[发明专利]一种热点话题下动态预测用户行为的系统及方法

权利要求书

1.一种热点话题下动态预测用户行为的系统，其特征在于，包括数据获取模块，属性提取模块，模型构建模块和模型预测分析模块；其中数据获取模块，用于获取用户行为数据和用户关系数据；属性提取模块，用于提取社交网络中的用户参与话题的时间延迟属性并分为热点用户和备选用户；模型构建模块，根据备选用户的信息采用张量分解方法，构建用户参与热点话题预测模型；模型预测分析模块，利用张量进行分解得到模式展开矩阵的特征矩阵和核心张量，根据得到的特征矩阵和核心张量计算近似张量，并根据得到的近似张量预测备选用户的行为，在话题发展的不同阶段，根据新加入的备选用户行为数据构成的新张量和当前得到的特征矩阵和核心张量动态更新得到新的特征矩阵和核心张量，然后再根据新的特征矩阵和核心张量预测下一阶段的用户行为，同时，根据每一阶段预测的用户行为，可以把握话题发展的趋势；

所述备选用户自身属性为：备选用户是否是活跃用户，当备选用户过去一个月的动态达到某个阈值时就变为了活跃用户，并根据备选用户的属性构建话题当前阶段的张量，并得到张量模式展开成矩阵A_(n)，n＝1,2,3，然后对张量模式展开成矩阵进行分解得到特征矩阵和核心张量S；所述张量模式展开成矩阵的分解采用的是Kernel SVD分解，Kernel SVD分解是将张量的模式展开矩阵A_(n)利用映射函数将A_(n)的内容映射到高维空间，即对于每一个A_(n)可以找到一个对应的映射矩阵G_n，把A_(n)中的每个元素a_xy映射成为G_n中的g_xy，即g_xy＝Φ(a_xy)，SVD分解计算A_(n)(n＝1,2,3)的左奇异矩阵U⁽ⁿ⁾是通过计算的特征向量所得，而Kernel SVD利用核函数代替了的内积计算，得到A_(n)(n＝1,2,3)的特征矩阵，并且根据特征矩阵的值计算核心张量。

2.根据权利要求1所述的热点话题下动态预测用户行为的系统，其特征在于，所述模型预测分析模块根据新加入的备选用户行为数据构成的新张量和当前得到的特征矩阵和核心张量动态更新得到新的特征矩阵和核心张量，包括：原始张量记为A，新增加的用户或新增加的话题构成的张量记为F，根据公式V_t表示t阶段得到的右奇异矩阵，通过对张量F进行第一模式展开得到的展开矩阵F₍₁₎可以计算得到矩阵B，对矩阵B进行Kernel SVD分解计算，得到矩阵B的三个特征矩阵U_B，V_B和∑_B，并根据公式：和得到新的特征矩阵和式中I_f的大小为I′₁×I′₁的单位阵，I′₁表示新增加的用户。

3.根据权利要求2所述的热点话题下动态预测用户行为的系统，其特征在于，所述模型预测分析模块当对在某个话题下对用户行为进行预测的时候，根据更新后的特征因子和以及核心张量S，得到A^*的近似张量假设构建张量时第一模式表示用户u，第二模式表示话题s，第三模式表示用户行为a，因此对用户u在话题s下行为a的预测满足P_usa表示用户u在话题s下进行动作a的预测值，当大于某个阈值θ时，P_usa＝1，则认为用户转发或评论了此话题的微博；反之，P_usa＝0，则认为用户没有参与此话题，同时，可以根据预测的用户行为把握话题的发展趋势。