[发明专利]一种热点话题下多消息互影响的用户行为预测系统及方法

摘要

本发明请求保护一种热点话题下用户参与行为的预测系统及方法。属于社交网络分析领域。首先，提出了多消息影响机制，包括内部影响因素和外部影响因素；然后考虑到BP(error BackPropagation，误差逆传播)神经网络高度的自学习和自适应能力以及能充分逼近任意复杂非线性关系的特性，采用神经网络构建用户参与行为预测模型。同时使用模拟退火算法，解决了BP算法局部极小的问题，从而保证算法稳定和准确。最后，定义了多消息相关性指标，用来衡量多消息之间的互影响强度，同时可以更加准确的表征话题对用户参与行为的影响。

主权项

1.一种热点话题下多消息互影响的用户行为预测系统，其特征在于，包括：获取数据模块、构建模型模块及预测分析模块，其中获取数据模块，用于通过社交网络获取并统计数据，包括某话题下的多条消息、参与了这些消息的用户和用户的相关属性；解析属性模块，用于将获取到的社交网络数据进行分析，分别从内部影响因素和外部影响因素来提取相关属性，内部影响因素即用户个人特征属性，外部影响因素即多消息之间相互影响属性；构建模型模块，用于将用户自身的若干属性和多消息之间的相互影响属性作为输入，输入层节点数为7，输出用户是否参与话题，故输出层节点数为，按照专家经验，取输入层节点数与输出层节点数之积开平方作为隐含层节点个数，将BP神经网络中隐含层的节点个数设为3，然后不断调整输入层与隐含层之间的连接权重，确定好权重之后即对神经网络进行训练，得到用户是否会参与话题下多消息的参与预测模型；预测分析模块，将输入数据输入到参与预测模型进行用户是否会参与该话题下其他消息的预测，通过分析得到的预测结果量化热点话题下消息间的相关性。