【技术实现步骤摘要】
本专利技术涉及互联网
，特别涉及一种基于能量优化的微博用户转发行为预测方法。
技术介绍
随着互联网技术的发展与各种智能终端的普及，微博、论坛等社交网络对人们日常生活的影响日益增大。尤其是微博社交网络，由于其信息扩散的快速性、用户操作的便捷性以及荷载媒体的多样性(如文本、图像、视频等)，逐渐成为人们分享身边新闻与社会动态的主要渠道。用户在微博社交网络中产生的海量数据蕴含着其潜在的行为模式(如用户对感兴趣主题的评论与转发)与情感因素(如对社会现象表现出愤怒、仇恨等情绪)，因而，根据微博社交网络历史数据，有效地分析影响用户转发行为的特征并对其未来的转发行为进行预测，不但有助于挖掘用户的兴趣与情感偏向，从而可为用户提供更准确的推荐服务(如主题、商品推荐)，而且有助于理解消息在微博社交网络中的扩散机制以建立可靠的消息扩散模型，这在舆情监控、企业辅助决策等领域也有着广泛的应用。在对微博用户转发行为进行预测时，除用户属性、微博内容等特征之外，反映用户之间关系的社交网络结构往往也对预测精度产生较大的影响。在此情况下，传统转发行为预测模型通常存在以下问题：(1)仅采用用户属性、微博内容等特征进行预测，而未考虑社交网络结构对预测精度的影响，其精度通常较低；(2)将反映社交网络结构的相关特征(如粉丝数、关注用户数)作为预测用户转发行为时的特征分量，难以体现社交网络结构对用户转发行为预测的实际作用；(3)将用户之间社交关系转化为预测用户转发行为时的约束，但未考虑用户之间的社交关系类型(如单向关注、相互关注等)以及更多用户的转发行为所构成的群体转发先验，其预测精度往往不易得...
【技术保护点】
一种基于能量优化的微博用户转发行为预测方法，其特征在于，所述方法包括：根据社交网络中用户的信息建立MRF能量优化框架下的能量函数：其中，E(Y)为所述能量函数；Y为转发行为标记集；N为微博社交网络中的用户数量；DT(yi,ui)为用户ui对微博T的的用户转发行为特征度量，yi∈{1,0}表示用户ui可能被分配到的转发行为标记，且yi∈Y；λ1和λ2为权重；N(i)为与用户ui存在直接关注关系用户的序号集合；ψi,j·δ(yi≠yj)为用户转发行为约束项；ψi,j为惩罚量；δ(·)为指示函数，参数为真时取值1，否则取值0；为用户ui对应τ‑ego网络的集合，其中的参数τ用于控制网络τ‑ego网络的尺度，为群体转发先验能量项；采用Graph Cuts算法求解所述能量函数E(Y)，获取转发行为标记集Y的近似最优解，完成用户转发行为的预测。
【技术特征摘要】
1.一种基于能量优化的微博用户转发行为预测方法，其特征在于，所述方法包括：根据社交网络中用户的信息建立MRF能量优化框架下的能量函数：其中，E(...
【专利技术属性】
技术研发人员：朱海，王伟，张效尉，陈立勇，任国恒，秦东霞，刘琳琳，
申请(专利权)人：周口师范学院，
类型：发明
国别省市：河南;41
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。