[发明专利]一种基于深度传播和广度传播的话题网络影响力用户预测方法

权利要求书

1.一种基于深度传播和广度传播的话题网络影响力用户预测方法，其特征在于，包括：

S1：获取话题网络数据，对话题网络数据进行预处理；

S2：根据预处理后的话题网络数据计算用户亲密度和用户可信度；

S3：根据用户亲密度和用户可信度，定义DSU2vec算法的随机游走策略以优化DSU2vec算法；

S4：采用优化后的DSU2vec算法提取话题网络的隐藏信息，得到话题网络的深度传播特征向量矩阵；

S5：对话题网络进行社区划分，得到划分好的社区；

S6：采用图卷积神经网络提取社区节点的特征，得到话题网络的广度传播特征向量矩阵；

S7：采用多维度传播网络预测模型对深度传播特征向量矩阵和广度传播特征向量矩阵进行处理，得到话题网络影响力用户预测结果。

2.根据权利要求1所述的一种基于深度传播和广度传播的话题网络影响力用户预测方法，其特征在于，计算用户亲密度的公式为：

其中，Int(u_i,u_j)表示第i个用户u_i与第j个用户u_j之间的亲密度，X_i表示第i中交互方式的交互权重，Num[Interact_i(u_i,u_j)]表示第i个用户u_i和第j个用户u_j在第i种交互方式下的总次数，Num[Interact_iu_i]表示第i个用户u_i与全网用户在第i种交互方式下的总次数，Num[Interact_iu_j]表示第j个用户u_j与全网用户在第i种交互方式下的总次数。

3.根据权利要求1所述的一种基于深度传播和广度传播的话题网络影响力用户预测方法，其特征在于，计算用户可信度的公式为：

Cre(u_i)＝α·Num[Interact(u_i)]+β·Num[Interacted(u_i)]

其中，Cre(u_i)表示第i个用户u_i的可信度，α表示第一衰减系数，Num[Interact(u_i)]表示第i个用户对其好友发布的消息进行互动的总数，β表示第二衰减系数，Num[Interacted(u_i)]表示第i个用户u_i发布的消息被好友互动的总数。

4.根据权利要求1所述的一种基于深度传播和广度传播的话题网络影响力用户预测方法，其特征在于，DSU2vec算法的随机游走策略为：

w(u_i,u_j)＝Int(u_i,u_j)+ε

其中，P(u_j|u_i)表示用户节点u_i到用户节点u_j的转移概率，w(u_i,u_j)表示用户节点u_i到用户节点u_j的边权重，Cre(u_i)表示第i个用户u_i的可信度，z表示缩放因子，Int(u_i,u_j)表示第i个用户u_i与第j个用户u_j之间的亲密度，ε表示传播深度系数。

5.根据权利要求1所述的一种基于深度传播和广度传播的话题网络影响力用户预测方法，其特征在于，对话题网络进行社区划分的过程包括：根据话题网络数据计算用户节点的边相似度；根据边相似度融合相似度最高的两条边，形成社区；计算社区的划分密度值；不断融合相似度最高的两条，直到划分密度值最大，停止融合，得到划分好的社区。