[发明专利]一种基于SVM的标签发展趋势预测模型的构建方法

说明书

一种基于SVM的标签发展趋势预测模型的构建方法，包括以下步骤：(1)数据集预处理，统计网站的帖子数据，去除非相关数据信息；(2)选取样本标签，统计标签新出现两年之后的频率，提取流行标签集合和非流行标签集合；(3)构建标签的有权无向网络；(4)提取标签特征数据，包括标签的网络特征以及相关属性特征，作为训练测试数据；(5)采用支持向量机SVM的方法对数据进行训练，并构建标签流行趋势预测模型。本发明考虑标签之间相关性，通过属性特征结合网络特征来对标签的未来发展趋势进行预测分类，对于预测潜在流行标签具有较高的精度。既有利于引导用户选择合理的标签，也有利于网站建设者提供更高质量的标签。

技术领域

本发明涉及数据挖掘、数据分析技术，特别是涉及一种基于SVM的标签发展趋势预测模型的构建方法。

背景技术

随着网络的快速发展，越来越多的人们选择通过网络来进行信息的交流，但是大量的信息同时涌入，使得用户很难快速的对信息进行高效筛选，因此，出现了网络标签。网络标签的出现，极大地解决了这一问题。标签通过一些与内容密切相关的关键词组成，它可以帮助人们方便地描述和分类内容，同时也便于信息的检索与分享。

与此同时，标签的发展趋势以及分类预测也就越来越受到人们的关注，新标签被提出之后的流行趋势如何，往往代表着这个领域热点或方向的流行趋势，是网站社区极大关注的问题。对网站而言，有效的进行新标签的趋势预测和标签推荐，能够推动话题或者新兴领域的发展。对用户而言，根据标签的流行趋势来查找内容能够准确地找到当前领域的发展趋势。

目前对信息进行标签选取的主要依据是信息与标签的文字相关程度以及信息发起者的自身属性等。但是存在一些缺点，主要表现在：(1)忽略了新标签的潜在流行趋势；(2)忽略了标签与标签之间的相关性；(3)冷门内容导致冷门标签，使得信息并不能被有效搜索到；(4)只考虑到少数特征，使得部分标签的选取趋向与片面。

因此，为了让用户在发布信息时能更好的选择标签，尽可能选择具有潜在流行性标签。本发明提出一种基于SVM的标签发展趋势预测模型的构建方法解决以下两个基本问题：(1)提取标签形成初期的网络特征和相关属性特征对标签的发展趋势进行定量刻画；(2)预测新标签的未来发展趋势。

发明内容

为了提高网站对网络社区标签的管理和对新标签的发展趋势的预测，克服目前对标签流行性预测的不足。本发明提供了一种基于SVM的标签发展趋势预测模型的构建方法，不仅结合了标签之间的网络特征，同时也将标签出现前期的属性特征一起提取来进行训练预测。

本发明解决其技术问题所采用的技术方案如下：

一种基于SVM的标签发展趋势预测模型的构建方法，包括如下步骤：

步骤1：数据预处理，收集网站社区的信息内容和其对应的标签数据，对其数据内容按时间排序，取社区形成N天之后的数据，以确保社区的标签网络初步形成；

步骤2：选取样本标签，对数据集进行统计，获取社区标签频率并排序，取比例为前α％的标签作为流行标签，其集合记为U_pop；在剩下的标签中选取与流行标签时间相对照的标签为非流行标签；

步骤3：构建标签网络，对同一个信息内容中出现的多个标签，则认为这些标签之间存在关系，使其两两之间形成连边。遍历网站社区中所有信息，得到有权无向网络的标签网络图G_Tag，其中节点为新出现的标签，连边为标签之间的关系，网络的权重为两者共同出现的次数；

步骤4：提取特征数据，对样本标签集合U＝{U_pop,U_unpop}，提取其内标签首次创建之后M天的网络特征和属性特征，建立样本训练数据集；

步骤5：采用机器学习分类器模型支持向量机SVM，选取核函数，训练生成基于SVM的流行标签预测模型，并进行十折交叉验证，得出测试精度。