微博用戶興趣推理方法及裝置制造方法及圖紙

本發(fā)明專利技術(shù)提出了一種建立微博用戶興趣推理模型的方法，包括興趣標(biāo)簽的模型計(jì)算、微博文本內(nèi)容提取興趣模型和博主社交關(guān)系提取博主興趣點(diǎn)模型，通過模型融合策略將三個(gè)模型融合在一起，即成為最終的微博用戶興趣推理模型。本發(fā)明專利技術(shù)的方法將個(gè)人信息、微博內(nèi)容和社交關(guān)系相結(jié)合，針對微博內(nèi)容稀疏性問題，采用將同一個(gè)博主的所有微博進(jìn)行混合的USER策略，利用LDA發(fā)掘微博隱主題，基于博主關(guān)注形成的網(wǎng)絡(luò)提出了社會化標(biāo)簽傳播算法，計(jì)算各種興趣標(biāo)簽對博主的影響力。本發(fā)明專利技術(shù)的方法具備很好的識別能力和信息過濾能力，在推薦之前過濾掉虛假的消息，識別出虛假博主，這樣即可提高了推薦系統(tǒng)推薦的質(zhì)量和準(zhǔn)確率，也給博主帶來更好的體驗(yàn)。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于互聯(lián)網(wǎng)通信
，具體涉及一種建立微博用戶興趣推理模型的方法及裝置。
技術(shù)介紹
在微博普及的同時(shí)，基于微博的各種應(yīng)用也應(yīng)允而生，其中，針對博主的個(gè)性化推薦技術(shù)獲得了很多的關(guān)注，其中關(guān)于微博的個(gè)性化推薦的學(xué)術(shù)研究也開始出現(xiàn)，例如基于地理位置信息的好友推薦、基于相同Tag信息的好友推薦、基于共同關(guān)注的好友推薦、基于話題熱度的微博話題推薦等，然而這些個(gè)性化推薦技術(shù)通常只考慮了博主的某部分相對片面的信息，卻忽略了一個(gè)重要的目的，推薦的賬號或話題是否能被博主接受，是其想要的、真正感興趣的。傳統(tǒng)的基于協(xié)同過濾的個(gè)性化推薦算法，根據(jù)博主之間的近似程度來選擇推薦物品，這種方式雖然能夠較好地完成各種推薦，然而這種忽略個(gè)體間差異性尋求共性的推薦方法，只能覆蓋部分博主或博主的部分興趣，不能完整的刻畫博主的興趣，如一些商業(yè)化的應(yīng)用案例中，推薦系統(tǒng)只能向同類的賬戶推送相同的產(chǎn)品。這種只需考慮博主對商品的潛在購買欲或?qū)σ徊侩娪捌谕^看指數(shù)的推薦算法，并不適合所有的系統(tǒng)，在微博中尤為如此。微博中信息繁雜，博主的興趣愛好廣泛，博主的相似性計(jì)算起來很復(fù)雜，且相似性如何衡量也是一個(gè)待探究問題。如能將博主興趣點(diǎn)概括成一個(gè)興趣模型，通過衡量模型間的相似程度來尋找有相同愛好的博主，并用于微博的個(gè)性化服務(wù)中，預(yù)計(jì)將是一個(gè)有效的思路。而其中的一個(gè)核心問題是如何對博主的興趣進(jìn)行建模,建模后的模型精確度對今后的推薦有很大影響。如何提高模型的精確性，全面詳盡的展示博主興趣點(diǎn)所在，是具有直接研究價(jià)值的。另外，微博中的個(gè)性化服務(wù)面臨著微博高速發(fā)展所帶來的其它挑戰(zhàn)。博主增長迅速，總體擁有海量的數(shù)據(jù)，各式各樣的信息參差不齊，許多虛假信息、虛假賬號混雜其中，若推薦系統(tǒng)不加區(qū)分的進(jìn)行信息推薦，勢必會影響正常博主的使用，帶來不好的博主體驗(yàn)。顯然，推薦系統(tǒng)必須要具備很好的識別能力和信息過濾能力，在推薦之前過濾掉虛假的消息，識別出虛假博主，這樣即可提高了推薦系統(tǒng)推薦的質(zhì)量和準(zhǔn)確率，也給博主帶來更好的體驗(yàn)，因此，如何能準(zhǔn)確地識別出虛假博主，也具有實(shí)際的研究意義。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)具體通過如下技術(shù)方案實(shí)現(xiàn)：一種建立微博用戶興趣推理模型的方法，包括：(1)用戶個(gè)人標(biāo)簽的獲取與計(jì)算，(2)用戶微博內(nèi)容的興趣關(guān)鍵詞提取，(3)提取基于社會化網(wǎng)絡(luò)的興趣標(biāo)簽，最后對上述三個(gè)方面的興趣特征進(jìn)行融合，建立用戶的興趣模型：M＝αMtags+βMcontent+γMrelation其中0≤α，β，γ≤1，且α+β+γ＝1，Mtags是博主的標(biāo)簽通過計(jì)算得到的博主興趣點(diǎn)模型，Mcontent是博主微博的內(nèi)容提取出來的興趣關(guān)鍵詞，Mrelation是基于博主的關(guān)注列表提取的博主興趣點(diǎn)模型；Mtags的模型計(jì)算主要是提取當(dāng)前博主的Tags標(biāo)簽，并利用標(biāo)簽自帶的權(quán)重值進(jìn)行歸一化處理；Mcontent的提取關(guān)鍵詞的計(jì)算包括：微博文本的預(yù)處理，分詞、同義詞計(jì)算進(jìn)行話題分類，微博內(nèi)容聚類擴(kuò)展，關(guān)鍵詞提取以及權(quán)重計(jì)算；Mrelation采用標(biāo)簽傳播算法計(jì)算，所述標(biāo)簽傳播算法是利用已標(biāo)注好的節(jié)點(diǎn)標(biāo)簽信息去評測尚未標(biāo)記節(jié)點(diǎn)的標(biāo)簽信息。附圖說明圖1是本專利技術(shù)的微博用戶興趣模型構(gòu)建框架圖；圖2是微博文本預(yù)處理流程圖；圖3是博主興趣點(diǎn)標(biāo)簽傳播示意圖；圖4是Ebbinghaus遺忘曲線圖。具體實(shí)施方式下面結(jié)合附圖說明及具體實(shí)施方式對本專利技術(shù)進(jìn)一步說明。在微博中，博主發(fā)布或者評論的微博可以體現(xiàn)個(gè)人興趣愛好，博主發(fā)表一些原創(chuàng)新的微博用于記錄個(gè)人的喜好，博主處于獲取某種信息的目的去關(guān)注一個(gè)賬號，博主貼標(biāo)簽也是根據(jù)個(gè)人的喜好給自己標(biāo)注，所有這些博主的行為都能體現(xiàn)博主的興趣所在。因此，博主的標(biāo)簽信息，博主關(guān)注以及博主發(fā)表、轉(zhuǎn)發(fā)、評論的微博都能體現(xiàn)博主興趣點(diǎn)。但微博文本字?jǐn)?shù)很短，每條微博文本字?jǐn)?shù)都少于140個(gè)字，另外有的博主發(fā)表或者轉(zhuǎn)發(fā)的微博并不多，微博中的內(nèi)容涉及的信息太多太雜，有很多日常口語；博主標(biāo)簽雖然能夠反映博主興趣點(diǎn)，但博主可以自己貼一些可能自己隨意貼一些和自己興趣無關(guān)的標(biāo)簽，或者根本沒有貼標(biāo)簽；博主關(guān)注博主要么是這兩個(gè)博主在現(xiàn)實(shí)社會中存在著某種關(guān)系而將社會關(guān)系網(wǎng)絡(luò)化，要么是想從被關(guān)注者那里獲得有用的信息，但也不能排除一些博主可能為了刷粉絲數(shù)量去隨機(jī)關(guān)注一些博主希望得到回粉。上述這三種情況可能會對博主興趣點(diǎn)建模造成一定的影響，為了消除或降低這三種情況出現(xiàn)時(shí)對模型精度的影響，需要采用一種加權(quán)融合的信息整合建模策略。因此，本專利技術(shù)的微博用戶興趣推理模型建模總體上分為三個(gè)部分，如附圖1所示，即興趣標(biāo)簽的模型計(jì)算、微博文本內(nèi)容提取興趣模型和博主社交關(guān)系提取博主興趣點(diǎn)模型，先分別計(jì)算每個(gè)模型，然后通過模型融合策略將三個(gè)模型融合在一起，即成為最終的微博用戶興趣推理模型。Keywords和WeightedKeywords表示法是用一組詞語來描述博主興趣點(diǎn)，具體形式為：M＝{體育,游戲,音樂,電影本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種建立微博用戶興趣推理模型的方法，其特征在于：所述方法包括(1)用戶個(gè)人標(biāo)簽的獲取與計(jì)算，(2)用戶微博內(nèi)容的興趣關(guān)鍵詞提取，(3)提取基于社會化網(wǎng)絡(luò)的興趣標(biāo)簽，最后對上述三個(gè)方面的興趣特征進(jìn)行融合，建立用戶的興趣模型：M＝αMtags+βMcontent+γMrelation其中0≤α，β，γ≤1，且α+β+γ＝1，Mtags是博主的標(biāo)簽通過計(jì)算得到的博主興趣點(diǎn)模型，Mcontent是博主微博的內(nèi)容提取出來的興趣關(guān)鍵詞，Mrelation是基于博主的關(guān)注列表提取的博主興趣點(diǎn)模型；Mtags的模型計(jì)算主要是提取當(dāng)前博主的Tags標(biāo)簽，并利用標(biāo)簽自帶的權(quán)重值進(jìn)行歸一化處理；Mcontent的提取關(guān)鍵詞的計(jì)算包括：微博文本的預(yù)處理，分詞、同義詞計(jì)算進(jìn)行話題分類，微博內(nèi)容擴(kuò)充，關(guān)鍵詞提取以及權(quán)重計(jì)算；Mrelation采用標(biāo)簽傳播算法計(jì)算，所述標(biāo)簽傳播算法是利用已標(biāo)注好的節(jié)點(diǎn)標(biāo)簽信息去評測尚未標(biāo)記節(jié)點(diǎn)的標(biāo)簽信息。

【技術(shù)特征摘要】
1.一種建立微博用戶興趣推理模型的方法，其特征在于：所述方法包括(1)
用戶個(gè)人標(biāo)簽的獲取與計(jì)算，(2)用戶微博內(nèi)容的興趣關(guān)鍵詞提取，(3)
提取基于社會化網(wǎng)絡(luò)的興趣標(biāo)簽，最后對上述三個(gè)方面的興趣特征進(jìn)行
融合，建立用戶的興趣模型：
M＝αMtags+βMcontent+γMrelation其中0≤α，β，γ≤1，且α+β+γ＝1，Mtags是博主的標(biāo)簽通過計(jì)算得到的
博主興趣點(diǎn)模型，Mcontent是博主微博的內(nèi)容提取出來的興趣關(guān)鍵詞，
Mrelation是基于博主的關(guān)注列表提取的博主興趣點(diǎn)模型；Mtags的模型計(jì)
算主要是提取當(dāng)前博主的Tags標(biāo)簽，并利用標(biāo)簽自帶的權(quán)重值進(jìn)行歸
一化處理；Mcontent的提取關(guān)鍵詞的計(jì)算包括：微博文本的預(yù)處理，分
詞、同義詞計(jì)算進(jìn)行話題分類，微博內(nèi)容擴(kuò)充，關(guān)鍵詞提取以及權(quán)重計(jì)
算；Mrelation采用標(biāo)簽傳播算法計(jì)算，所述標(biāo)簽傳播算法是利用已標(biāo)注
好的節(jié)點(diǎn)標(biāo)簽信息去評測尚未標(biāo)記節(jié)點(diǎn)的標(biāo)簽信息。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于：所述微博內(nèi)容擴(kuò)充分為兩種
方式：一是對該用戶的微博進(jìn)行分類聚類處理，從微博平臺收集具有相
同話題或相似話題的微博歸為博主的微博數(shù)據(jù)文本數(shù)據(jù)集中；二是利用
WBUserRank算法尋找與當(dāng)前博主關(guān)系最為密切的那些博主的部分微博
混合集作為當(dāng)前博主的微博文本集。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于：對融合后的主題模型的關(guān)鍵
詞提取，采用計(jì)算主題內(nèi)關(guān)鍵詞的相似性的方法，選取權(quán)重較大的有代
表性的詞作為關(guān)鍵詞。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于：博主A經(jīng)過標(biāo)簽傳播算法
可以表示成：
M A = Σ i = 1 n M A i × W B U R ( ...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：王岢，徐曉飛，葉允明，李小宜，劉廣建，
申請(專利權(quán))人：哈爾濱工業(yè)大學(xué)深圳研究生院，
類型：發(fā)明
國別省市：廣東;44