[发明专利]面向微博的话题层次用户影响力度量方法

说明书

技术领域

本发明属于网络舆情分析技术领域，涉及一种话题层次的用户影响力度量方法，具体涉及一种面向微博的话题层次用户影响力度量方法。 

背景技术

及时获取微博上的敏感话题并减少进一步的传播带来的恶劣影响，发现在话题传播中起到关键作用的用户，通过引导这些关键用户来正确的导向社会舆论方向，这已经成为了网络新媒体和舆情监管部门亟待解决的问题。 

目前国内外针对微博用户影响力研究主要有以下几个方向：基于个体属性的影响力研究、基于网络结构的影响力研究、结合个体属性和网络关系的影响力研究以及信息传播层面影响力研究。我们认为用户的影响力是有多种因素共同决定的，其中用户属性、网络结构和信息传播都能不同程度的预测用户的影响力。所以综合考虑这三种因素对用户影响力的影响，建立了一种用户影响力度量模型，通过该模型可以更加准确的衡量用户在话题层次的影响力，进而可以发现在话题传播过程中起关键作用的用户，微博网络中的舆情监控与追踪起到保障和监督作用。 

以往的研究并没有将这三种影响因素综合考虑在内，用户影响力模型综合考虑了这三个方面，并赋予不同的权重反应不同因素的重要性，更能准确的衡量用户影响力。 

发明内容

本发明提供了一种面向微博的话题层次用户影响力度量方法，根据结合文本语义使用聚类算法得到微博话题集合，分析话题集合中用户行为、用户属性、信息传播对用户影响力的重要性，建立了一种用户影响力度量模型，从而更加准确的衡量用户的影响力，挖掘出话题传播过程中的关键用户。 

本发明所采用的技术方案是：面向微博的话题层次用户影响力度量方法，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。 

本发明的特点还在于， 

其中的步骤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.]]>

其中的步骤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；