[发明专利]一种基于情境信息的人气值预测模型构建与训练方法

权利要求书

1.一种基于情境信息的网络流行语人气值预测模型构建方法，其特征在于，包括：

获取用户m与网络流行语i之间的情境数据；

根据情境数据计算基于情境特征的网络流行语人气值置信度；

计算整体人气值置信度矩阵X；

根据人气值置信度矩阵X求得各个网络流行语人气值。

2.根据权利要求1所述的网络流行语人气值预测模型构建方法，其特征在于，所述情境数据包括空间距离D(m,i)、时间距离T(m,i)、归一化的关系评分值NR(m,i)、用户从该网络流行语的社交行为中获得的归一化情感得分值NS(m,i)。

3.根据权利要求1所述的网络流行语人气值预测模型构建方法，其特征在于，基于情境特征的网络流行语人气值置信度包括基于空间特征的置信度C_S(m,i)，基于时间特征的置信度C_T(m,i)，基于用户关系特征的置信度C_NR(m,i)和基于语义特征的置信度C_NS(m,i)。

4.根据权利要求3所述的网络流行语人气值预测模型构建方法，其特征在于，C_S(m,i)、C_T(m,i)、C_NR(m,i)、C_NS(m,i)的计算公式分别如下：

其中，N是用户的总数，u,v,w是通过曲线拟合学习得到的参数。

5.根据权利要求1所述的网络流行语人气值预测模型构建方法，其特征在于，置信度矩阵的计算公式如下：

X=A×C_S+B×C_T+J×C_NR+K×C_NS或

X_m,i=A_S(m,i)×C_S(m,i)+B_T(m,i)×C_T(m,i)+J_NR(m,i)×C_NR(m,i)+K_NS(m,i)×C_NS(m,i)

其中A、B、J、K是C_S、C_T、C_NR、C_NS对应的系数矩阵。

6.根据权利要求1所述的网络流行语人气值预测模型构建方法，其特征在于，流行语i的置信度X_i的值为流行语i对应的所有用户置信度之和，它满足：

。

7.一种基于情境信息的网络流行语人气值预测模型训练方法，其特征在于，包括：

利用已有的话题流行量和情境数据，使用回归曲线拟合的方法求得各类人气值置信度计算公式中的参数；

使用高斯概率线性模型并设置适当的噪声值，得到网络流行语人气值的概率分布函数；

通过最大化后验概率，得到待优化的目标函数；

利用带标记的社交媒体数据，使用梯度下降法不断优化所述目标函数。

8.根据权利要求7所述的网络流行语人气值预测模型训练方法，其特征在于，待优化的目标函数为四个情境特征的代价函数与系数矩阵的正则化代价之和。