一种基于SVM的标签发展趋势预测模型的构建方法技术
【技术实现步骤摘要】
一种基于SVM的标签发展趋势预测模型的构建方法
本专利技术涉及数据挖掘、数据分析技术，特别是涉及一种基于SVM的标签发展趋势预测模型的构建方法。
技术介绍
随着网络的快速发展，越来越多的人们选择通过网络来进行信息的交流，但是大量的信息同时涌入，使得用户很难快速的对信息进行高效筛选，因此，出现了网络标签。网络标签的出现，极大地解决了这一问题。标签通过一些与内容密切相关的关键词组成，它可以帮助人们方便地描述和分类内容，同时也便于信息的检索与分享。与此同时，标签的发展趋势以及分类预测也就越来越受到人们的关注，新标签被提出之后的流行趋势如何，往往代表着这个领域热点或方向的流行趋势，是网站社区极大关注的问题。对网站而言，有效的进行新标签的趋势预测和标签推荐，能够推动话题或者新兴领域的发展。对用户而言，根据标签的流行趋势来查找内容能够准确地找到当前领域的发展趋势。目前对信息进行标签选取的主要依据是信息与标签的文字相关程度以及信息发起者的自身属性等。但是存在一些缺点，主要表现在：(1)忽略了新标签的潜在流行趋势；(2)忽略了标签与标签之间的相关性；(3)冷门内容导致冷门标签，使...
【技术保护点】
一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理，收集网站社区的信息内容和其对应的标签数据，对其数据内容按时间排序，取社区形成N天之后的数据，以确保社区的标签网络初步形成；步骤2：选取样本标签，对数据集进行统计，获取社区标签频率并排序，取比例为前α％的标签作为流行标签，其集合记为U
【技术特征摘要】
1.一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理，收集网站社区的信息内容和其对应的标签数据，对其数据内容按时间排序，取社区形成N天之后的数据，以确保社区的标签网络初步形成；步骤2：选取样本标签，对数据集进行统计，获取社区标签频率并排序，取比例为前α％的标签作为流行标签，其集合记为Upop；在剩下的标签中选取与流行标签时间相对照的标签为非流行标签；步骤3：构建标签网络，对同一个信息内容中出现的标签，即认为这些标签间存在关系，使其两两之间形成连边；对所有信息遍历，得到有权无向网络的标签网络图GTag，其中节点为新出现的标签，连边为标签之间的关系，网络的权重为两者共同出现的次数；步骤4：提取特征数据，对样本标签集合U＝{Upop,Uunpop}，提取其内标签首次创建之后M天网络特征和属性特征，建立样本训练数据集；步骤5：采用机器学习分类器模型支持向量机SVM，选取核函数，训练生成基于SVM的标签流行趋势预测模型，并进行十折交叉验证，得出模型结果。2.如权利要求1所述的一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于：在所述步骤1中，选取N天后的数据作为预处理的数据，其中N的选取，遵循规则为：确保网站中前10％的标签数据在N天内已经生成，即网站中的标签网络已经初步形成。3.如权利要求1或2所述的一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于：在所述步骤2中，样本标签数据的选取，对标签进行频率降序排列，集合记为选择中比例为前α％的标签作为流行标签，其集合记为Upop；取所有标签比例为后β％的标签作为非流行标签集合，其集合记为Qunpop。对每一个流行标签tpop∈Upop，搜索与标签tpop的创建时间最近的标签，记为tunpop，同时满足tunpop∈Qunpop，作为非流行标签，以作为流行标签的对照，其集合记为Uunpop。4.如权利要求1或2所述的一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于：在所述步骤4中，提取样本标签的网络特征，M取30，网络特征包括以下方式：1)新标签提出后30天内的相对度中心性：标签ti的度值Di的计算采用去除孤立节点的方式，计算公式如下：其中，N表示网络中的标签总数；aij表示网络邻接矩阵的元素，即如果标签ti和tj有连边，则aij＝1，否则aij＝0；标签ti的度中心性的特征计算，取网络中的标签ti的相对度中心性：其中，Di表示标签ti的度值...
【专利技术属性】
技术研发人员：傅晨波，郑永立，李诗迪，宣琦，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33
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。