[发明专利]一种融合网络结构和文本信息的社交关系预测方法

摘要

一种融合网络结构和文本信息的社交关系预测方法，包括如下步骤：步骤1，构造原始兴趣向量；步骤2，构造修正兴趣向量；步骤3，重构用户兴趣向量；步骤4，预测社会关系。本发明综合考虑了社交网络中的文本信息和结构信息，解决了类似于微博和推特等社交网络平台上的链路预测问题和推荐问题；给出了一个可以应用在不同社交平台上的链路预测问题的统一解决框架；由于应用了word2vec，IKanalyzer等开源包，采用了兴趣向量，修正兴趣向量，桥接点等机制，所以达到了很高的预测准确度；丰富了对于链路预测方法的认识和理解。

主权项

1.一种融合网络结构和文本信息的社交关系预测方法，包括如下步骤：/n步骤1，构造原始兴趣向量；/n使用微博和推特数据集中的用户关注关系和用户的文本信息内容，首先使用开源分词工具Ik Analyzer对数据集中的所有文本信息，即所有用户发表的微博内容或者推文内容，进行关键词的提取；这样可以得到用来刻画每一个用户的一系列关键词；然后将分词工具得到的所有的词语使用word2vec开源工具进行聚类,设置聚类个数为N,即将这些词划分为N个类别，这样就得到了N个话题类别，那么对于每一个用户来说,现在可以得到一个维度是N的兴趣向量,该向量的具体计算方法如下：针对一个用户i，构建一个长度为N维且每一个维度取值都为0的初始兴趣向量，然后依次扫描属于用户i的所有的关键词，若某个关键词属于第j个话题类别，那么用户i的特征向量中的第j个维度的值加1；直到扫描完所有属于该用户的关键词，就可以得到该用户i的兴趣向量；在该兴趣向量中，得分越高的维度说明该用户对于该维度的话题有更多的关注度和兴趣，使用T