[发明专利]面向微博的话题层次用户影响力度量方法

权利要求书

1.面向微博的话题层次用户影响力度量方法，其特征在于，具体按照以下步骤实施：

步骤1：计算微博文本之间的相似度；

步骤2：采用动态聚类算法得到相关话题集合；

步骤3：对话题层次用户影响力进行衡量。

2.根据权利要求1所述的面向微博的话题层次用户影响力度量方法，其特征在于，所述的步骤1具体按照以下步骤实施：

(1)对两条任意微博短文本A和B，首先利用中科院汉语词法分词工具ICTCLAS进行分词处理，得到微博文本中的名词和动词，分别记为集合A＝{a₁,a₂,…a_m}，B＝{b₁,b₂,…,b_n}；

(2)对于A中的任意一个词a₁，利用词语语义相似度计算方法计算它和B中的每一个词的相似度S_i1,S_i2,...,S_in；

(3)按照步骤(2)计算得到A和B中所有词相似度矩阵S：

(4)从词语相似度矩阵S中找出数值最大的五对元素，按照大小排序依次为：S_max1，S_max2，S_max3，S_max4，S_max5；

S_max1到S_max5为0-1之间的实数，取这五对词语相似度的平均值，进而计算两条微博之间的相似度S_AB，如以下公式所示：

SAB=Σi=15Smax15.]]>

3.根据权利要求1所述的面向微博的话题层次用户影响力度量方法，其特征在于，所述的步骤2具体按照以下步骤实施：

输入：n个数据点和数据间相似度矩阵；

输出：聚类的类数k和k个聚类数据对象集合C_j；

(1)：从n个数据点中随机的选择一个节点作为第一个中心，记为Z₁；

(2)：找到离Z₁最远的点，即相似度最小的点作为另一个中心，记为Z₂；

(3)：将其余非中心点按其与中心点相似度最大放入这两个类中；

(4)：do；

(4.1)：在每个类中，计算每个数据对象与其它数据对象相似度的均值；

(4.2)：将均值最大的数据对象作为新的质心，并将其余非质心点按照相似度最大放入这k个类中；

(4.3)：在每个类中，找到与类质心相似度最小的点；

(4.4)：如果该点与类中心的相似度值低于一定的阈值，将该点变为新的类质心；

(4.5)：k++；

(4.6)：将其余非质心点按照相似度最大放入这k个类中；

(5)：while，直到没有新的质心出现，跳出循环；

(6)：结束；

自动阈值确定新质心的函数如下：

对任意一个类C_i，i∈{1,2,…,K}，若存在一个点x_j,x_j∈C_i，x_j与Z_i的相似度最小，其余同类中与Z_k相似度最小的点与Z_k的相似度是该相似度的m倍以上，便把x_j认为是新的质心，将数据点x_j放入质心集合中，此函数结束，Z_i是每个类的质心。