、用戶行為表征以及用戶特征重要性評(píng)定等問(wèn)題，提出了一種基于好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法，能夠?qū)τ脩艮D(zhuǎn)發(fā)行為做出準(zhǔn)確的預(yù)測(cè)。根據(jù)預(yù)測(cè)結(jié)果，能夠有效估計(jì)消息是否能獲得轉(zhuǎn)發(fā)及其轉(zhuǎn)發(fā)規(guī)模，及早發(fā)現(xiàn)可能引發(fā)大規(guī)模爆發(fā)的微博，對(duì)微博突發(fā)性檢測(cè)和微博影響力評(píng)估具有重要意義。

附圖說(shuō)明

圖1是本發(fā)明提供優(yōu)選實(shí)施例基于好友圈子的動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)方法總體流程圖；

圖2是本發(fā)明的預(yù)測(cè)模型框圖；

圖3是本發(fā)明的預(yù)測(cè)模型流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、詳細(xì)地描述。所描述的實(shí)施例僅僅是本發(fā)明的一部分實(shí)施例。

本發(fā)明解決上述技術(shù)問(wèn)題的技術(shù)方案是，

由于社交網(wǎng)絡(luò)中的信息傳播主要受興趣差異、用戶歷史行為和網(wǎng)絡(luò)結(jié)構(gòu)推動(dòng)，因此本發(fā)明分別從用戶興趣、活躍度和影響力三個(gè)方面出發(fā)，利用LDA主題模型的基礎(chǔ)思想和方法，對(duì)用戶行為進(jìn)行建模分析，得到關(guān)于用戶行為的主題分布；其次，針對(duì)用戶屬性中存在連續(xù)變量的問(wèn)題，使用高斯分布改進(jìn)LDA，以發(fā)現(xiàn)用戶的活躍度和影響力；最后，針對(duì)用戶的活躍度隨時(shí)間的變化，利用時(shí)間離散化及時(shí)間切片方法，提出一種改進(jìn)的LDA動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型，使其能夠動(dòng)態(tài)監(jiān)測(cè)用戶的活躍度，準(zhǔn)確的預(yù)測(cè)用戶的轉(zhuǎn)發(fā)行為并發(fā)現(xiàn)影響用戶轉(zhuǎn)發(fā)的關(guān)鍵因素。

具體表述為：給定一個(gè)社交關(guān)系網(wǎng)絡(luò)G＝(V,E,Y)。其中，V表示網(wǎng)絡(luò)中的所有用戶，|V|＝N表示用戶的數(shù)量；E表示所有用戶之間的關(guān)系，是一個(gè)N×N維的矩陣；Y表示用戶的一系列過(guò)往行為，|Y|＝I表示用戶行為數(shù)據(jù)總數(shù)。設(shè)計(jì)一個(gè)概率生成模型，利用社交網(wǎng)絡(luò)中的用戶關(guān)系和用戶行為信息，并加入時(shí)效性因素的影響，對(duì)每個(gè)用戶進(jìn)行分析，通過(guò)4個(gè)概率生成過(guò)程得到每個(gè)用戶的興趣分布、活躍等級(jí)分布、網(wǎng)絡(luò)角色分布以及用戶轉(zhuǎn)發(fā)行為的分布，依據(jù)這4個(gè)分布對(duì)一段時(shí)間內(nèi)用戶對(duì)其關(guān)注好友微博的轉(zhuǎn)發(fā)行為進(jìn)行預(yù)測(cè)。

如圖1所示為本發(fā)明的總體流程圖，主要包括：獲取數(shù)據(jù)模塊，提取屬性模塊，構(gòu)建模型模塊，預(yù)測(cè)分析模塊共四大模塊。

以下具體說(shuō)明本發(fā)明的詳細(xì)實(shí)施過(guò)程。

S1：獲取數(shù)據(jù)源。獲取的數(shù)據(jù)具體包括用戶關(guān)注關(guān)系網(wǎng)絡(luò)和網(wǎng)絡(luò)中所有用戶的用戶行為信息，用戶行為包括用戶過(guò)往發(fā)布和轉(zhuǎn)發(fā)的微博，以及發(fā)布和轉(zhuǎn)發(fā)微博的時(shí)間。具體可采用如下方法(也可采用現(xiàn)有技術(shù)的常規(guī)方法獲取)：

S11：獲取原始數(shù)據(jù)。獲取一個(gè)用戶關(guān)注關(guān)系網(wǎng)絡(luò)和該網(wǎng)絡(luò)下的所有用戶的過(guò)往行為數(shù)據(jù)。通過(guò)社交網(wǎng)絡(luò)公共API或直接下載現(xiàn)有數(shù)據(jù)源都可以得到原始數(shù)據(jù)，也可結(jié)合網(wǎng)絡(luò)爬蟲等方法補(bǔ)充數(shù)據(jù)。

S12：簡(jiǎn)單的數(shù)據(jù)清洗。通過(guò)簡(jiǎn)單的數(shù)據(jù)清洗可以使大部分?jǐn)?shù)據(jù)利于分析。例如，刪除重復(fù)數(shù)據(jù)、清理無(wú)效節(jié)點(diǎn)等。

S13：對(duì)數(shù)據(jù)進(jìn)行時(shí)間分片，確定用戶在各個(gè)時(shí)間片上的屬性。這里的用戶屬性具體指用戶的發(fā)布活躍度和轉(zhuǎn)發(fā)活躍度。由于用戶的轉(zhuǎn)發(fā)行為與其作息時(shí)間密切相關(guān)，根據(jù)用戶的生活作息特點(diǎn)，將一天以預(yù)定時(shí)間(如6個(gè)小時(shí))為一個(gè)時(shí)間段進(jìn)行時(shí)間分片。在某個(gè)時(shí)間段t里，根據(jù)用戶屬性確定此時(shí)段內(nèi)用戶的活躍狀態(tài)，以預(yù)測(cè)用戶是否會(huì)轉(zhuǎn)發(fā)其好友的微博。

S2：提取相關(guān)屬性?？紤]社交網(wǎng)絡(luò)中的轉(zhuǎn)發(fā)行為主要從興趣差異、用戶歷史行為以及網(wǎng)絡(luò)結(jié)構(gòu)三方面，本發(fā)明分別從用戶興趣、活躍度和影響力三個(gè)方面出發(fā)來(lái)提取相關(guān)屬性，如關(guān)注行為屬性、交互行為屬性、時(shí)間屬性和網(wǎng)絡(luò)結(jié)構(gòu)屬性。其屬性可根據(jù)數(shù)據(jù)方面的特征對(duì)其進(jìn)行適當(dāng)修改。

提取完以上三方面的各個(gè)屬性后，獲取相應(yīng)的用戶向量。其具體方式如下。

S21：提取用戶興趣向量?？紤]到用戶對(duì)自己感興趣的用戶關(guān)注，利用用戶的關(guān)注行為屬性，獲取每個(gè)用戶的關(guān)注列表，定義用戶v的興趣向量為：

其中，e_v,u(u＝1,2......|E_v|)表示用戶v關(guān)注列表中的用戶，|E_v|表示用戶v關(guān)注列表中的用戶總數(shù)。例如：用戶a關(guān)注列表中的用戶有：b，c，d，e......，則用戶a的興趣向量為I(a)＝[b,c,d,e......]。

S22：提取用戶狀態(tài)向量。根據(jù)用戶的生活作息特點(diǎn)，將一天以預(yù)定時(shí)間(如6個(gè)小時(shí))為一個(gè)時(shí)間段進(jìn)行時(shí)間分片，利用用戶的交互行為屬性和時(shí)間屬性，獲取每個(gè)用戶在各個(gè)時(shí)間片內(nèi)的發(fā)布微博活躍度及轉(zhuǎn)發(fā)微博活躍度，定義用戶v的狀態(tài)向量為：

其中，表示用戶v在時(shí)間片t上的發(fā)布微博活躍度，表示用戶v在時(shí)間片t上的轉(zhuǎn)發(fā)微博活躍度。和分別代表用戶v在時(shí)間片t上的發(fā)布微博數(shù)、轉(zhuǎn)發(fā)微博數(shù)以及用戶v平均每天發(fā)布微博數(shù)。例如：用戶a在第1時(shí)間片上發(fā)布了3條微博，其中轉(zhuǎn)發(fā)微博為2條，而用戶a平均一天發(fā)布5條微博，則用戶a的行為向量為

S23：提取用戶特征向量。由于用戶節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置對(duì)信息傳播有重大影響，利用網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)屬性，獲取每個(gè)用戶節(jié)點(diǎn)的出度、入度和局部聚集系數(shù)，定義用戶v的特征向量為：

其中，d_v,1表示用戶v的粉絲數(shù)，d_v,2表示用戶v的好友數(shù)，表示用戶v的局部聚集系數(shù)。Ng_v是節(jié)點(diǎn)v的鄰居節(jié)點(diǎn)集合，edg_ij是它的相鄰結(jié)點(diǎn)之間的連接。例如：用戶a擁有30個(gè)粉絲，20個(gè)好友，鄰居節(jié)點(diǎn)共有40個(gè)，其鄰居節(jié)點(diǎn)之間存在200個(gè)連接邊，則用戶a的特征向量為

S3：建立預(yù)測(cè)模型，如圖2所示為本發(fā)明的預(yù)測(cè)模型框圖。備選用戶是否會(huì)轉(zhuǎn)發(fā)其好友的微博，主要受備選用戶與其好友的興趣差異τ、備選用戶在文章發(fā)布時(shí)段的活躍度s和其好友的網(wǎng)絡(luò)影響力r決定。

預(yù)測(cè)模型進(jìn)行備選用戶是否會(huì)轉(zhuǎn)發(fā)其好友的某條微博的預(yù)測(cè)具體包括：對(duì)于興趣差異方面，從用戶行為和用戶關(guān)系信息中提取用戶的興趣向量I(v)，利用LDA模型訓(xùn)練所有用戶，獲取用戶的興趣社區(qū)分布其中，表示用戶v的興趣社區(qū)分布，N為用戶總數(shù)；對(duì)于用戶活躍度方面，從用戶行為和時(shí)間信息中提取各個(gè)時(shí)間片上的用戶的狀態(tài)向量L(v,t)，針對(duì)用戶狀態(tài)向量中的元素是連續(xù)值，先使用高斯分布改進(jìn)LDA，再利用改進(jìn)的LDA模型訓(xùn)練所有用戶，獲取用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布其中，表示用戶v在t時(shí)間片上的活躍狀態(tài)概率分布；對(duì)于用戶的網(wǎng)絡(luò)影響力方面，從網(wǎng)絡(luò)結(jié)構(gòu)信息中提取用戶的特征向量F(v)，同上述用戶狀態(tài)向量一樣，使用高斯分布改進(jìn)LDA，再利用改進(jìn)的LDA模型訓(xùn)練所有用戶，獲取用戶的網(wǎng)絡(luò)角色分其中，表示用戶v的網(wǎng)絡(luò)角色概率分布；最后，根據(jù)用戶的興趣社區(qū)分布用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布用戶的網(wǎng)絡(luò)角色分布以及用戶的歷史轉(zhuǎn)發(fā)數(shù)據(jù)Y訓(xùn)練整個(gè)預(yù)測(cè)模型，得到用戶的轉(zhuǎn)發(fā)行為分布其中，表示當(dāng)用戶間興趣差異為τ，備選用戶處于活躍狀態(tài)s且發(fā)文用戶扮演網(wǎng)絡(luò)角色r時(shí)備選用戶轉(zhuǎn)發(fā)該條微博的概率，表示不轉(zhuǎn)發(fā)的概率。模型的求解和如何預(yù)測(cè)備選用戶在各個(gè)時(shí)間片上的轉(zhuǎn)發(fā)行為將在接下來(lái)的部分詳細(xì)敘述。

如圖3所示為本發(fā)明的預(yù)測(cè)模型流程圖。

S31：獲取用戶的興趣社區(qū)分布。

由于好友關(guān)系僅表示用戶間具有交互的可能性，不能真實(shí)反映兩者信息交互的強(qiáng)度，趨于靜態(tài)。為了發(fā)現(xiàn)活躍的興趣社區(qū)，我們?cè)谟脩絷P(guān)系網(wǎng)絡(luò)的基礎(chǔ)上再利用用戶之間的交互行為，對(duì)用戶的興趣向量I(v)進(jìn)行交互加權(quán)，這里的交互行為具體指轉(zhuǎn)發(fā)行為,得到加權(quán)用戶興趣向量為：

其中，w_v,n(n＝1,2......N_v)表示用戶v發(fā)生第n次交互行為的交互對(duì)象，N_v為用戶v交互總次數(shù)。例如：用戶a與用戶b發(fā)生2次交互，與用戶c發(fā)生4次交互......，則用戶a的加權(quán)興趣向量為I'(a)＝[b,b,c,c,c,c......]。

給定C作為興趣社區(qū)數(shù)，采用LDA模型訓(xùn)練所有用戶，具體生成過(guò)程如下：

對(duì)每一個(gè)用戶v：

1、抽樣一個(gè)邊分布ξ～Dir(λ)，λ是Dirichlet分布的參數(shù)；

2、抽樣一個(gè)用戶興趣社區(qū)分布α是Dirichlet分布的參數(shù)；

3、對(duì)用戶的每一條邊e_v,i：

1)抽樣一個(gè)興趣社區(qū)

2)抽樣一條邊

其中，表示用戶v的興趣社區(qū)分布，表示興趣社區(qū)c的邊分布。

在此概率生成模型中，對(duì)用戶行為建模實(shí)際上是要計(jì)算用戶的興趣社區(qū)分布以及興趣社區(qū)的邊分布對(duì)于Φ和ξ的求解，采用Gibbs抽樣，Gibbs抽樣每次迭代估算Φ和ξ的公式如下：

其中，表示用戶v在興趣社區(qū)c的概率，C為興趣社區(qū)總數(shù)，n_v,c表示用戶v與處于興趣社區(qū)c的關(guān)注用戶交互的次數(shù)，|N_v|為用戶v與其好友的交互總次數(shù)；表示興趣社區(qū)c中出現(xiàn)用戶e的概率，|E|為網(wǎng)絡(luò)中邊的總數(shù)，n_c,e表示興趣社區(qū)c中用戶e的交互次數(shù)，n_c為興趣社區(qū)c中的交互總次數(shù)。

S32：獲取用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布。

用戶的轉(zhuǎn)發(fā)行為與其作息時(shí)間密切相關(guān)，每個(gè)用戶都有自己相對(duì)固定的上網(wǎng)時(shí)間，在該時(shí)段內(nèi)，用戶較活躍，發(fā)帖轉(zhuǎn)帖概率較大，而其他時(shí)間很少參與話題的傳播。因此，通過(guò)時(shí)間切片方法，將每天從夜間0點(diǎn)開始切割成4個(gè)時(shí)段(t＝1,2,3,4)，對(duì)向量數(shù)據(jù)按時(shí)間先離散。其次，針對(duì)用戶發(fā)布活躍度x_v,t,1和轉(zhuǎn)發(fā)活躍度x_v,t,2是連續(xù)變量，使用高斯分布改進(jìn)LDA模型，使得發(fā)布活躍度和轉(zhuǎn)發(fā)活躍度的取值分別服從不同的高斯分布：

其中，x_v,t,m表示用戶v在時(shí)間片t上的第m個(gè)屬性值，μ_s,m和σ_s,m分別是用戶活躍狀態(tài)為s時(shí)第m個(gè)屬性的均值和標(biāo)準(zhǔn)差。

本發(fā)明將用戶的活躍狀態(tài)設(shè)為三個(gè)等級(jí)S＝3，即非?；钴S、一般活躍和不活躍。利用改進(jìn)的LDA模型訓(xùn)練所有用戶，具體生成過(guò)程如下：

對(duì)每一個(gè)用戶v：

1、抽樣一個(gè)用戶在時(shí)間片t上的活躍狀態(tài)分布β是Dirichlet分布的參數(shù)；

2、抽樣一個(gè)活躍等級(jí)

3、對(duì)用戶v的每一個(gè)屬性：

1)抽樣一個(gè)屬性值

其中，表示用戶v在時(shí)間片t上的活躍狀態(tài)分布。

在此概率生成模型中，對(duì)用戶狀態(tài)屬性建模實(shí)際上是要計(jì)算用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布以及用戶各個(gè)屬性取值服從的高斯分布N(μ,σ)。對(duì)于Θ^(t)和μ,σ的求解，采用EM算法，EM迭代估算Θ^(t)和μ,σ的過(guò)程分為兩步：

E-step：更新

M-step：更新μ_s,m和σ_s,m。

其中，表示用戶v在時(shí)間片t上活躍狀態(tài)為s的概率，S為狀態(tài)等級(jí)數(shù)，M為用戶狀態(tài)屬性個(gè)數(shù)，x_v,t,m表示用戶v在時(shí)間片t上的第m個(gè)屬性值，μ_s,m和σ_s,m分別是用戶活躍狀態(tài)為s時(shí)第m個(gè)屬性的均值和標(biāo)準(zhǔn)差。

S33：獲取用戶的網(wǎng)絡(luò)角色分布。

節(jié)點(diǎn)在網(wǎng)絡(luò)中的位置及其所產(chǎn)生的影響對(duì)信息傳播效果具有重要影響。本發(fā)明基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)將用戶節(jié)點(diǎn)分為三種角色類型R＝3，即意見領(lǐng)袖、信息傳播者和普通用戶。意見領(lǐng)袖擁有較高的入度而信息傳播者擁有較高的出度。

同樣，由于角色屬性中存在連續(xù)變量，使用高斯分布改進(jìn)LDA模型后，利用改進(jìn)的LDA模型訓(xùn)練所有用戶，具體生成過(guò)程如下：

對(duì)每一個(gè)用戶v：

1、抽樣一個(gè)用戶網(wǎng)絡(luò)角色分布ε是Dirichlet分布的參數(shù)；

2、抽樣一個(gè)網(wǎng)絡(luò)角色

3、對(duì)用戶v的每一個(gè)角色屬性：

1)抽樣一個(gè)角色屬性值

其中，表示用戶v的網(wǎng)絡(luò)角色分布。

在此概率生成模型中，對(duì)用戶角色屬性建模實(shí)際上是要計(jì)算用戶的網(wǎng)絡(luò)角色分布以及用戶各個(gè)角色屬性取值服從的高斯分布N(μ',σ')。對(duì)于η和μ',σ'的求解，采用EM算法，EM迭代估算η和μ',σ'的過(guò)程分為兩步：

E-step：更新

M-step：更新μ'_r,h和σ'_r,h。

其中，表示用戶v扮演網(wǎng)絡(luò)角色r的概率，R為網(wǎng)絡(luò)角色個(gè)數(shù)，H為用戶狀態(tài)屬性個(gè)數(shù)，d_v,h表示用戶v的第h個(gè)屬性值，μ'_r,h和σ'_r,h分別是用戶扮演網(wǎng)絡(luò)角色r時(shí)第h個(gè)屬性的均值和標(biāo)準(zhǔn)差。

S34：獲取用戶的轉(zhuǎn)發(fā)行為分布。

根據(jù)用戶的興趣社區(qū)分布用戶在各個(gè)時(shí)間片上的活躍狀態(tài)分布用戶的網(wǎng)絡(luò)角色分布以及用戶的歷史轉(zhuǎn)發(fā)數(shù)據(jù)Y訓(xùn)練整個(gè)預(yù)測(cè)模型，得到用戶的轉(zhuǎn)發(fā)行為分布具體生成過(guò)程如下：

對(duì)每一個(gè)用戶轉(zhuǎn)發(fā)行為y_i：

1、抽樣一個(gè)用戶轉(zhuǎn)發(fā)行為分布ρ～Dir(γ)，γ是Dirichlet分布的參數(shù)；

2、為備選用戶v抽樣一個(gè)興趣社區(qū)

3、為發(fā)文用戶u抽樣一個(gè)興趣社區(qū)

4、為備選用戶v抽樣一個(gè)活躍狀態(tài)

5、為發(fā)文用戶u抽樣一個(gè)網(wǎng)絡(luò)角色

6、抽樣一個(gè)用戶轉(zhuǎn)發(fā)行為

其中，表示用戶的轉(zhuǎn)發(fā)行為分布，表示當(dāng)用戶間興趣差異為τ，備選用戶處于活躍狀態(tài)s且發(fā)文用戶扮演網(wǎng)絡(luò)角色r時(shí)備選用戶轉(zhuǎn)發(fā)該條微博的概率，表示不轉(zhuǎn)發(fā)的概率。τ為指示函數(shù)，定義如下：

其中，z_u，z_v分別表示用戶u、v所在的興趣社區(qū)。τ＝1表示興趣一致，τ＝0表示興趣不一致。

在此概率生成模型中，對(duì)用戶轉(zhuǎn)發(fā)行為建模實(shí)際上是要計(jì)算用戶的轉(zhuǎn)發(fā)行為分布對(duì)于的求解，采用Gibbs抽樣，Gibbs抽樣每次迭代估算的公式如下：

其中，n_i,τ,s,r表示興趣差異為τ、備選用戶活躍狀態(tài)為s、發(fā)文用戶扮演網(wǎng)絡(luò)角色r時(shí)，用戶行為y_i＝1(轉(zhuǎn)發(fā))或y_i＝0(不轉(zhuǎn)發(fā))的次數(shù)；I為用戶行為總數(shù)，包括不轉(zhuǎn)發(fā)行為；M為用戶狀態(tài)屬性個(gè)數(shù)，H為用戶角色屬性個(gè)數(shù)。

S4：通過(guò)擬合出來(lái)的Φ、Θ^(t)、η、和用戶好友的任意一條微博，根據(jù)擬合的預(yù)測(cè)模型，計(jì)算其轉(zhuǎn)發(fā)概率即可得到預(yù)測(cè)結(jié)果。通過(guò)預(yù)測(cè)到的結(jié)果即可分析出用戶會(huì)轉(zhuǎn)發(fā)哪些好友的微博，以及影響用戶轉(zhuǎn)發(fā)微博的關(guān)鍵因素。

本發(fā)明利用社交網(wǎng)絡(luò)中的用戶關(guān)系和用戶行為數(shù)據(jù)，將發(fā)文用戶的粉絲作為備選用戶，預(yù)測(cè)備選用戶是否會(huì)在一段時(shí)間內(nèi)轉(zhuǎn)發(fā)其好友的微博。首先，針對(duì)單個(gè)用戶興趣、活躍度和影響力的多樣性，利用LDA主題模型可解決“一詞多義，多詞一義”的基礎(chǔ)思想和方法，對(duì)用戶行為進(jìn)行建模分析，得到關(guān)于用戶行為的主題分布；其次，考慮到用戶狀態(tài)向量和用戶特征向量中的元素是連續(xù)值，使用高斯分布改進(jìn)LDA，以發(fā)現(xiàn)用戶的活躍度和用戶影響力；最后，針對(duì)用戶的活躍度隨時(shí)間的變化，利用時(shí)間離散化及時(shí)間切片方法，提出一種改進(jìn)的LDA動(dòng)態(tài)微博轉(zhuǎn)發(fā)行為預(yù)測(cè)模型，動(dòng)態(tài)監(jiān)測(cè)用戶的活躍度，使其能夠準(zhǔn)確預(yù)測(cè)用戶的轉(zhuǎn)發(fā)行為，并分析影響用戶轉(zhuǎn)發(fā)的關(guān)鍵因素。

以上這些實(shí)施例應(yīng)理解為僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。