[发明专利]面向社交平台的用户情感影响力分析方法

说明书

本发明公开了本发明通过基于社交平台的用户网络建设、基于社交平台内文本的高效特征抽取、基于深度学习算法的社交平台内文本情感分类和通过SeInRank算法构建社交平台情感影响力计算模型这四步来设计了面向社交平台的用户情感影响力分析方法，利用这个方法找出在线社交平台用户情感影响力大的用户，用户的影响力越大，其权威值越大，得到的用户关注越多，这样的用户在社交平台环境中具有导向能力，此研究可以用于舆论导向领域、商业领域、公益领域和公共健康领域。

技术领域

本发明涉及情感影响力分析方法技术领域，具体为面向社交平台的用户情感影响力分析方法。

背景技术

互联网已经成为人类生活密不可分的一部分，逐渐替代了传统社交媒体的功能，在信息获取、信息传播等功能上更加强大，其快速性、实时性使其更好地为用户服务，随着互联网的发展和网络技术的提升，在线社交平台的研究开始向海量数据和复杂用户关系的这一富有挑战性的大数据命题过渡，针对在线社交网络平台用户影响力的分析可以应用到很多领域，如舆论导向领域、商业领域、公益领域，为此，我们提出了面向社交平台的用户情感影响力分析方法。

发明内容

本发明的目的在于提供面向社交平台的用户情感影响力分析方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：面向社交平台的用户情感影响力分析方法，所述面向社交平台的用户情感影响力分析方法包括下述四个步骤：

第一步基于社交平台的用户网络建设：

利用网络爬虫技术从X社交平台(X表示某一个具体公知的社交平台)中收集公开的用户基本信息和用户已经上传的信息，把收集的信息存储在数据库中对应的表结构中，用于构建X社交平台的用户网络；

第二步基于社交平台内文本的高效特征抽取：

首先对X社交平台中的文本进行分词处理，去除其中的标点符号、停用词和URL链接，得到纯文本的单词集合，采用文本聚类的方法，将所有训练文本的单词集合映射降维成多个话题和特征词组成特征向量矩阵，得到新的特征空间；

第三步基于深度学习算法的社交平台内文本情感分类：

利用机器学习方法对X社交平台内文本进行情感分类，机器学习方法是通过设计及其学习算法找出区分类别的特征，进而对X社交平台内文本进行情感分类；

第四步通过SeInRank算法构建社交平台情感影响力计算模型：

分别基于X社交平台用户网络结构、基X社交平台用户行为和基于X社交平台文本的用户情感倾向，综合考虑上述三个方面提出本文的用户情感影响力计算模型。

优选的，第一步基于社交平台的用户网络建设具有为：X社交平台用户之间的交互行为分为用户关注行为、用户评论行为、用户转发行为，如图2所示，设U＝{U₁，U₂，...，U_n}表示X社交平台用户集合，并且U_i(1≤i≤n)是U中的任意一个用户，设W＝{W₁，W₂，...，W_m}表示一个用户发布信息集合，并且W_i(1≤i≤m)是W中的任意一条用户发布信息，针对用户U_i发布的信息，设W_i＝{W_i1，W_i2，...，W_ik}表示用户U_i发布的信息集合共有k条用户信息，并且W_ij(1≤i≤k)是W_i中的一个用户信息，X社交平台用户集合U可以构建网络拓扑结构；