[发明专利]一种基于社交媒体内容和结构的用户实时观点检测方法

权利要求书

1.一种基于社交媒体内容和结构的用户实时观点检测方法，其特征在于，包括以下步骤：

(1)抓取微博文本并分析得到微博作者，抓取作者的社交网络信息；

(2)构建用户级别的社交媒体数据库，包括社交网络结构数据库和社交网络文本数据库，分别存储社交网络结构数据和文本数据；

(3)进行面向社交网络结构与文本内容的预处理，包括：首先对社交网络文本数据库中的微博按照发布时间排序，然后以设定时间为单位进行分割，得到以时间为区分的文本数据块；接着对社交网络结构数据库中的用户用哈希表进行存储；最后对每个以时间为单位的文本数据块，遍历每条微博，得到活跃过的用户ID集合以及用户最近发的设定条数的微博，然后遍历每条微博并输出，每次输出用户最近发的1条微博时，伴随着同时输出他的邻居们最近发的设定条数的微博；

(4)将步骤(3)处理得到的数据进行存储，得到融合社交网络结构与文本的数据结构，作为神经网络的训练数据集和测试数据集；该数据结构中包括若干数据块，每个数据块中包括若干用户发表的微博串，每条微博由用户自身微博博文和它的语境构成，每条微博博文有对应的主题；训练数据集中每条微博标记了用户的真实立场；

(5)利用训练数据集训练动态神经网络；其中训练数据集以步骤(3)中设定的分割时间为单位，采用增量训练的过程，每次训练完一个数据块后，将循环神经网络神经元的参数值进行保存，下次进行训练时，先载入原先的循环神经网络的参数值，然后使用最新的训练数据执行梯度下降算法，在原先已训练好的循环神经元的参数值的基础上进行更新；

(6)在使用完训练数据集中的数据块后，得到一个训练好的基于动态神经网络的用户观点分类器；

(7)利用训练好的用户观点分类器和预测数据块预测此数据块中每个的实时用户观点。

2.根据权利要求1所述的基于社交媒体内容和结构的用户实时观点检测方法，其特征在于：步骤(1)中调用微博流式API来实时地监听用户可见的微博窗口，允许输入一组哈希标签来过滤抓取到的微博；在监听到最新的微博后，分析微博json数据，得到微博作者的用户ID，然后调用微博查询式API问询用户ID，获得用户的社交网络信息。

3.根据权利要求1所述的基于社交媒体内容和结构的用户实时观点检测方法，其特征在于：社交网络结构数据库中的社交网络数据表以用户ID为主键，每一行第一列为用户ID，其他列为关注该用户的用户ID；社交网络文本数据库中的文本数据表以微博ID为主键，其中每一行第一列为微博的作者的用户ID，第二列为微博的文本，第三列为是否转发标识，第四列为微博的发布时间，最后一列为这条微博的ID。

4.根据权利要求3所述的基于社交媒体内容和结构的用户实时观点检测方法，其特征在于：面向社交网络结构与文本内容的预处理具体包括：

(3.1)将社交网络数据表读入并存储为一张以用户ID为键的哈希表，每个键映射到的值是用户关注对象的ID集合；

(3.2)将文本数据表按照发布时间升序排序，然后以“天”为时间单位进行分割，得到若干文本数据子表；

(3.3)对每个文本数据子表执行了下述操作：

i)遍历得到一个哈希表，键是用户ID，键集合是这一天活跃过的用户ID集合，每个键映射到的值是一张数据表，该数据表以微博ID为主键，键集合是用户这一天最近发的3条微博，主键映射到的非主属性是离该微博的时间戳最近的5条邻居微博；

ii)遍历i)中哈希表中的每个用户,输出该用户的时间线和时间线上每条微博所处的邻居微博的情况。

5.根据权利要求4所述的基于社交媒体内容和结构的用户实时观点检测方法，其特征在于：融合社交网络结构与文本的数据集组织形式如下表所示：

表中，每十八行表示一个用户，用户每天被设定为发了三条微博，每条微博占六行，第一行是用户本人的微博，第二至六行是用户发这条微博时周围人发的微博。