[发明专利]一种基于多层集成学习的微博转发预测方法

权利要求书

1.一种基于多层集成学习的微博转发预测方法，其特征在于：共采用十二种基分类器进行微博转发预测；具体地说，第一层集成学习融合基于用户个人特征的贝叶斯模型的预测方法、基于用户社交特征的贝叶斯模型的预测方法、基于内容特征的贝叶斯模型的预测方法，形成基于贝叶斯模型的微博预测方法；融合基于用户个人特征的支持向量机模型的预测方法、基于用户社交特征的支持向量机模型的预测方法、基于内容特征的支持向量机模型的预测方法，形成基于支持向量机模型的微博预测方法；融合基于用户个人特征的逻辑回归模型的预测方法、基于用户社交特征的逻辑回归模型的预测方法、基于内容特征的逻辑回归模型的预测方法，形成基于逻辑回归模型的微博预测方法；融合基于用户个人特征的随机森林模型的预测方法、基于用户社交特征的随机森林模型的预测方法、基于内容特征的随机森林模型的预测方法，形成基于随机森林模型的微博预测方法；第二层集成学习融合基于贝叶斯模型的微博预测方法、基于支持向量机模型的微博预测方法、基于逻辑回归模型的微博预测方法和基于随机森林模型的微博预测方法，形成基于集成学习的微博转发预测方法，即通过多层集成学习模型来提高微博转发预测性能；

所述微博转发预测方法，包括如下步骤：

步骤1：信息采集模块采集微博网页，获取微博信息和微博用户信息，并将其保存到本地数据库；步骤1具体包括如下步骤：

步骤1.1：把种子微博用户的微博ID输入信息采集模块；

其中，种子微博用户是根据用户需求选择的微博用户；

步骤1.2：信息采集模块爬取种子微博用户的微博信息、粉丝列表、关注者列表以及种子微博用户信息，保存到本地数据库；

其中，种子微博用户信息包括性别、注册日期、粉丝数、关注数、发微博数、是否认证；每条微博信息包括微博正文、转发数、评论数、表态数；

步骤1.3：信息采集模块再将种子微博用户的粉丝列表放入爬取队列中，采集爬取队列中粉丝作为微博用户的微博信息、粉丝列表、关注者列表以及微博用户信息，保存到本地数据库；

微博信息包括微博正文、转发数、评论数、表态数；微博用户信息包括性别、注册日期、粉丝数、关注数、发微博数、是否认证；

步骤2：信息预处理模块对微博网页进行预处理；

步骤3：用户特征提取模块提取步骤1.1中种子微博用户和步骤1.3中微博用户的个人特征和社交特征；

步骤4：微博内容特征提取模块提取步骤1.1中种子微博用户和步骤1.3中微博用户的微博内容特征；

步骤5：基于贝叶斯的微博转发预测模块采用基于贝叶斯模型的方法进行微博转发预测；

步骤6：基于支持向量机的微博转发预测模块采用支持向量机的方法进行微博转发预测；

步骤7：基于逻辑回归的微博转发预测模块采用逻辑回归的方法进行微博转发预测；

步骤8：基于随机森林的微博转发预测模块采用随机森林的方法进行微博转发预测；

步骤9：基于集成学习的微博转发预测模块采用基于集成学习的方法进行微博转发预测。

2.根据权利要求1所述的一种基于多层集成学习的微博转发预测方法，其特征在于：步骤1中，微博网页可以是新浪微博网页；步骤2中，信息预处理模块对微博网页进行预处理，包括正文提取以及对提取的正文进行分词处理。