[发明专利]一种融合网络结构和文本信息的社交关系预测方法

权利要求书

1.一种融合网络结构和文本信息的社交关系预测方法，包括如下步骤：

步骤1，构造原始兴趣向量；

使用微博和推特数据集中的用户关注关系和用户的文本信息内容，首先使用开源分词工具Ik Analyzer对数据集中的所有文本信息，即所有用户发表的微博内容或者推文内容，进行关键词的提取；这样可以得到用来刻画每一个用户的一系列关键词；然后将分词工具得到的所有的词语使用word2vec开源工具进行聚类,设置聚类个数为N,即将这些词划分为N个类别，这样就得到了N个话题类别，那么对于每一个用户来说,现在可以得到一个维度是N的兴趣向量,该向量的具体计算方法如下：针对一个用户i，构建一个长度为N维且每一个维度取值都为0的初始兴趣向量，然后依次扫描属于用户i的所有的关键词，若某个关键词属于第j个话题类别，那么用户i的特征向量中的第j个维度的值加1；直到扫描完所有属于该用户的关键词，就可以得到该用户i的兴趣向量；在该兴趣向量中，得分越高的维度说明该用户对于该维度的话题有更多的关注度和兴趣，使用T_i来表示第i个用户的兴趣向量,其分量具体的计算公式如下:

其中t_ij表示第i个用户在第j个话题上的得分,Freq_ij表示第i个用户的所有关键词出现在第j个话题上的数量,表示第i个用户在所有的关键词出现在所有的话题上的数量,为归一化项；

步骤2，构造修正兴趣向量；

使用用户的关注者的兴趣向量修正用户本身的原始兴趣向量；具体方法如下：针对一个特定的目标用户u1，该目标用户u1所有关注的用户是u2和u3，并且只关心用户兴趣向量中取值最大的top-K个维度，那么可以得到目标用户u1的兴趣向量T_u1＝(t₁₁,t₁₂,…,t_1K)，用户u2的兴趣向量为T_u2＝(t₂₁,t₂₂,…,t_2K),以及用户u3的兴趣向量为T_u3＝(t₃₁,t₃₂,…,t_3K)，那么目标用户u1的兴趣向量的修正的方法为将t₁₁,t₁₂,…,t_1K，t₂₁,t₂₂,…,t_2K，t₃₁,t₃₂,…,t_3K中相同的维度上的值相加，不同的维度上的值全部保留而得到的结果；通过这样的方法可以得到用户的修正兴趣向量；

步骤3，重构用户兴趣向量；

在得到了目标用户的修正兴趣向量之后,需要对目标用户和潜在的目标用户的关注用户的兴趣向量进行重构，目标用户u1的修正兴趣向量为T_u1＝(t₁₁,t₁₂,…,t_1n)，其中的n的取值小于等于原始兴趣向量的维度N并且大于等于在修正兴趣向量模块中取top-K个维度中选取的K值；目标用户u1的潜在关注用户u5的原始兴趣向量为T_u5＝(t₅₁,t₅₂,…,t_5N)；首先如在修正兴趣向量模块中所述，抽取该用户的top-K，这里K取值为4，即值最大的前4个维度组成新的兴趣向量，T_u5＝(t₅₁,t₅₂,…,t_5K)；然后考虑u1的修正兴趣向量和u5的Top-4兴趣向量的维度的并集，即，(t₁₁,t₁₂,…,t_1n)∪(t₅₁,t₅₂,…,t_5K)；并按照并集的结果重新分别构造u1和u5的兴趣向量，若某一个用户没有某一个维度上的特征，则使用0补齐，这样就得到了目标用户和目标用户的潜在关注用户的重构的兴趣向量；

步骤4，预测社会关系；

对于给定的目标用户ui和ui的潜在关注用户uj，定义关注uj并且同时是ui的关注者为ui到uj的桥接点；将微博数据集和推特数据集随机的划分为两个部分，分别用作训练集和测试集；训练集中包括已知连边的90％；这样，对于测试集中的任一条边E_ij，通过构建该边E_ij所连接的两个用户的修正兴趣向量和识别这两个用户之间的桥节点，即综合考虑通过修正兴趣向量对文本信息的利用和桥节点对网络结构的利用，得到如下的用于计算用户ui关注用户uj的概率计算公式，也就是边E_ij存在的概率：

其中，S_if表示用户ui关注的所有对象；任何一个属于S_if的用户k，如果该用户k也关注了用户j，那么I_kj＝1；否则I_kj＝0；是值为0或者1的二元向量，该向量中每个维度上的值由向量A决定，如果向量A在该维度上的权值为正，那么在这个维度上的值为1；否则为0；所以表示用户ui和用户uj的兴趣点重叠的个数。