[发明专利]一种基于主题意见分析和意见领袖的网络用户影响关系的挖掘方法

说明书

本发明公开一种基于主题意见分析和意见领袖的挖掘社交网络用户影响关系方法，包括：采集用户行为产生的文本内容建立用户群行为文本；对用户群行为文本进行主题意见分析得到恒稳态的意见分布：定义用户间影响关系的矩阵权重，建立用户对主题意见由初始态转为恒稳态的转移模型；将由初始态转为恒稳态时意见不改变的用户为意见领袖，由初始态转为恒稳态时意见会改变的用户为普通用户，求解转移模型中的普通用户受意见领袖的影响关系和普通用户之间的影响关系；将普通用户受意见领袖的影响关系和普通用户之间的影响关系拼接得到用户群用户间影响关系。本发明更加精准地挖掘出了社交网络用户之间的影响关系。

技术领域

本发明涉及互联网领域，特别涉及一种基于主题意见分析和意见领袖的网络用户影响关系的挖掘方法。

背景技术

当社交网络中用户交互取代web成为默认的社交网络运作模式后，用户之间的影响关系问题变得尤为突出。尽管在线社交网络和社交媒体可以让用户很直观地看到用户之间的关注关系。然而每个用户只可能知道其邻居用户的一小部分好友，无法轻易掌握整个网络的关系，并且无法直观的获得关注程度的强弱。相关工作人员必须有方法来推断所有用户之间影响关系，从而进行精准的好友推荐服务或者其它个性化服务。这一问题已成为社交网络领域研究的热点，越来越多的用户关系研究旨在增强在线社区用户忠诚度以及活跃度，提升社区的信息服务准确性和效率

纵观社交网络用户关系的创建因素大体分为两种：显示和隐式。在包含显示连接的社交网络中，用户之间的所有联系都是用户有意行为的直接结果，如直接互动，关注。每个用户都在通过明确定义与他人的联系来建立自己的拓扑网络；在包含隐式连接的社交网络中，用户之间的联系是基于对用户资料、行为信息等的“第三方”推理，从而导致拥有相似隐藏信息的用户之间自动或半自动连接。

关于从数据中挖掘社会影响的现有技术，有很大一部分是关于在给定的社会图中搜索特征的。例如，在先验知识下的社交网络结构中的影响矩阵，而本专利给出的技术方案与这类研究不同，仅在在只使用社交网络用户群体用户行为所产生文本的情况下，评估出了社交网络结构图和影响关系矩阵。有研究人员在其具体的方法论假定了用户的置信度转移过程是能被直接观测的。

发明内容

本发明的主要目的是提出一种基于主题意见分析和意见领袖的网络用户影响关系的挖掘方法，旨在克服以上问题。

为实现上述目的，本发明提出的一种基于主题意见分析和意见领袖的网络用户影响关系的挖掘方法，包括如下步骤：

S10采集用户行为产生的文本内容建立用户群行为文本；

S20对用户群行为文本进行主题意见分析得到t时刻用户群对K个主题恒稳态的意见分布X^t：

S30定义用户间影响关系的矩阵权重W，为所有用户在t时刻对主题k的意见分布，为所有用户在t+1时刻对主题k的意见分布，建立用户对主题意见由初始态转为恒稳态的转移模型：X^t+1＝W·X^t  (1)；

S40将由初始态转为恒稳态时意见不改变的用户为意见领袖，由初始态转为恒稳态时意见会改变的用户为普通用户，求解转移模型中的普通用户受意见领袖的影响关系B和普通用户之间的影响关系D；

S50将普通用户受意见领袖的影响关系B和普通用户之间的影响关系D拼接得到用户群用户间影响关系W。

优选地，所述S40具体为：

视由初始态转为恒稳态时意见不会改变的用户为意见领袖，由初始态转为恒稳态时意见会改变的用户为普通用户，从稳态意见分布划分为稳态时意见领袖的意见分布和普通用户的意见分布

矩阵X^t表示用户群所有用户在t时刻对于网络中所有K个主题的意见分布；