【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于互聯(lián)網(wǎng)應(yīng)用，涉及社交網(wǎng)絡(luò)中的數(shù)據(jù)分析，尤其涉及一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法、裝置及系統(tǒng)。
技術(shù)介紹
1、社交媒體的興起和普及使得大量用戶可以自由地表達觀點、分享信息，并參與廣泛的討論和互動。這種互動行為在社交網(wǎng)絡(luò)中構(gòu)建了一個龐大的用戶網(wǎng)絡(luò)，其中用戶的影響力在信息傳播中起著至關(guān)重要的作用。然而，社交網(wǎng)絡(luò)的蓬勃發(fā)展也帶來了一系列問題。特別是在一些特殊事件中，衍生的一系列新話題引起了網(wǎng)民的激烈討論，其信息傳播速度快、范圍廣，給社交網(wǎng)絡(luò)的信息管理帶來了挑戰(zhàn)，同時也可能引發(fā)廣泛的網(wǎng)絡(luò)輿論，其影響范圍和傳播速度都非常巨大。
2、衍生話題用戶影響力分析在多個領(lǐng)域具有重要影響力。在社交網(wǎng)絡(luò)平臺上，衍生話題用戶影響力分析能夠揭示用戶對話題的參與程度、互動頻率以及信息傳播路徑，從而幫助平臺更好地理解用戶需求和偏好，幫助識別潛在的目標(biāo)客戶群體，了解他們的需求和偏好，優(yōu)化推薦算法，從而制定更加精準(zhǔn)的推薦策略，提高用戶體驗。
3、目前，研究者們對于衍生話題節(jié)點影響力分析主要分為三個方面。第一是基于社交網(wǎng)絡(luò)結(jié)構(gòu)的研究，主要關(guān)注社交網(wǎng)絡(luò)中節(jié)點之間的關(guān)系和連接結(jié)構(gòu)，以及社交網(wǎng)絡(luò)中的社區(qū)結(jié)構(gòu)和信息傳播路徑等，通過上述指標(biāo)和方法識別社交網(wǎng)絡(luò)中的關(guān)鍵節(jié)點。第二是基于用戶行為的研究，主要是分析社交網(wǎng)絡(luò)中用戶對于話題的點贊、評論和轉(zhuǎn)發(fā)等一系列的傳播行為和活動，通過分析這些行為數(shù)據(jù)，計算用戶影響力得分，識別對社交網(wǎng)絡(luò)中信息傳播和社交影響有重要貢獻的用戶。第三是基于話題信息的研究，主要是分析文本情感，區(qū)分用戶情感傾向，進而對用戶
4、隨著社交網(wǎng)絡(luò)數(shù)據(jù)量的不斷擴大和深度學(xué)習(xí)技術(shù)的逐漸成熟，神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等非線性模型逐步成為用戶影響力分析模型的主流選擇。然而，這些現(xiàn)有技術(shù)無法對原生話題與衍生話題的傳播規(guī)模以及用戶對原始話題與衍生話題的認知差異進行準(zhǔn)確刻畫，導(dǎo)致難以在衍生話題傳播初期發(fā)現(xiàn)關(guān)鍵用戶。
技術(shù)實現(xiàn)思路
1、針對現(xiàn)有技術(shù)存在的問題，本專利技術(shù)提出了一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法、裝置及系統(tǒng)，基于傳播規(guī)模和認知差異實現(xiàn)對衍生話題早期用戶影響力分析。本專利技術(shù)利用原生話題與衍生話題之間的關(guān)系，并結(jié)合用戶自身特征、衍生話題主題語義信息以及深度神經(jīng)網(wǎng)絡(luò)的自學(xué)能力，以在衍生話題傳播初期發(fā)現(xiàn)關(guān)鍵用戶。
2、在本專利技術(shù)的第一方面，本專利技術(shù)提供了一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，所述方法包括：
3、獲取話題網(wǎng)絡(luò)中的數(shù)據(jù)信息；所述數(shù)據(jù)信息包括用戶基本信息、話題基本信息和用戶關(guān)系網(wǎng)絡(luò)；
4、從所述話題網(wǎng)絡(luò)中的數(shù)據(jù)信息中提取出原生話題、衍生話題用戶關(guān)系網(wǎng)絡(luò)，原生話題、衍生話題傳播網(wǎng)絡(luò)、用戶基本屬性以及用戶間親密度；
5、根據(jù)用戶基本屬性以及用戶間親密度，通過社區(qū)標(biāo)簽傳播算法提取出用戶特征向量表示；
6、根據(jù)原生話題、衍生話題傳播網(wǎng)絡(luò)，通過聯(lián)合分布自適應(yīng)算法提取出原生話題和衍生話題的話題向量表示；
7、將所述用戶特征向量表示和所述話題向量表示輸入到基于注意力機制的用戶影響力動態(tài)時空模型中，輸出為意見領(lǐng)袖用戶或為長尾用戶。
8、在本專利技術(shù)第二方面，本專利技術(shù)還提供了一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別裝置，包括：
9、數(shù)據(jù)獲取模塊，用于獲取話題網(wǎng)絡(luò)中的數(shù)據(jù)信息；所述數(shù)據(jù)信息包括用戶基本信息、話題基本信息和用戶關(guān)系網(wǎng)絡(luò)；
10、數(shù)據(jù)提取模塊，用于從所述話題網(wǎng)絡(luò)中的數(shù)據(jù)信息中提取出原生話題、衍生話題用戶關(guān)系網(wǎng)絡(luò)，原生話題、衍生話題傳播網(wǎng)絡(luò)、用戶基本屬性以及用戶間親密度；
11、用戶特征提取模塊，用于根據(jù)用戶基本屬性以及用戶間親密度，通過社區(qū)標(biāo)簽傳播算法提取出用戶特征向量表示；
12、話題特征提取模塊，用于根據(jù)原生話題、衍生話題傳播網(wǎng)絡(luò)，通過聯(lián)合分布自適應(yīng)算法提取出原生話題和衍生話題的話題向量表示；
13、關(guān)鍵用戶識別模塊，用于將所述用戶特征向量表示和所述話題向量表示輸入到基于注意力機制的用戶影響力動態(tài)時空模型中，輸出為意見領(lǐng)袖用戶或為長尾用戶。
14、在本專利技術(shù)的第三方面，本專利技術(shù)還提供了一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別系統(tǒng)，包括：
15、收發(fā)模塊，用于獲取話題網(wǎng)絡(luò)中的數(shù)據(jù)信息；所述數(shù)據(jù)信息包括用戶基本信息、話題基本信息和用戶關(guān)系網(wǎng)絡(luò)；
16、處理模塊，從所述話題網(wǎng)絡(luò)中的數(shù)據(jù)信息中提取出原生話題、衍生話題用戶關(guān)系網(wǎng)絡(luò)，原生話題、衍生話題傳播網(wǎng)絡(luò)、用戶基本屬性以及用戶間親密度；根據(jù)用戶基本屬性以及用戶間親密度，通過社區(qū)標(biāo)簽傳播算法提取出用戶特征向量表示；根據(jù)原生話題、衍生話題傳播網(wǎng)絡(luò)，通過聯(lián)合分布自適應(yīng)算法提取出原生話題和衍生話題的話題向量表示；將所述用戶特征向量表示和所述話題向量表示輸入到基于注意力機制的用戶影響力動態(tài)時空模型中，輸出為意見領(lǐng)袖用戶或為長尾用戶；
17、顯示模塊，用于對所述處理模塊輸出的意見領(lǐng)袖用戶或為長尾用戶進行顯式。
18、本專利技術(shù)的有益效果：
19、上述衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法、裝置及系統(tǒng)，通過獲取話題網(wǎng)絡(luò)中的數(shù)據(jù)信息，提取出原生話題、衍生話題用戶關(guān)系網(wǎng)絡(luò)，原生話題、衍生話題傳播網(wǎng)絡(luò)、用戶基本屬性以及用戶間親密度；根據(jù)用戶基本屬性以及用戶間親密度，通過社區(qū)標(biāo)簽傳播算法提取出用戶特征向量表示；根據(jù)原生話題、衍生話題傳播網(wǎng)絡(luò)，通過聯(lián)合分布自適應(yīng)算法提取出原生話題和衍生話題的話題向量表示；將所述用戶特征向量表示和所述話題向量表示輸入到基于注意力機制的用戶影響力動態(tài)時空模型中，輸出為意見領(lǐng)袖用戶或為長尾用戶，從而提高了社交網(wǎng)絡(luò)平臺中的衍生話題網(wǎng)絡(luò)的關(guān)鍵用戶的識別準(zhǔn)確率。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述用戶間親密度由用戶之間在同一屬性上的相似度得分、差異得分以及用戶之間在同一交互方式上的加權(quán)得分確定。
3.根據(jù)權(quán)利要求1所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述用戶特征向量表示的提取方式包括通過采用基于說話人監(jiān)聽器的傳播算法對用戶間親密度以及標(biāo)簽出現(xiàn)的頻率處理，計算每個標(biāo)簽的接受概率；根據(jù)每個標(biāo)簽的接受概率，計算得到用戶屬于標(biāo)簽的概率；根據(jù)用戶屬于標(biāo)簽的概率，得到用戶標(biāo)簽集合，所連接社區(qū)個數(shù)以及社區(qū)大小；根據(jù)用戶標(biāo)簽集合，所連接社區(qū)個數(shù)以及社區(qū)大小，通過嵌入模型，生成用戶特征向量表示。
4.根據(jù)權(quán)利要求3所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述每個標(biāo)簽的接受概率由用戶間親密度以及標(biāo)簽出現(xiàn)的頻率的乘積與標(biāo)簽總數(shù)的比值確定。
5.根據(jù)權(quán)利要求1所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述原生話題和衍生話題的話題向量表示的提取方式包括：
6.
7.一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別裝置，其特征在于，包括：
8.一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別系統(tǒng)，其特征在于，包括：
...【技術(shù)特征摘要】
1.一種衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述用戶間親密度由用戶之間在同一屬性上的相似度得分、差異得分以及用戶之間在同一交互方式上的加權(quán)得分確定。
3.根據(jù)權(quán)利要求1所述的衍生話題網(wǎng)絡(luò)中的關(guān)鍵用戶識別方法，其特征在于，所述用戶特征向量表示的提取方式包括通過采用基于說話人監(jiān)聽器的傳播算法對用戶間親密度以及標(biāo)簽出現(xiàn)的頻率處理，計算每個標(biāo)簽的接受概率；根據(jù)每個標(biāo)簽的接受概率，計算得到用戶屬于標(biāo)簽的概率；根據(jù)用戶屬于標(biāo)簽的概率，得到用戶標(biāo)簽集合，所連接社區(qū)個數(shù)以及社區(qū)大小；根據(jù)用戶標(biāo)簽集合，所連接社區(qū)個數(shù)以及社...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：謝昊飛，翟乃洋，王蓉，肖云鵬，賈朝龍，李暾，李茜，
申請(專利權(quán))人：重慶郵電大學(xué)，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。