[发明专利]一种微博话题热度预测系统及方法

摘要

本发明涉及社交网络技术领域，特别是一种微博话题热度预测系统及方法，所述方法包括如下步骤首先，根据用户关系及话题因素计算用户影响力；接着根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；最后结合小波变换与ARIMA回归模型，预测话题热度。所述系统和方法可以实现社交网络热点话题的热度预测，挖掘话题被关注的情况及变化趋势，从海量微博信息中了解并预测出用户所关注话题的热度趋势，并且具有较高的准确度。

主权项

一种微博话题热度预测方法，其特征在于，所述方法包括如下步骤：步骤A：计算话题相关的用户影响力；步骤B：根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；步骤C：根据计算得到的话题能量值，利用小波变换和ARIMA回归模型，预测话题热度：对能量曲线进行小波分解，然后分别对得到的逼近信号与各层的细节信号进行ARIMA回归预测，再对预测的分量进行重构，得到预测的话题热度；所述步骤A中，计算话题相关的用户影响力，包括以下步骤：步骤A1：定义话题依存度，表示两个用户在话题tp下的相关程度，计算公式为：TDRj,i=|VCj,i∩Vttp|+ξ·|VCj,i∩Vttp‾|+1|VCj,i|]]>其中，TDRj,i表示用户vi和vj的话题依存度；VCj,i表示用户vi和vj共同关注用户集合，VCj,i＝FOL(vj)∩FOL(vi)，FOL(vi)表示用户vi关注的用户集合，FOL(vj)表示用户vj关注的用户集合，表示第t个时间片内发布与话题tp相关的微博的用户集合，定义为话题内用户；表示第t个时间片内没有发布与话题tp相关微博的用户集合，定义为话题外用户；ξ为一系数，用于削弱话题外用户对用户vi和vj之间相关程度的贡献，0≤ξ≤1；步骤A2：根据话题依存度，模拟随机游走过程，迭代更新用户影响力，为使得影响力从一个用户以更大的概率转移到与之依存度更高的关注用户，定义用户影响力计算的迭代过程中的概率转移公式为：Ψj,i=TDRj,iΣq∈FOL(vj)TDRj,q]]>步骤A3：引入系数ξ削弱话题外的粉丝的影响力贡献，则相应的用户影响力更新公式为：其中，FAN(vi)表示用户vi的粉丝集合，d∈[0,1]为阻尼因子，用于修正用户影响力的计算；迭代过程中的初始影响力Inf(0)(vi)定义为用户与其所有粉丝的依存度总和，即：Inf(0)(vi)=Σvj∈FAN(vi)TDRi,j]]>每一步迭代计算用户影响力为：步骤A4：设定阈值ε，当前后两次迭代得到的用户影响力值相差小于阈值ε，满足迭代终止条件，话题相关的用户影响力计算结束；所述步骤B中，计算话题能量值，量化话题热度，包括以下步骤：步骤B1：定义话题能量值是由话题在当前时刻的营养的累积，即累计支持度转换而来，而当前时刻的累积支持度是话题的历史累积支持度经衰减之后同当前摄入的营养值之和；首先计算在第t个时间片，话题tp所获取的营养值，其取决于当前时间片与该话题相关的微博数及话题的影响力，计算公式为：Nutrttp＝|TWttp|·TPInfttp其中，Nutrttp表示第t个时间片话题tp的营养值，TWttp表示第t个时间片与话题tp相关的微博集合，|TWttp|表示微博集合大小；TPInfttp表示第t个时间片的话题tp的影响力，其为当前时间片内发布了与话题相关微博的用户对话题tp的影响力的总和，计算公式如下：TPInfttp=Σtwi∈TWttpInf(user(twi))]]>其中，Inf(user(twi))表示发布与话题tp相关的第i条微博twi的用户在这个话题上的影响力；步骤B2：采用指数衰减方案，计算话题在第t个时间片的累积支持度St：St=α·[βSt-1+(1-β)Nutrttp]]]>其中S0＝0，参数α∈[0,1]为支持度转移因子，决定着营养值对话题生命的贡献；参数β∈[0,1]为支持度衰减因子，用于控制话题的衰减速度；步骤B3：采用sigmoid函数定义能量函数将St从无限的范围[0,∞)转化到[0,1)之间的能量值：E(St)=St1+10·St,St>00,otherwise]]>能量函数还要满足以下两个条件：E(min{S1，S2，...，ST})≥e1E(max{S1，S2，...，ST})≥e2其中，St表示累积支持度，E(St)表示能量函数，1≥e2≥e1≥0；e1表示话题能量值的最低阈值，e2表示话题能量峰值的最小阈值；通过以上两个限制条件，保证得到的能量计算公式能够使得话题在其稳定期有足够大的能量值表示话题高度活跃，同时话题在其生命周期内的能量值总和要远大于生命周期外的能量值总和。