[发明专利]一种基于SVM的标签发展趋势预测模型的构建方法

权利要求书

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U_pop；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G_Tag，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＝{U_pop,U_unpop}，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；

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t_i的度值D_i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；a_ij表示网络邻接矩阵的元素，即如果标签t_i和t_j有连边，则a_ij＝1，否则a_ij＝0；

标签t_i的度中心性的特征计算，取网络中的标签t_i的相对度中心性：

其中，D_i表示标签t_i的度值；

2)新标签提出后30天内的邻居平均度中心性，标签t_i的邻居平均度NC_i的计算如下：

其中，N_neighbor表示标签t_i的邻居节点个数，表示标签t_i的邻居节点度值之和；

3)新标签提出后30天内的相对接近中心性，标签t_i的接近中心性的度量计算，则同样取标签t_i的相对接近中心度：

其中，d_ij表示标签t_i与标签t_j的距离，表示标签t_i到邻居标签节点的平均测地距离；

4)新标签提出后30天内的特征向量中心性，标签t_i的特征向量中心性计算如下：

其中，η是一个比例常数，A＝(a_ijw_ij)是加权的网络邻接矩阵，其中w_ij表示标签t_i与t_j之间的权重，并且有w_ij＝w_ji，记x＝[x₁ x₂…x_N]^T，则式(5)可写成如下矩阵形式：

x＝ηAx， (6)

x是矩阵A是特征值η^-1对应下的特征向量，也称为特征向量中心性；

5)新标签提出后30天内的节点聚类系数，标签t_i的聚类系数计算如下：

其中，E_i表示标签t_i的k_i个邻居标签节点之间实际存在的边数，k_i(k_i-1)/2表示标签t_i的k_i个邻居节点之间有可能存在的最大边数；

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。