[发明专利]一种基于社交媒体的社会群体认知指数构建方法

权利要求书

1.一种基于社交媒体的社会群体认知指数构建方法，其特征在于：包括以下步骤：

(1)目标群体选取：根据9个社会阶层分类确定11个目标群体特征词，包括领导、经理、老板、专家、教授、医生、农民、服务员、工人、白领、公务员，获取社交媒体账号所发布的推文中包含目标群体特征词的推文；

(2)数据预处理：对社交媒体账号所发布的推文做分词处理，去除无用符号，得到账号特征词；删除无文字内容推文；采用词袋模型来表征账号,词袋模型是基于自然语言处理和信息检索下被简化的一种表达模型，此模型无需考虑文法以及词的顺序；

(3)特征词选取：根据社会认知基本维度中文形容词词库的两个基本维度：能动性维度和表达性维度的特征词进行选取；按照社会认知基本维度中文形容词词库，其中表达性维度的特征词包括友好、善良、可靠、热情、和蔼、真诚，能动性维度的特征词包括有能力、自信、上进、高效、聪明、努力；

(4)特征词扩展：寻找社会认知两个基本维度特征词的近义词，对已有特征词进行扩展；利用哈工大信息检索研究室同义词词林扩展版进行特征词的扩展，哈工大信息检索研究室同义词词林扩展版按照树状的层次结构把同义词分成了大、中、小三类；

(5)数据库建立：选取目标时间区间的社交媒体推文构建数据库，包括社会群体认知两个基本维度所涉及的特征词，建立目标数据库，命名SC数据库，即socialcognition；随机抽样相等数量的非社会群体认知基本维度的特征词其中，表达主题包括事件和经历，生活方式，运动、社区参与和实践活动，建立控制变量数据库，命名CV数据库，即controlvariable；

(6)社会群体认知模型构建：采用机器学习技术中的K近邻算法分类识别两种基本维度的特征词，基于SC和CV数据库作为二分类别框架建构模型，采用多层级线性回归模型，建立SC数据库模型；基于CV数据库的社会群体认知模型构建：采用K近邻算法分类识别两种基本维度的特征词，基于SC和CV数据库作为二分类别框架建构模型，采用多层级线性回归模型，建立CV数据库模型；

(7)社会群体认知指数构建：基于社会群体认知模型，确定社交媒体账号使用者社会群体认知表达与非社会群体认知表达在其推文中的频次；构建社会群体认知指数，即SocialGroup Cognition Index，SGCI，社会群体认知指数的计算是基于社交媒体账号社会群体认知与非社会群体认知之间的差异，包括社会群体认知表达性指数，即SGCI_communion，和社会群体认知能动性指数，即SGCI_agency。