[发明专利]一种基于信息熵的信息实体传播影响力计算方法

权利要求书

1.一种基于信息熵的信息实体传播影响力计算方法，其特征在于,依次包括以下步骤：

A：针对信息集构建语料库；

B：构建待计算传播影响力的信息集中的信息实体t_i的最终关键信息特征集；构建方法为：首先利用语料库对信息集进行分词处理及分词的词频权重计算，然后依据设定的词频阈值选出信息实体t_i的初选关键信息特征集；然后再计算初选关键信息特征集中各个分词间的逐点互信息，并利用设定的逐点互信息阈值最终选取信息实体t_i的最终关键信息特征集；

C：对步骤B中得到的信息实体t_i的最终关键信息特征集中的离散随机变量进行去重和共指消解，得到预处理后的信息实体t_i的最终关键信息特征集；

D：根据步骤C中得到的预处理后的信息实体t_i的最终关键信息特征集，利用拉格朗日乘子法计算信息实体t_i的传播影响力的信息熵P_i，最终得到信息实体t_i的传播影响力；

信息实体t_i的传播影响力的信息熵P_i的计算公式为：

其中，预处理后的信息实体t_i的最终关键信息特征集由{x₁,x₂,..,x_n}构成，c_i表示预处理后的信息实体t_i的最终关键信息特征集中离散随机变量x_i的取值次数，x_i∈{x₁,x₂,..,x_n}；当x_i的取值次数为0时，c_i为空，P_i受∑p(c)＝1的约束；p(c₁)＝p(c₂)＝...＝p(c_m)，p(c₁,c₂,…,c_m)＝1/m。

2.根据权利要求1所述的基于信息熵的信息实体传播影响力计算方法，其特征在于,所述的步骤B包括以下具体步骤：

B1：使用步骤A中得到的语料库，对信息实体t_i所在的信息集进行文本分词处理；然后对待计算传播影响力的信息实体t_i中的每一个分词，分别进行词频权重计算；

B2：依据步骤B1中得到的信息实体t_i中每个分词的词频权重，选取前T个大于所设定的词频阈值K₁的分词，作为信息实体t_i的初选关键信息特征，并得到信息实体t_i的初选关键信息特征集；

B3：分别计算信息实体t_i的初选关键信息特征集中每个分词与其他分词的逐点互信息；

B4：依据步骤B3中得到的信息实体t_i的初选关键信息特征集中分词间的逐点互信息，若两个分词x_i和x_j间的逐点互信息大于所设定的逐点互信息阈值K₂，则判断分词x_i和分词x_j属于信息实体t_i的最终关键信息特征，最后利用所得到的所有最终关键信息特征，构建信息实体t_i的最终关键信息特征集。

3.根据权利要求2所述的基于信息熵的信息实体传播影响力计算方法，其特征在于，所述的步骤B1中，分词q_i的词频权重wf(q_i)的计算公式如下：

其中，N为信息实体t_i所在的信息集中所含有的信息实体的总数，n_i表示信息实体t_i所在的信息集中所包含的信息实体t_i的总数，m_i表示信息实体t_i所在的信息集中分词q_i的总数，M_i表示信息实体t_i所在的信息集中含有分词q_i的信息实体的总数。