[发明专利]一种基于多面排序网络解决推文预测转发任务的方法

说明书

本发明公开了一种基于多面排序网络解决推文预测转发任务的方法。主要包括如下步骤：1)针对于一组用户及推特推文数据集，构建用户之间及用户与推文之间相互关系的网络。并且针对于形成的网络，利用多面排序网络形成用户推文转发预测函数。2)对于得到的用户推文转发预测函数，产生对于用户推文转发的概率预测。相比于一般的用户推文转发的概率预测解决方案，本发明能够同时利用推文的信息与用户之间的相互影响关系。本发明在推文转发预测问题中所取得的效果相比于传统的方法更好。

技术领域

本发明涉及推文转发预测任务，尤其涉及一种基于多面排序网络解决推文预测转发任务的方法。

背景技术

随着以社交关系为基础的网站的蓬勃发展，对于用户推文转发情况的预测也成为一项具有挑战性的工作，该任务的目的是对于某一用户预测其转发所关注的用户推文的概率大小，但是目前已有的预测方法效果并不是很好。

现有的技术主要是利用推文的文本信息预测未来的用户推文分享情况，但是随着移动式设备的逐渐普及，越来越多的推文开始带有图片，所以在预测推文转发情况时，将推文中的图片信息也考虑进去便成为一项非常重要的任务。

本发明将首先利用已有的用户、推文之间的关系及用户之间的相互关系构建社交媒体网络，之后通过卷积神经网络与LSTM网络来分别获取推文的图片及文本的语义表达，利用随机初始化得到用户表达，之后结合用户表达及推文文本及图片的表达得到关于用户本身对于该推文感兴趣程度的损失值。之后通过构建的社交关系网络中的用户之间相互关注的关系，得到用户之间相互影响大小，并利用该影响力数值结合用户表达与推文表达得到反映在用户之间相互影响的前提下用户对于推文感兴趣程度的损失项值。将用户本身对于该推文感兴趣程度的损失值与反映在用户之间相互影响的前提下用户对于推文感兴趣程度的损失项值结合，得到最终的损失目标函数，经过训练，得到用户对于某推文感兴趣程度的大小，并利用该值预测用户对于推文的转发概率。

发明内容

本发明的目的在于解决现有技术中的问题，为了克服现有技术中仅仅关注到推文中的文本没有关注推文中的图片且没有加入反映用户之间相互影响力的问题，本发明提供一种基于多面排序网络解决推文预测转发任务的方法。本发明所采用的具体技术方案是：

基于多面排序网络解决推文预测转发任务的方法，包含如下步骤：

1、针对于一组社交网络用户及其对于的推文转发情况，构建包含用户、推文之间相互关系的社交媒体网络。

2、对于步骤1所得到的社交媒体网络中的带有图片的推文，利用卷积神经网络获取推文图片的表达，利用单词映射网络及LSTM网络获取推文文本的语义表达，利用随机初始化获取用户的映射表达。之后结合推文的图片及文本表达获取推文的综合表达，利用推文的综合表达及用户的表达获取反映用户本身对于推文感兴趣程度大小的值。利用步骤1构建的社交媒体网络中的用户之间相互关注的关系及用户表达矩阵，得到用户相互影响力分数，并利用该分数与用户表达及推文综合表达得到反映结合了用户之间相互影响的用户对于推文感兴趣程度的值。两者结合得到最终的损失函数。

3、利用所获得的含有用户推文转发关系及用户间关系的数据集，针对步骤 2所得的损失函数，经过训练，得到最终的损失函数，根据该函数可以对于任意用户及其关注的用户发出的任意推文进行排序，将更可能被用户转发的推文排在前列。

上述步骤可具体采用如下实现方式：

1、对于所给出的用户及用户所发的微博，按照实际数据集中的用户之间社交关系及用户与微博博文的发布关系形成社交媒体网络。