本发明专利技术实施例公开了微博转发量预测模型生成方法及微博转发量预测方法。微博转发量预测模型生成方法包括：获取训练数据，训练数据包括多条已知转发量的微博；以微博的转发量为依据，将微博分为3个以上转发量类别；提取每条微博的基本特征；建立基本特征与转发量类别之间的多分类模型；针对每一个转发量类别，建立基本特征与微博转发量之间的回归模型。微博转发量预测方法包括：提取待预测微博的基本特征；根据多分类模型及基本特征，判定待预测微博所属的转发量类别；获取转发量类别对应的回归模型；根据回归模型及基本特征，预测待预测微博的转发量。采用本发明专利技术的提供的方法特征提取简单且适合在大规模数据中使用。
【技术实现步骤摘要】
本专利技术涉及信息
，尤其涉及转发量预测模型生成方法及转发量预测方法。
技术介绍
随着网络技术和信息技术的发展，近些年来出现了社交媒体的浪潮。在种类众多的社交媒体中，微博是一种基于用户关系的信息分享，传播和获取的平台。人们可以使用浏览器或者是智能手机即时的发布不多于140字的信息。微博服务获得了世界范围内的广泛欢迎。作为最受欢迎的微博服务，TWITTER在2012年就拥有了 5亿用户，这些用户每天发布3.4亿条信息。在中国，2013年3月之前，新浪微博拥有5.03亿注册用户。在微博中，转发行为是主要的信息传播方式。当一个微博用户发布一条信息，这条信息会被推送给这个用户的粉丝。当这些粉丝看到这条信息时，可以选择转发这条信息，这条信息会被继续推送给这些粉丝的粉丝。通过转发行为，信息在微博网络中持续的传播。因此，转发的次数可以作为一条信息的影响力的重要指标。在微博网络中，预测一条微博的转发次数对于评估微博的影响力和价值有重要现实意义。同时，也有助于控制微博网络中非法信息的传播，例如控制谣言的传播。现有技术中，对微博转发量的预测通常采用基于SVM的预测模型。该模型中包含五种特征:用户影响力，用户活跃度，兴趣相似度，微博内容重要性和用户亲密程度。然而，该模型中特征的提取较为复杂，无法在数据规模较大的情况下应用。
技术实现思路
本专利技术实施例提供了转发量预测模型生成方法及转发量预测方法，以解决现有技术特征的提取较为复杂，无法在数据规模较大的情况下应用的问题。第一方面，本专利技术实施例提供了一种转发量预测模型生成方法的方法，该方法包括:获取训练数据，所述训练数据包括多条已知转发量的微博；以所述微博的转发量为依据，将所述微博分为3个以上转发量类别；提取每条所述微博的基本特征；建立所述基本特征与所述转发量类别之间的多分类模型；针对每一个所述转发量类别，建立所述基本特征与微博转发量之间的回归模型。结合第一方面，在第一方面第一种可能的实现方式中，所述将所述微博分为3个以上转发量类别包括:按照二八分类原则，将所述微博分为3个或4个转发量类别。结合第一方面或第一方面第一种可能的实现方式，在第一方面第二种可能的实现方式中，所述基本特征包括:微博内容特征与微博发布者特征。结合第一方面第二种可能的实现方式，在第一方面第三种可能的实现方式中，所述微博发布者特征包括下列特征中的一个或多个:微博发布者的性别，微博发布者的昵称长度，微博发布者的粉丝数量，微博发布者是否为认证用户，微博发布者的认证类型，微博发布者的注册时长，微博发布者关注的用户数量，与微博发布者相互关注的用户数量，微博发布者的兴趣标签数量，微博发布者的微博数量。结合第一方面第二种可能的实现方式，在第一方面第四种可能的实现方式中，所述微博内容特征包括下列特征中的一个或多个:微博是否包括话题标签，微博中话题标签的数量，微博是否提及其他人，微博提及其他人的数量，微博是否包含链接，微博包含链接的数量，微博是否包含图片，微博的长度，微博的发布日期，微博的发布时间。结合第一方面、第一方面第一种可能的实现方式、第一方面第二种可能的实现方式、第一方面第三种可能的实现方式或第一方面第四种可能的实现方式，在第一方面第五种可能的实现方式中，所述建立所述基本特征与所述转发量类别之间的多分类模型包括:使用所述基本特征与所述转发量类别对预设的分类模型进行训练，生成所述基本特征与所述转发量类别之间的多分类模型。结合第一方面第五种可能的实现方式，在第一方面第六种可能的实现方式中，所述预设分类模型为以下其中之一:随机森林模型，决策树模型及朴素贝叶斯模型。第二方面，本专利技术实施例提供了一种微博转发量预测方法，所述方法用于使用前述生成方法生成的预测模型预测微博的转发量，所述方法包括:提取所述待预测微博的基本特征；根据所述多分类模型及所述基本特征，判定所述待预测微博所属的转发量类别；获取所述转发量类别对应的回归模型；根据所述回归模型及所述基本特征，预测所述待预测微博的转发量。本专利技术实施例中，从上述实施例可以看出，获取训练数据，所述训练数据包括多条已知转发量的微博；以所述微博的转发量为依据，将所述微博分为2个以上转发量类别；提取每条所述微博的基本特征；建立所述基本特征与所述转发量类别之间的多分类模型；针对每一个所述转发量类别，建立所述基本特征与微博转发量之间的回归模型。本专利技术实施例中所用到的基本特征获取都很方便，适用于数据规模较大的情况。【附图说明】为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术微博转发量预测模型生成方法一个实施例的流程图；图2为本专利技术微博转发量预测方法一个实施例的流程图。【具体实施方式】下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参见图1，为本专利技术微博转发量预测模型生成方法一个实施例的流程图。如图1所示该方法包括如下步骤:步骤101，获取训练数据，所述训练数据包括多条已知转发量的微博。获取已知转发量的微博时，需要获取转发量已经确定的微博作为训练数据。在真实的微博网络中，一条微博的转发量会随着时间而变化。例如，一条微博刚发布是，它的微博转发量为O。一个小时之后，微博转发量可能会增长。由于微博的转发量会随着时间变得稳定，一条微博发布时间超过30天，它的微博转发量几乎就不会再改变，因此可以认为微博发布时间超过30天后，微博转发量已经确定。因此，在实际使用中可以获取发布超过30天的微博作为训练数据。由于训练数据量越多，预测结果越精确，但预测模型生成过程及转发量预测过程所消耗的资源及时间也会越大，因此在实际使用中，通常获取数十万条至数百万条已知转发量的微博作为训练数据，这样可以在保证预测结果精确的前提下，减小资源及时间的消耗。步骤102，根据所述微博的转发量将所述微博分为3个以上转发量类别。由于真实的微博网络中，大多数的微博转发量都很小，为了只有很小部分的微博的转发量很高。如果将这些转发量相差很远的微博放在一起进行处理，所得的结果必然会有较大的偏差。因此需要首先将根据微博的转发量将微博分为3个以上转发量类别。由于在真实的微博网络中，微博转发量符合幂律分布，只有一小部分微博发布者有潜力发布转发量大的微博。因此可以根据二八原则选择分类的边界，将已知转发量的微博分为3个以上转发量类别。例如，如果按转发量将微博分为3类，则可将边界值的位置为80%与96%，即，将微博按照转发量从低到高进行排序，然后将转发量较低的80%作为第I类；剩余的20%未分类微博中，转发量较低的80%作为第2类；转发量较高的20%作为第3类。如果按转发量将微博分为4类，则可将边界值的位置为80%、96%与99.6%，即，将微博按照转发量从低到高进行排序，然后将转发量较低的80%作为第I类；剩余的20%未分类微博中，转发量较低的80%作本文档来自技高网...
【技术保护点】
一种微博转发量预测模型生成方法，其特征在于，所述方法包括：获取训练数据，所述训练数据包括多条已知转发量的微博；以所述微博的转发量为依据，将所述微博分为3个以上转发量类别；提取每条所述微博的基本特征；建立所述基本特征与所述转发量类别之间的多分类模型；针对每一个所述转发量类别，建立所述基本特征与微博转发量之间的回归模型。
【技术特征摘要】
1.一种微博转发量预测模型生成方法，其特征在于，所述方法包括: 获取训练数据，所述训练数据包括多条已知转发量的微博； 以所述微博的转发量为依据，将所述微博分为3个以上转发量类别； 提取每条所述微博的基本特征； 建立所述基本特征与所述转发量类别之间的多分类模型； 针对每一个所述转发量类别，建立所述基本特征与微博转发量之间的回归模型。2.如权利要求1所述的方法，其特征在于，所述将所述微博分为3个以上转发量类别包括: 按照二八分类原则，将所述微博分为3个或4个转发量类别。3.如权利要求1或2所述的方法，其特征在于，所述基本特征包括: 微博内容特征与微博发布者特征。4.如权利要求3所述的方法，其特征在于，所述微博发布者特征包括下列特征中的一个或多个: 微博发布者的性别，微博发布者的昵称长度，微博发布者的粉丝数量，微博发布者是否为认证用户，微博发布者的认证类型，微博发布者的注册时长，微博发布者关注的用户数量，与微博发布者相互关注的用户数量，微博发布者的兴趣标签数量，微博发布者的微博数量。5.如权利要求3或4所述的方法，其特征在于，所述微博内容特征包括下列特征中的一个或多个: 微博是否包括话题标签，微博中话题标签的数量，微博是否提及其他人，微博提及其他...
【专利技术属性】
技术研发人员：石川，陈庆，刘刚，吴斌，王柏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。