[发明专利]基于上下文感知张量分解的社交网络用户行为预测方法

摘要

本发明提供一种基于上下文感知张量分解的社交网络用户行为预测方法及系统，该方法的步骤包括：获取用户的社交网络数据，经预处理得到完整的社交数据；基于社交数据，构建目标张量、辅助张量、用户相似性矩阵、消息主题相似矩阵及用户影响力矩阵；根据上述目标张量、辅助张量、用户相似性矩阵、消息主题相似矩阵及用户影响力矩阵，构建张量分解模型，协同分解目标张量和辅助张量，计算分解损失函数值，获得最优的转发消息用户、被转发消息以及发布消息用户的潜在特征矩阵和核心张量；根据上述的潜在特征矩阵和核心张量，补全辅助张量，对用户转发行为进行预测。

主权项

1.一种基于上下文感知张量分解的社交网络用户行为预测方法，步骤包括：获取用户的社交网络数据，经预处理得到完整的社交数据；从社交数据中获得接收消息用户、被转发消息、发布消息用户的转发关系，构建目标张量；基于社交数据，统计在指定时间段内转发消息用户和发布消息用户之间被转发消息的次数，构建辅助张量；从社交数据中获得用户话题兴趣和用户社交特征的相似度，构建用户相似性矩阵；从社交数据中获得不同消息文本的主题概率分布，构建消息主题相似矩阵；从社交数据中获得用户间交互行为，构建用户影响力矩阵；根据上述目标张量、辅助张量、用户相似性矩阵、消息主题相似矩阵及用户影响力矩阵，构建张量分解模型，协同分解目标张量和辅助张量，计算分解损失函数值，获得最优的转发消息用户、被转发消息以及发布消息用户的潜在特征矩阵和核心张量；根据上述的潜在特征矩阵和核心张量，补全辅助张量，对用户转发行为进行预测。