[发明专利]一种微博用户行为分析预测的方法

说明书

技术领域

本发明涉及网络数据技术领域，特别是涉及一种微博用户行为分 析预测的方法。

背景技术

据中国互联网信息中心于2017年1月发布的第39次《中国互 联网络发展状况统计报告》显示，截止2016年12月，中国网民规模 已达7.31亿，新增4299万，普及率53.2％，较2015年底提升了 2.9个百分点。而手机上网用户规模达6.95亿，新增7550万，较 2015年底的90.1％提升到了95.1％。很明显的，移动终端尤其是以手 机为代表的移动终端，已发展成为我国网民上网的主要方式。在我国， 从当初的新浪、网易、搜狐、腾讯四大门户网站，到今天的BAT(百 度，阿里巴巴，腾讯)和TMD(头条，美团，滴滴)移动互联网已经 进入发展的快车道。伴随与此SNS应用(交友网站，微博等)的发 展也进入了新的阶段，借助兴趣、关注、LBS(Location Based Service)、联系人等模块，以解决用户交流沟通，互动娱乐，分享 等为出发点，满足不同场景下的用户需求。

互联网时代造就了“指尖上的信息”。以在线论坛，社交网站，社交媒体 等为代表的社交网络服务吸引了越来越多的用户，诸如国外的Facebook， Twitter，YouTube等，据社交网络Facebook2016年第一季度财报显示，它现 在的月活跃用户数量为16.5亿(同比上涨了15％)，其中移动用户数量为15.1 亿(同比上涨了21％)，它的日活跃用户数量为10.9亿(同比上涨了16％)， 移动日活跃用户数量为9.89亿(同比上涨了24％)，互联网正在一点一点的 改变着人们的习惯。

微博作为一种新型的在线社交媒体平台，以其使用门槛低、获取 信息方便、涵盖内容全面等特点迅速吸引了大量的用户，对信息的泛 洪式传播起到了推手的作用，形成了一种特有的信息传播网络。因此， 微博成了许多个人和企业获取信息主要平台，研究人们在微博中的行 为特征、预测人们对信息的处理情况，对于微博营销甚至网络营销、 热点话提提取、舆情控制等方面具有重要的意义。

发明内容

本发明的目的是提供一种微博用户行为分析预测的方法，对微博 网络中用户转发行为的分析及预测研究意义重大，有利于政府机构各 部门和相关企业组织掌握用户的动态，预测用户后继行为，进而引导 行为信息的发展方向；同时政府也可以在作决策的时候参考群众的言 论和社会舆论做出科学有效的决策。

一种微博用户行为分析预测的方法，所述方法包括：

步骤S101：获取微博数据，并分析微博网页结构，选取种子用 户后，以该用户为根节点，按广度优先的顺序将该用户的粉丝群以及 该用户的关注列表加入到待爬取队列，抓取一定时间段内的数据，最 后将爬取完的数据分为训练数据和测试数据；

步骤S102：预处理数据，对实验数据按照一定的规则进行处理；

步骤S103：提取文本特征，包括提取统计特征、提取语义特征 以及提取组合特征；

步骤S104：提取相关特征，从结构特征、用户特征、微博特征 三个维度做细粒度的特征提取。

步骤S105：得到表征用户兴趣的空间特征。

具体地，步骤S101：获取微博数据，并分析微博网页结构，选 取种子用户后，以该用户为根节点，按广度优先的顺序将该用户的粉 丝群以及该用户的关注列表加入到待爬取队列，抓取一定时间段内的 数据，最后将爬取完的数据分为训练数据和测试数据，包括先获得微 博平台的授权。

具体地，步骤S102：预处理数据，对实验数据按照一定的规则 进行处理；包括分为两步第一步数据清洗(ETL)，第二步二次处理， 降低特征维度。

具体地，步骤S103：提取文本特征，包括提取统计特征、提取 语义特征以及提取组合特征，所述提取统计特征采用平均频率法。

具体地，步骤S103：提取文本特征，包括提取统计特征、提取 语义特征以及提取组合特征，所述语义特征包括文档、主题以及词。

具体地，步骤S103：提取文本特征，包括提取统计特征、提取 语义特征以及提取组合特征，所述提取组合特征包括利用用户微博中 的词汇和关注列表加权处理后的兴趣集来表征用户的兴趣以及潜在 的兴趣。

具体地，步骤S104：提取相关特征，从结构特征、用户特征、 微博特征三个维度做细粒度的特征提取，包括用户特征的提取将从是 否认证、用户重要程度、用户活跃度三个方面进行。