[发明专利]一种基于个体情感行为分析的社交平台用户分类方法

摘要

本发明公布了一种基于情感行为分析的社交平台用户分类方法，包括以下步骤：S1、构建转发树；S2、构建用户历史记录，提取具有相同用户ID的节点构建此用户的个体转发历史记录；S3、构建用户情感行为描述特征；S4、利用S3中的特征构建给予决策树的用户角色分类模型，完成基于情感行为分析的社交平台用户分类。本发明构建了较为全面的用户情感行为描述模型，可以更全面的考虑用户的个人历史信息；该方法充分利用了微博当中的用户个人信息，传播结构信息，情感信息以及动态时域信息。由于采用以上措施，本发明能够获得更好的分类准确率。

主权项

1.一种基于个体情感行为分析的社交平台用户分类方法，包括以下步骤：S1、构建转发树：提取社交平台用户转发信息，建立基于树型拓扑结构的社交平台转发树：S2、构建用户历史记录：对于转发树中的节点的转发信息进行情感计算，将结果按情感分类为积极、消极、中立：提取具有相同用户ID的节点构建此用户的个体转发历史记录：S3、构建用户情感行为描述特征：包括用户倾向描述特征：个体与群体情感关系ER_u、用户个人历史情感偏好HP_u：用户情感影响描述特征EI_u；所述的个体和群体情感关系是基于个体的情感选择与群体情感的分布，描述为个体与当前一条文本信息的情感关系因子ER_u(w)，其取值范围为‑1～1，该值越大表示当前关系越趋近积极，该值越小表示当前关系越趋近消极，如下表示：其中，N(w)，P(w)，O(w)分别表示当前转发树内的消极情感分布，积极情感分布，中立情感分布，S(w)表示转发树规模；所述的个体历史情感偏好HP_u(e)是基于用户历史记录中的情感分布以及历史转发中的用户评论参与度C_u(w)，用以下公式表示：其中，exp[‑θ₁(t₀‑t_w)}为控制用户偏好的时间衰减，log(c_u(w)+2)为通过评论长度描述用户的参与程度；所述的情感影响EIu是基于转发树的结构特点SF_u(w)、转发树的时域影响TF_u(w)、用户的情感变化EF_u(w)，如下表示：其中，HR_u表示用户转发作为内N节点的个数，NR_u表示用户转发作为叶子节点的个数；S4、利用S3中的特征构建给予决策树的用户角色分类模型，首先构造输入向量U_u＝＜ER_u，HP_u，EI_u＞，然后对每一个特征分别计算信息熵U^j为第j个特征，选取具有最大信息增益的特征构建当前决策节点，对剩余特征逐层递归得到最终决策树模型，进而完成基于情感的用户分类。