[发明专利]一种基于SVM的标签发展趋势预测模型的构建方法

摘要

一种基于SVM的标签发展趋势预测模型的构建方法，包括以下步骤：(1)数据集预处理，统计网站的帖子数据，去除非相关数据信息；(2)选取样本标签，统计标签新出现两年之后的频率，提取流行标签集合和非流行标签集合；(3)构建标签的有权无向网络；(4)提取标签特征数据，包括标签的网络特征以及相关属性特征，作为训练测试数据；(5)采用支持向量机SVM的方法对数据进行训练，并构建标签流行趋势预测模型。本发明考虑标签之间相关性，通过属性特征结合网络特征来对标签的未来发展趋势进行预测分类，对于预测潜在流行标签具有较高的精度。既有利于引导用户选择合理的标签，也有利于网站建设者提供更高质量的标签。

主权项

一种基于SVM的标签发展趋势预测模型的构建方法，其特征在于，所述方法包括如下步骤：步骤1：数据预处理，收集网站社区的信息内容和其对应的标签数据，对其数据内容按时间排序，取社区形成N天之后的数据，以确保社区的标签网络初步形成；步骤2：选取样本标签，对数据集进行统计，获取社区标签频率并排序，取比例为前α％的标签作为流行标签，其集合记为Upop；在剩下的标签中选取与流行标签时间相对照的标签为非流行标签；步骤3：构建标签网络，对同一个信息内容中出现的标签，即认为这些标签间存在关系，使其两两之间形成连边；对所有信息遍历，得到有权无向网络的标签网络图GTag，其中节点为新出现的标签，连边为标签之间的关系，网络的权重为两者共同出现的次数；步骤4：提取特征数据，对样本标签集合U＝{Upop,Uunpop}，提取其内标签首次创建之后M天网络特征和属性特征，建立样本训练数据集；步骤5：采用机器学习分类器模型支持向量机SVM，选取核函数，训练生成基于SVM的标签流行趋势预测模型，并进行十折交叉验证，得出模型结果。