[发明专利]社交网络中一种基于Kalman滤波器的帖子转发量预测方法

摘要

本发明涉及互联网领域内社交网络中一种帖子转发量预测方法，具体的说，设计的是一种在社交网络中基于Kalman滤波器的通过对帖子转发量预测从而进行事件流行度估计方法。本发明致力于解决当帖子发布后的时间趋向无穷大时，预测该帖子转发总量的问题。本发明针对帖子级联转发过程中的不同状态建立帖子影响力预测模型，提出了当前时刻帖子状态只受到前一时刻帖子状态影响的理论，并引入分支因子，通过构建信息级联树，将对帖子未来转发总数的预测模型化为等比数列求和，从而实现对帖子最终转发量的预测。本发明广泛适用于舆情控制，新产品推广等应用场景。

主权项

社交网络中一种基于Kalman滤波器的帖子转发量预测方法，其特征包括如下步骤：步骤一、假设前一时刻帖子影响力的最优估计以及对应最小误差已知，根据经验，对当前时刻帖子影响力进行预测，得到当前时刻帖子影响力的预测值，并假设根据经验的预测过程产生的误差为高斯白噪声，由此得到了预测阶段帖子影响力的值以及对应的误差。步骤二、通过对截止到当前时刻帖子转发各个过程的观察，得到帖子转发过程中每一次转发的时间以及每个中间转发用户的粉丝数，根据观察到的信息得到当前时刻帖子影响力的值，同时假设通过观察信息求得帖子影响力这一过程中的误差为高斯白噪声，由此得到观察阶段帖子影响力的估计值以及对应的误差。步骤三、结合预测过程和观察过程这两个阶段对帖子影响力的估计值以及对应估计误差，根据多个一维的独立高斯分布相乘亦是高斯分布的性质，可以得到误差最小的对帖子影响力的最优估计。步骤四、将帖子未来转发过程模型化为一棵信息级联树，引入分支因子作为信息级联树中下层节点数与上层节点数量的比值，构造一个等比数列，并结合得到的对当前时刻帖子影响力的最优估计值，预测帖子未来转发总量。