[发明专利]社交网络中一种基于Kalman滤波器的帖子转发量预测方法

权利要求书

1.社交网络中一种基于Kalman滤波器的帖子转发量预测方法，其特征包括如下步骤：

步骤一、t-1时刻对帖子影响力的最优估计值为f′_t-1，对应最小方差为P′_t-1，得到预测过程中t时刻帖子影响力的预测值：

f_1t＝f′_t-1

同时，预测过程的噪声的方差为Q，因此预测值的总方差P_t＝P′_t-1+Q，预测阶段帖子影响力的值服从(μ₁，σ₁²)＝(f_1t，P_t)的高斯分布；

步骤二、当前t时刻转发强度为λ_t，转发用户的影响力m_t，用户反应时间的概率密度函数其中τ为用户接收到该帖到转发的时间差，得到观察过程中t时刻的帖子影响力同时，由观察信息到系统状态估计值的映射过程中也会存在偏差，该偏差服从均值为0，方差为R的高斯分布，观察过程帖子影响力的值服从(μ₂，σ₂²)＝(f_2t，R)的高斯分布；

步骤三、两个均值和方差分别为μ₁，μ₂，σ₁²和σ₂²的高斯分布的乘积也为高斯分布，新的高斯分布的均值和方差分别为：

得到t时刻帖子影响力的最优估计值对应最小方差P′_t＝P_t-K_tP_t，其中，K_t＝P_t(P_t+R)^-1；

步骤四、将帖子未来转发过程模型转化为一棵信息级联树，引入分支因子d作为信息级联树中下层节点数量与上层节点数量的比值，构造一个等比数列，并结合得到的对当前时刻帖子影响力的最优估计值，预测帖子未来转发总量，该等比数列的初值为当前时刻帖子的转发数量；分支因子d表示在一个信息级联树中，由一个时间预期产生的孩子事件数；在级联转发过程中，将每一次转发作为一个随机事件，影响帖子将来转发的因素主要有两种：(1)用户影响力，被粉丝数越多的用户转发的帖子在未来更有可能获得更多的转发，其中用户粉丝数作为用户影响力的评判标准；(2)记忆时间，帖子内容越新，被转发的次数将越多，分支因子d的大小由这两种影响决定。