一種微博傳播趨勢(shì)預(yù)測(cè)方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及通信技術(shù)領(lǐng)域，尤其涉及一種微博傳播趨勢(shì)預(yù)測(cè)方法及裝置。
【背景技術(shù)】
[0002]目前，隨著傳統(tǒng)社會(huì)經(jīng)濟(jì)活動(dòng)向社會(huì)化、網(wǎng)絡(luò)化方向發(fā)展，以社會(huì)化媒體為載體、以突發(fā)、熱點(diǎn)事件為焦點(diǎn)的社會(huì)輿情成為關(guān)注重點(diǎn)。在涉及國(guó)家安全、社會(huì)穩(wěn)定、社會(huì)民生的突發(fā)、敏感事件的發(fā)酵和傳播過(guò)程中，微博都起到了重要的推動(dòng)甚至導(dǎo)向性作用。流行度預(yù)測(cè)是維護(hù)網(wǎng)絡(luò)輿情安全的重要手段，對(duì)微博消息流行度以及微博傳播模式做出快速、準(zhǔn)確的預(yù)測(cè)，能夠及早發(fā)現(xiàn)可能引發(fā)大規(guī)模爆發(fā)的微博，提早防范有害信息擴(kuò)散和傳播。
[0003]社交網(wǎng)絡(luò)是一個(gè)多維度的復(fù)雜系統(tǒng)，節(jié)點(diǎn)間相互影響與相互作用頻繁。在社交網(wǎng)絡(luò)中，信息傳播和用戶群體行為一般都具有逐漸積累、混合發(fā)酵到瞬間爆發(fā)的特點(diǎn)，而這樣的過(guò)程并不是線性的，不是單個(gè)因素作用簡(jiǎn)單迭加而成的，往往是多方面因素上一系列細(xì)微變化，綜合作用使得整個(gè)系統(tǒng)達(dá)到某個(gè)臨界狀態(tài)時(shí)，出現(xiàn)涌現(xiàn)現(xiàn)象，微博的爆發(fā)是社交網(wǎng)絡(luò)信息涌現(xiàn)現(xiàn)象在內(nèi)容層面的一種表現(xiàn)形式。
[0004]在此系統(tǒng)特征背景下的微博傳播趨勢(shì)預(yù)測(cè)方法通常圍繞微博轉(zhuǎn)發(fā)特征挖掘和消息傳播趨勢(shì)建模兩方面開展。在社交網(wǎng)絡(luò)中基于泊松過(guò)程模型的事件流行度預(yù)測(cè)方法(申請(qǐng)?zhí)?201410334425.6)提出了一種對(duì)微博傳播鏈上關(guān)鍵用戶的轉(zhuǎn)發(fā)行為進(jìn)行泊松過(guò)程建模的方法進(jìn)行事件流行度預(yù)測(cè)。然而，該方法需要對(duì)通過(guò)轉(zhuǎn)發(fā)關(guān)系恢復(fù)完整的微博轉(zhuǎn)發(fā)鏈，在實(shí)際應(yīng)用中，爬取完整轉(zhuǎn)發(fā)鏈面臨好時(shí)較長(zhǎng)和社交網(wǎng)絡(luò)屏蔽、限制等多種困難，另外，該方法還需要對(duì)每個(gè)用戶進(jìn)行關(guān)鍵用戶和非關(guān)鍵用戶的識(shí)別，時(shí)間復(fù)雜度高，且建模過(guò)程的準(zhǔn)確性過(guò)于依賴關(guān)鍵用戶判別方法的準(zhǔn)確性，使得其準(zhǔn)確性較低。微博轉(zhuǎn)發(fā)量預(yù)測(cè)模型生成方法及微博轉(zhuǎn)發(fā)量預(yù)測(cè)方法(申請(qǐng)?zhí)?201410157342.4)提出的方法首先對(duì)微博轉(zhuǎn)發(fā)量進(jìn)行分級(jí)，然后提取每條微博的基本特征，建立基本特征與轉(zhuǎn)發(fā)量類別之間的多分類模型，進(jìn)而根據(jù)每一個(gè)轉(zhuǎn)發(fā)量類別，建立基本特征與微博轉(zhuǎn)發(fā)量之間的回歸模型，最后利用訓(xùn)練好的多分類模型和回歸模型進(jìn)行待預(yù)測(cè)微博的轉(zhuǎn)發(fā)量，可是該方法沒(méi)有考慮傳播過(guò)程的動(dòng)態(tài)趨勢(shì)，很多初始條件和內(nèi)容相似的微博由于傳播過(guò)程參與者等因素的不同而導(dǎo)致最終轉(zhuǎn)發(fā)量存在巨大差異，僅依靠微博基本特征對(duì)微博最終轉(zhuǎn)發(fā)量進(jìn)行預(yù)測(cè)準(zhǔn)確性較低。

【發(fā)明內(nèi)容】

[0005]本發(fā)明提供一種微博傳播趨勢(shì)預(yù)測(cè)方法及裝置，用于解決現(xiàn)有技術(shù)中對(duì)微博傳播趨勢(shì)預(yù)測(cè)的方法準(zhǔn)確性較低的問(wèn)題。
[0006]根據(jù)本發(fā)明的一個(gè)方面，提供了一種微博傳播趨勢(shì)預(yù)測(cè)方法，包括:獲取待預(yù)測(cè)微博的基本屬性特征以及傳播過(guò)程特征；計(jì)算待預(yù)測(cè)微博與訓(xùn)練數(shù)據(jù)的基本屬性特征、傳播過(guò)程特征的相似度，根據(jù)計(jì)算得到的相似度按照傳播過(guò)程類別對(duì)待預(yù)測(cè)微博進(jìn)行分類，得到待預(yù)測(cè)微博所屬的傳播過(guò)程類別，傳播過(guò)程類別由訓(xùn)練數(shù)據(jù)的傳播過(guò)程特征相似度聚類得到；根據(jù)待預(yù)測(cè)微博的傳播過(guò)程類別選擇對(duì)應(yīng)的回歸模型，回歸模型為預(yù)先根據(jù)訓(xùn)練數(shù)據(jù)建立的回歸模型；根據(jù)選擇的回歸模型對(duì)待預(yù)測(cè)微博的傳播趨勢(shì)進(jìn)行預(yù)測(cè)。
[0007]其中，上述傳播過(guò)程特征包括:微博數(shù)據(jù)的傳播過(guò)程中的內(nèi)容特征、微博數(shù)據(jù)的傳播過(guò)程中的轉(zhuǎn)發(fā)數(shù)據(jù)特征以及微博數(shù)據(jù)傳播過(guò)程中的用戶特征。
[0008]進(jìn)一步的，上述方法還包括:
[0009]在獲取待預(yù)測(cè)微博的基本屬性特征以及傳播過(guò)程特征之前，根據(jù)訓(xùn)練數(shù)據(jù)的傳播過(guò)程類別分別建立訓(xùn)練數(shù)據(jù)的傳播中的內(nèi)容特征、轉(zhuǎn)發(fā)數(shù)據(jù)特征以及用戶特征與訓(xùn)練數(shù)據(jù)的基本特征以及傳播過(guò)程特征的線性回歸模型。
[0010]其中，根據(jù)選擇的回歸模型對(duì)待預(yù)測(cè)微博的傳播趨勢(shì)進(jìn)行預(yù)測(cè)，包括:
[0011]依次根據(jù)選擇的回歸模型對(duì)待預(yù)測(cè)微博的內(nèi)容關(guān)鍵詞的個(gè)數(shù)、待預(yù)測(cè)微博的轉(zhuǎn)發(fā)量以及待預(yù)測(cè)微博的傳播范圍進(jìn)行預(yù)測(cè)。
[0012]其中，上述基本屬性特征，包括:發(fā)帖用戶的屬性以及微博內(nèi)容的屬性。
[0013]根據(jù)本發(fā)明的另一個(gè)方面，提供了一種微博傳播趨勢(shì)預(yù)測(cè)裝置，包括:獲取模塊，用于獲取待預(yù)測(cè)微博的基本屬性特征以及傳播過(guò)程特征；分類模塊，用于計(jì)算待預(yù)測(cè)微博與訓(xùn)練數(shù)據(jù)的基本屬性特征、傳播過(guò)程特征的相似度，根據(jù)計(jì)算得到的相似度按照訓(xùn)傳播過(guò)程類別對(duì)待預(yù)測(cè)微博進(jìn)行分類，得到待預(yù)測(cè)微博所屬的傳播過(guò)程類別，傳播過(guò)程類別由訓(xùn)練數(shù)據(jù)的傳播過(guò)程特征相似度聚類得到；選擇模塊，用于根據(jù)待預(yù)測(cè)微博的傳播過(guò)程類別選擇對(duì)應(yīng)的回歸模型，訓(xùn)練回歸為預(yù)先根據(jù)訓(xùn)練數(shù)據(jù)建立的回歸模型；預(yù)測(cè)模塊，用于根據(jù)選擇的回歸模型對(duì)待預(yù)測(cè)微博的傳播趨勢(shì)進(jìn)行預(yù)測(cè)。
[0014]其中，上述傳播過(guò)程特征包括:微博數(shù)據(jù)的傳播過(guò)程中的內(nèi)容特征、微博數(shù)據(jù)的傳播過(guò)程中的轉(zhuǎn)發(fā)數(shù)據(jù)特征以及微博數(shù)據(jù)傳播過(guò)程中的用戶特征。
[0015]進(jìn)一步的，上述裝置還包括:建立模塊，用于在獲取待預(yù)測(cè)微博的基本屬性特征以及傳播過(guò)程特征之前，根據(jù)訓(xùn)練數(shù)據(jù)的傳播過(guò)程類別分別建立訓(xùn)練數(shù)據(jù)的傳播中的內(nèi)容特征、轉(zhuǎn)發(fā)數(shù)據(jù)特征以及用戶特征與訓(xùn)練數(shù)據(jù)的基本特征以及傳播過(guò)程特征的線性回歸模型。
[0016]其中，上述預(yù)測(cè)模塊用于:依次根據(jù)選擇的回歸模型對(duì)待預(yù)測(cè)微博的內(nèi)容關(guān)鍵詞的個(gè)數(shù)、待預(yù)測(cè)微博的轉(zhuǎn)發(fā)量以及待預(yù)測(cè)微博的傳播范圍進(jìn)行預(yù)測(cè)。
[0017]其中，上述基本屬性特征，包括:發(fā)帖用戶的屬性以及微博內(nèi)容的屬性。
[0018]本發(fā)明實(shí)施例提供的方案，充分考慮了微博傳播過(guò)程的動(dòng)態(tài)因素，基于微博傳播過(guò)程中的多種傳播過(guò)程特征來(lái)預(yù)測(cè)微博傳播趨勢(shì)，提高了微博傳播趨勢(shì)預(yù)測(cè)的準(zhǔn)確性。
【附圖說(shuō)明】
[0019]為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0020]圖1是本發(fā)明實(shí)施例1提供的微博傳播趨勢(shì)預(yù)測(cè)方法的流程圖；
[0021]圖2為本發(fā)明實(shí)施例2提供的建立回歸模型的流程圖；
[0022]圖3是本發(fā)明實(shí)施例2提供的待預(yù)測(cè)微博的傳播趨勢(shì)預(yù)測(cè)的流程圖；
[0023]圖4是本發(fā)明是實(shí)施例3提供的微博傳播趨勢(shì)預(yù)測(cè)裝置的結(jié)構(gòu)框圖。
【具體實(shí)施方式】
[0024]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、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)的前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0025]實(shí)施例1
[0026]本實(shí)施例提供了一種微博傳播趨勢(shì)預(yù)測(cè)方法，如圖1所示，該方法包括如下步驟:
[0027]步驟101:獲取待預(yù)測(cè)微博的基本屬性特征以及各傳播過(guò)程特征；
[0028]其中，上述基本屬性特征，包括:發(fā)帖用戶的屬性以及微博內(nèi)容的屬性，發(fā)帖用戶屬性包括用戶是否加V、用戶粉絲數(shù)、用戶發(fā)帖數(shù)，微博內(nèi)容屬性包括是否含有URL (UniformResource Locator，統(tǒng)一資源定位符)、是否含有圖片、是否含有視頻、所含關(guān)鍵詞個(gè)數(shù)和比例以及所含情感詞個(gè)數(shù)和比例。
[0029]其中，微博的傳播過(guò)程特征包括:微博數(shù)據(jù)的傳播過(guò)程中的內(nèi)容特征、微博數(shù)據(jù)的傳播過(guò)程中的轉(zhuǎn)發(fā)數(shù)據(jù)特征以及微博數(shù)據(jù)傳播過(guò)程中的用戶特征。
[0030]其中，內(nèi)容特征包括以下信息:
[0031]內(nèi)容關(guān)鍵詞:對(duì)微博內(nèi)容進(jìn)行分詞、統(tǒng)計(jì)詞頻，計(jì)算關(guān)鍵詞特征向量；
[0032]內(nèi)容實(shí)體詞:提取內(nèi)容關(guān)鍵詞中的實(shí)體詞，形成實(shí)體詞特征向量；
[0033]實(shí)體連接密度:依據(jù)知網(wǎng)等外部知識(shí)庫(kù)，計(jì)算實(shí)體詞之間的連接密度，計(jì)算方法為，首先形成詞為頂點(diǎn)、共現(xiàn)關(guān)系為連邊的實(shí)體詞圖，共現(xiàn)一次則連邊權(quán)重加1，連接密度為實(shí)體詞之間的連邊數(shù)量與全連通圖連邊數(shù)量的比值；該指標(biāo)表明微博內(nèi)容涉及的實(shí)體間的相互關(guān)系緊密程度，越緊密表示未來(lái)越有可能更多的出現(xiàn)在一起，衍生出新話題的概率越大，微博得到更多轉(zhuǎn)發(fā)的概率也就越大；
[0034]內(nèi)容關(guān)鍵詞變化率:去掉垃圾回復(fù)(如推廣鏈接和廣告鏈接)和無(wú)實(shí)詞回復(fù)(如“呵呵”和表情符號(hào))，取微博前100條回復(fù)，將內(nèi)容加入到微博內(nèi)容計(jì)算內(nèi)容關(guān)鍵詞特征向量，計(jì)算第i天相比第1-ι天微博內(nèi)容的增長(zhǎng)量；
[0035]內(nèi)容實(shí)體詞變化率:內(nèi)容實(shí)體詞變化率的計(jì)算方法，提取每天的內(nèi)容關(guān)鍵詞中的實(shí)體詞，形成實(shí)體詞特征向量，計(jì)算第i天相比第1-ι天微博內(nèi)容所含實(shí)體的增長(zhǎng)量；
[0036]數(shù)量特征:
[0037]日轉(zhuǎn)發(fā)量:從發(fā)帖時(shí)間到觀測(cè)結(jié)束，每天的轉(zhuǎn)發(fā)次數(shù)；
[0038]轉(zhuǎn)發(fā)量增長(zhǎng)速度:計(jì)算第i天相比第i_l天轉(zhuǎn)發(fā)量的增長(zhǎng)量；表明微博持續(xù)被關(guān)注程度，增速越大，表明轉(zhuǎn)發(fā)量增長(zhǎng)越快；
[0039]飽和度:飽和度總和為1，分別計(jì)算達(dá)到飽和度為10%到100%的時(shí)間，以10%為步長(zhǎng);
[0040]用戶特征:
[0041]發(fā)帖用戶粉絲數(shù):計(jì)算第i天相比第i_l天發(fā)帖用戶粉絲總數(shù)的增長(zhǎng)量，增長(zhǎng)越快，表明有V用戶加入微博轉(zhuǎn)發(fā)過(guò)程，微博越有可能獲得更多的曝光量，也就越有可能得到更多的轉(zhuǎn)發(fā)次數(shù)；
[0042]發(fā)帖用戶關(guān)系網(wǎng)絡(luò)連接密度:首先形成以發(fā)帖用戶為頂點(diǎn)，關(guān)注關(guān)系為連邊的關(guān)注關(guān)系網(wǎng)絡(luò)，計(jì)算發(fā)帖用戶的連接密度，連接密度越高表明微博參與人之間關(guān)系越緊密，要么表明是一個(gè)討論熱烈的小圈子，要么是水軍互相轉(zhuǎn)發(fā)以提高轉(zhuǎn)發(fā)率。
[0043]步驟102:計(jì)算待預(yù)測(cè)微博與訓(xùn)練數(shù)據(jù)的基本屬性特征、傳播過(guò)程特征的相似度，根據(jù)計(jì)算得到的相似度按照訓(xùn)練數(shù)據(jù)的傳播過(guò)程類別對(duì)待預(yù)測(cè)微博進(jìn)行分類，得到待預(yù)測(cè)微