[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

说明书

本发明请求保护一种热点话题下动态预测用户行为的系统及方法，属于社交网络分析领域。基于社交网络中用户间的关系网及用户的过往行为，根据用户参与话题的时间将用户分为热点用户和备选用户，通过时间离散化和时间切片的方法，将话题的时效性特征融入到其中，并且，针对热点话题在生命周期各阶段的数据不均匀和数据稀疏问题，构建了基于张量分解的预测模型。同时，为了体现话题发展的动态形式，在对话题进行时间切片后引入了增量张量分解模型对用户行为进行预测，使其动态的对用户行为进行预测，并且可以根据预测的用户行为把握话题的发展趋势。

技术领域

本发明涉及社交网络分析领域，尤其涉及热点话题下基于张量分解的用户行为动态预测。

背景技术

随着互联网的发展，在社交网络大数据时代的条件下，微博成为一个基于用户关系的信息分享、传播和获取平台。通过挖掘微博用户间的交互行为数据，可以掌握社交网络中用户的行为、信息传播的规律。掌握用户行为特征，不仅可以帮助企业根据用户的行为特征为用户提供更好的产品和服务，还可以为不同的用户制定个性化的服务，从而提升自身企业的竞争力。而且，通过把握信息传播规律可以为有关部门对网络舆论进行合理的监控和干预提供理论依据。微博的出现极大地加快了信息传播的速度，微博提供的转发功能允许用户把其他微博用户的内容方便的呈现在自己的微博上进行分享，一条微博经过不同用户的转发，其受众面会呈几何形式递增，从而导致信息的病毒式传播和扩散，并且，微博的评论也可以体现出不同话题的热度以及波及的范围，因此，对用户行为的预测可以准确地推测出一条微博的传播范围和发展趋势等。同时，可以根据用户行为的预测，从而对社交网络中信息传播进行有效干预，控制信息传播的范围，这可以对舆论监控、网络水军的发现提供有力证据。

社会网络中的用户行为进行建模和预测是当前研究的重要问题，不仅需要各种技术手段分析用户行为的特点，还需要先进的技术对用户行为进行准确的建模和预测。目前关于互联网用户行为建模与预测方面的研究主要包含用户个体和群体行为两个方面。用户个体行为建模的研究主要基于数据驱动的建模方法，包括基于概率序列、条件随机场和主题模型等方法。如：根据用户的历史行为可能会对用户下一时刻采取的行为产生影响，Manavoglu和Pavlov提出采用概率序列模型来对用户行为进行建模，以时间顺序排列的用户行为序列为输入，以下一时刻将采取的行为的概率为输出；为更好地结合互联网用户个体的行为特征，除了用户自身的历史行为外，还需要考虑到用户所在的网络结构。根据网络结构特性，Peng等采用条件随机场对微博用户的转发行为进行建模。用户群体行为的研究，主要采用了随机模型(stochastic models)和时间序列模型等方法。如：Lerman和Hogg利用随机模型研究Digg网站上链接分享的得票总数。但是，以上基于用户个体和群体的用户行为预测都是静态的，基于热点话题的用户行为的动态预测的研究还比较少。并且，由于话题的时效性特征，在话题的不同阶段还存在数据不均匀和数据稀疏问题，这为动态进行用户行为预测带来了极大挑战。

为了动态预测用户的行为，本发明提出了基于热点话题的用户行为预测方法。为了说明本发明的实用性，需要具体的数据来验证，故本发明通过数据获取模块来获得本发明所需要的数据。由于本发明主要研究参与话题用户的粉丝是否会参与话题，故提出了属性提取模块来区分研究的对象。针对话题不同阶段的数据不均匀和数据稀疏问题，利用张量分解在数据空间转换和数据投影的特性，构建基于张量分解的预测模型。为了验证模型的实际效果，提出了模型预测分析模块验证模型的可用性及实用性。由于话题的爆发阶段会有很多用户一下子参与到该话题，从而导致话题下一阶段需要研究的粉丝量就会特别大，如何合理的确定需要研究的粉丝对象是本发明的一个难点。本发明未将合理过滤粉丝做为一个研究点，在后续研究中将会考虑此问题，为进一步提高模型的实用性而努力。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种热点话题下动态预测用户行为的系统及方法。本发明的技术方案如下：