[发明专利]一种基于时空属性的实体竞争关系数据挖掘方法

权利要求书

1.一种基于时空属性的实体竞争关系数据挖掘方法，其特征在于，包括以下步骤：

S1、通过网络爬虫程序爬取实体的用户评论数据、实体的用户评论时间数据以及实体的经纬度数据；

S2、对实体的用户评论数据进行预处理；

S3、采用LDA对预处理后实体的用户评论数据进行主题提取，得到用户评论主题；

S4、根据用户评论主题构建主题-特征匹配规则，并根据主题-特征匹配规则计算得到实体的主题-特征匹配值；

S5、根据实体的经纬度数据计算得到实体距离量化值；

S6、根据实体的用户评论时间数据计算得到实体时间属性影响力量化值；

S7、根据实体的主题-特征匹配值、实体距离量化值以及实体时间属性影响力量化值计算得到实体相似度量化值；

S8、根据实体相似度量化值计算得到实体竞争关系量化值；

S9、对实体竞争关系量化值进行归一化处理，得到实体竞争关系数据；

所述步骤S5包括以下分步骤：

S51、根据实体的经纬度数据计算实体两两之间的实际距离Dis_ij，其中Dis_ij表示第i个实体entity_i和第j个实体entity_j之间的实际距离，i＝1,2,...,m；j＝1,2,...,m，m为实体总数；

S52、设置空间阈值d，将实际距离小于空间阈值d的两个实体entity_i和entity_j定义为相邻实体neighbor(entity_i,entity_j)；

S53、以相邻实体neighbor(entity_i,entity_j)作为聚类初始值，采用KNN算法对实际距离Dis_ij进行聚类，得到簇C＝{C₁,C₂,C₃,...,C_n}；

S54、根据簇C计算得到地理位置信息影响因子α＝{α₁,α₂,α₃,...,α_n}，计算公式为：

其中n为簇的个数，C_l表示第l个簇内点的数量；

S55、根据地理位置信息影响因子α和实际距离Dis_ij计算得到实体距离量化值F(Dis_ij)：

F(Dis_ij)＝α·Dis_ij (6)

所述步骤S6包括以下分步骤：

S61、以周为单位对实体的用户评论时间数据进行划分，在每周内将实体的用户评论时间数据分为工作日week₁和假期week₂，得到集合G₁＝{week₁,week₂}，并根据集合G₁计算得到短期时间属性因子β_n：

其中week_n(user_h)表示第i个实体entity_i中第h个用户user_h评论时间在集合G₁中的类别；

S62、以月为单位将实体的用户评论时间数据划分为12类，得到集合G₂＝{month₁,month₂,...,month₁₂}，并根据集合G₂计算得到中长期时间属性因子γ_j：

其中month_j(user_h)表示第i个实体entity_i中第h个用户user_h评论时间在集合G₂中的类别；

S63、以季度为单位将实体的用户评论时间数据划分为4类，得到集合G₃＝{quarter₁,quarter₂,quarter₃,quarter₄}，并根据集合G₃计算得到长期时间属性因子θ_k：

其中quarter_k(user_h)表示第i个实体entity_i中第h个用户user_h评论时间在集合G₃中的类别；

S64、根据短期时间属性因子β_n、中长期时间属性因子γ_j和长期时间属性因子θ_k计算得到实体时间属性影响力量化值：

H(entity_i)＝β_n+γ_j+θ_k (10)

其中H(entity_i)表示第i个实体entity_i的实体时间属性影响力量化值；

所述步骤S7中实体相似度量化值的计算公式为：

P(entity_i)＝C(entity_i)+F(Dis_ij)+H(entity_i) (11)

其中P(entity_i)表示第i个实体entity_i的实体相似度量化值，C(entity_i)表示第i个实体entity_i的主题-特征匹配值，F(Dis_ij)表示第i个实体entity_i和第j个实体entity_j之间的实体距离量化值，H(entity_i)表示第i个实体entity_i的实体时间属性影响力量化值，i＝1,2,...,m；j＝1,2,...,m，m为实体总数；

所述步骤S8中实体竞争关系量化值的计算公式为：

其中表示第i个实体entity_i和第j个实体entity_j之间的实体竞争关系量化值，P(entity_i)表示第i个实体entity_i的实体相似度量化值，P(entity_j)表示第j个实体entity_j的实体相似度量化值，i＝1,2,...,m；j＝1,2,...,m，m为实体总数。