[发明专利]基于关联规则的社交网络用户信息填充方法

权利要求书

1.基于关联规则的社交网络用户信息 填充方法，其特征在于，具体包括：

步骤一、基于SCRAPY爬虫框架获取用户在网络社交平台上的 个人信息和每个用户在网络社交平台上发布的信息；

步骤二、对用户在网络社交平台上的个人信息及其发布信息进行数据筛选处理，获取有效用户及其有效发布信息，利用ICTCLAS系统对每个有效用户在社交网络平台发布的信息进行分词，并提取每个有效用户的关键词；

步骤三、利用FP-Growth算法对有效用户的关键词进行关联，获取强关联规则集合；

步骤四、利用强关联规则集合，对信息缺失用户进行不同关键词强关联操作，获得关联结果，若关联结果不为0，执行步骤五，若关联结果为0，执行步骤六；

步骤五、从关联结果中，剔除与信息缺失用户具有相同信息缺失位的用户，获得有效关联结果，在有效关联结果中选择出现次数最多的用户，利用出现次数最多的用户的信息对缺失用户信息缺失位进行填充，执行步骤七；

步骤六、使用补充算法KNNI对信息缺失用户信息缺失为进行填充，执行步骤七；

步骤七、利用机器学习模型对信息缺失用户填充的信息进行预测回归，实现对填充信息进行纠正，完成社交网络用户信息填充。

2.根据权利要求1所述基于关联规则的社交网络用户信息填充方法，其特征在于，步骤二中所述对用户在网络社交平台上的个人信息及其发布信息进行数据筛选处理的具体方法为：

判断用户的年龄的范围是否在A1～A2之间，将年龄范围不在A1～A2之间的用户数据剔除；

对年龄在A1～A2之间的信息完整的用户发布在网络社交平台上的信息进行筛选，删除特殊符号及字符小于2的信息。

3.根据权利要求2所述基于关联规则的社交网络用户信息填充方法，其特征在于，A1为10岁，A2为100岁。

4.根据权利要求1或2所述基于关联规则的社交网络用户信息填充方法，其特征在于，步骤七中所述利用机器学习模型对信息缺失用户填充的信息进行预测回归，实现对填充信息进行纠正的具体方法为：

采用机器学习分类模型，首先使用步骤六中填充完成后的信息作为所述模型输入，对信息缺失用户信息缺失位的信息进行预测，并采用预测值与填充值进行对比，当填充值与预测值不同时，使用预测值替换填充值；替换后再次利用机器学习分类模型对信息缺失用户填充的信息进行再次预测，并判断当前的预测值与填充值是否相同，若不同，用预测值替换填充值，直至预测值与填充值相同或迭代次数达到阈值β为止。

5.根据权利要求4所述基于关联规则的社交网络用户信息填充方法，其特征在于，阈值β的最小值为4。