【技术实现步骤摘要】
一种基于用户个性化特征的社交网络用户行为预测方法
本专利技术属于数据挖掘
,特别涉及一种基于用户个性化特征的社交网络用户行为预测方法。
技术介绍
在数据挖掘领域中,用户行为数据是一种非常重要的处理数据,用户行为数据是由用户在网络空间中的各种动态行为数据组成。随着互联网的迅速发展,社交网络在生活中越来越普及,用户的行为数据越来越多;同时,用户行为数据以及其行为产生者随着社会网络的发展以各种形式存在于各个网络;用户行为数据涉及用户时间、空间各个维度的数据,例如用户定位某个地点后发表推文或用户在某个时间点进行网页浏览等。由于网络的庞大性和用户的复杂性,这些用户的时空行为数据在各个社交网络上快速增长。在一个社交网络中,用户不仅拥有其自身的属性也随之产生与其相关的时序行为数据。如果我们能对用户的行为进行较为准确的预测,则可以针对用户进行一些商品推荐,好友推荐、信息转发或者信息扩散。现有的用户行为预测,更多的是针对于一些评论行为、购买意向、点击率以及转发行为预测,未考虑用户在时序上的一个长期行为;并且,以往的用户行为预测往往定焦于用户的某个特定行为上,未考虑用户的不同行为;同时,以往的方法参数化假设性强,缺乏考虑在线社交网络用户在时序行为上的动态过程。
技术实现思路
针对现有技术中存在的技术问题,本专利技术提供了一种基于用户个性化的社交网络用户行为预测方法,以解决现有技术中的用户行为预测未考虑用户在时序上的长期行为或定焦于用户的某个特定行为,参数化假设性强,缺乏考虑在线社交网络用户在时序行为上的 ...
【技术保护点】
1.一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,包括以下步骤:/n步骤1、基于若干社交网络用户的多维行为属性数据,构建不同类别的用户标记向量;/n步骤2、基于不同类别的用户标记向量,对社交网络用户进行分类,划分为不同归属类别的用户;/n步骤3、对每一归属类别的用户行为进行行为特征向量转化,得到向量化用户行为;将向量化用户行为按时序排列,并采用长短时记忆神经网络进行用户行为预测,得到社交网络用户的预测行为特征;对社交网络用户的预测行为特征进行解码,得到所需的用户行为。/n
【技术特征摘要】
1.一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,包括以下步骤:
步骤1、基于若干社交网络用户的多维行为属性数据,构建不同类别的用户标记向量;
步骤2、基于不同类别的用户标记向量,对社交网络用户进行分类,划分为不同归属类别的用户;
步骤3、对每一归属类别的用户行为进行行为特征向量转化,得到向量化用户行为;将向量化用户行为按时序排列,并采用长短时记忆神经网络进行用户行为预测,得到社交网络用户的预测行为特征;对社交网络用户的预测行为特征进行解码,得到所需的用户行为。
2.根据权利要求1所述的一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,步骤1中,构建不同类别的用户标记向量时,具体包括以下步骤:
步骤11、提取若干个社交网络用户的多维行为属性数据,构建每个社交网络用户的用户属性特征向量;对每个用户属性特征向量进行归一化处理,得到每个社交网络用户的归一化用户属性特征向量;
步骤12、利用聚类算法及先验知识,对每个社交网络用户的归一化用户属性特征向量的进行分类标记,得到不同类别的用户标记向量。
3.根据权利要求1所述的一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,步骤1中,多维行为属性数据包括社交网络用户的动态数、点赞数、关注数、粉丝数、原创频率及转发频率。
4.根据权利要求2所述的一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,步骤11中,对每个用户属性特征向量进行归一化处理时,采用对社交网络用户的每个行为属性数据利用归一化公式进行归一化处理。
5.根据权利要求2所述的一种基于用户个性化特征的社交网络用户行为预测方法,其特征在于,步骤12中,对每个社交网络用户的归一化用户属性特征向量进行分类标记时,具体包括以下步骤:
s1、选取k个社交网络用户的归一化用户属性特征向量作为初始对象;
s2、分别计算每个社交网络用户的归一化用户属性特征向量到k个初始对象的距离,将社交网络用户的归一化属性特征向量与其距离最短的初始对象划归为一类,得到k类初步社交网络用户的归一化属性特征向量组;
s3、计算步骤s2中的每一类初步社交网络用户的归一化属性特征向量组的中心,不断迭代,直至每类初步社交网络用户的归一化属性特征向量组的中心数据不发生改变,得到k类社交网络用户归一化属性特征向量;
s4、结合先验知识对剔除后的k...
【专利技术属性】
技术研发人员:刘晓明,李敏杰,沈超,周亚东,管晓宏,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西;61
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。