[发明专利]应用群体智能的热点事件热度度量方法

说明书

本发明揭示了一种应用群体智能的热点事件热度度量方法，包括如下步骤：S1、使用交互图描述用户之间的交互情况；S2、将交互图划分成连续的时间片，在每个时间片内，分别计算节点度分布、点度中心性和集聚系数；S3、在每个时间片内，根据该时间片内的节点度分布、点度中心性以及集聚系数，综合计算出当前时间片内的热点事件热度。本发明使用复杂网络研究的重要工具之一的交互图对用户之间的交互行为进行建模，使用复杂网络的度量指标描述交互图的整体特征，体现出了热点事件发展过程中的各个阶段，与热点事件的发展过程相吻合，保证了最终度量结果的准确性与有效性。

技术领域

本发明涉及一种事件热度度量方法，具体而言，涉及一种社交大数据分析中所使用的应用群体智能的热点事件热度度量方法，属于人工智能和数据挖掘领域。

背景技术

随着互联网、信息化的飞速发展，社交网络已逐渐渗透到人们的日常生活中并扮演着日渐重要的角色、成为了人们分享、互动的平台。在社交网络中，频繁的用户活动催生出社交大数据，其中蕴含着大众的看法、观点、情感等，也正是由于这些因素的存在，从而使得社交网络成为现实世界的映射。

热点事件作为社交大数据中的重要部分，体现了当前大众的关注点。目前，可以通过机器学习的方法，对社交大数据进行数据处理，进而挖掘出其中的热点事件，并预测其发展趋势，这对舆情监控、用户兴趣建模等具有重要的意义。而热点事件热度的度量无论在热点事件挖掘还是在热点事件预测中都是一个关键的指标。

在现有技术中，对热点事件热度的度量通常采用统计关键词频率的方式进行。通过自然语言处理技术统计与热点事件相关的关键词或突发词，并计算其出现的频率，进而根据频率值的大小实现对热点事件的排序。这种方法已经广泛应用于搜索、事件指数、热点话题等领域。然而，这种方法在使用的过程中，面临着自然语言歧义性、多义性、模糊性等问题的困扰。

用户是热点事件出现、发展、消失过程中的主体。针对热度更高的事件，会吸引更多的用户参与；针对热度较低的小众事件，用户的参与度较低。用户与用户之间的交互形成群体智能，推动热点事件的发展，因此，实质上，热点事件的热度的度量与群体智能的表征呈现强相关的趋势。

综上所述，如何提出一种全新的事件热度度量方法，充分地利用群体智能，准确快速地完成热点事件的热度度量，也就成为了目前本领域内技术人员所亟待解决的问题。

发明内容

鉴于现有技术存在上述缺陷，本发明的目的是提出一种社交大数据分析中所使用的应用群体智能的热点事件热度度量方法。

具体而言，包括如下步骤：

S1、描述步骤，使用交互图描述用户之间的交互情况；

S2、预处理步骤，将交互图划分成连续的时间片，在每个时间片内，分别计算节点度分布、点度中心性和集聚系数；

S3、综合度量步骤，在每个时间片内，根据该时间片内的节点度分布、点度中心性以及集聚系数，综合计算出当前时间片内的热点事件热度。

优选地，所述交互图中的每个节点均对应一个用户，所述交互图中的每条边均对应用户之间的交互关系。

优选地，每个所述节点均具有节点属性，所述节点属性包括用户年龄、用户职业以及用户所在地。

优选地，所述交互关系包括用户间的转发、评论及点赞，每条所述边均具有边属性，所述边属性包括交互频率。

优选地，S2所述预处理步骤包括：

S21、将交互图以预先设定的时间间隔，划分成m个连续的时间片；

S22、计算出每个时间片内的节点度分布D；

S23、计算出每个时间片内的点度中心性DC；

S24、计算出每个时间片内的集聚系数CL。