CN104123377B - 一种微博话题热度预测系统及方法 - Google Patents

Abstract

本发明涉及社交网络技术领域，特别是一种微博话题热度预测系统及方法，所述方法包括如下步骤：首先，根据用户关系及话题因素计算用户影响力；接着根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；最后结合小波变换与ARIMA回归模型，预测话题热度。所述系统和方法可以实现社交网络热点话题的热度预测，挖掘话题被关注的情况及变化趋势，从海量微博信息中了解并预测出用户所关注话题的热度趋势，并且具有较高的准确度。

Description

一种微博话题热度预测系统及方法

技术领域

本发明涉及社交网络技术领域，特殊涉及一种微博话题热度预测系统及方法。

背景技术

微博已成为互联网的一种时尚，随着微博的快速发展，微博信息呈现一种爆炸式的增长态势，大量的微博信息导致微博平台成为当今社会重要的舆论场。如何从海量微博信息中了解并预测出用户所关注话题的热度趋势成为一个具有挑战性的研究课题。

近年来，基于社交媒体的总统选举预测、票房预测、话题热度预测等预测问题的研究引起了学者们的关注。其中话题热度预测旨在挖掘话题被关注的情况及变化趋势，而如何量化话题的热度是话题热度预测的重要前提。高热度话题是指在一段时间内频繁出现在网络上，并被用户广泛关注并讨论的话题。因此，话题相关微博数及其相关用户共同决定着话题的热度。然而，现有的微博话题热度预测方法大都只考虑微博信息而忽略了用户社会关系，如很多方法只考虑当前时间片的微博数作为新闻热度，忽略了不同用户对于话题知名度的贡献的区别。已有部分方法将用户关系考虑在内，但忽略用户同预测话题之间的相关性。此外，话题的热度不仅受当前时间片产生的微博和相关用户影响，也受到话题的历史热度值的影响。因此有研究人员引进老化理论计算话题的能量值，刻画话题生命周期。

从统计的思想出发，话题热度的预测可以看成是在已有的历史时间序列数值情况下，对未来某个时刻的话题的能量值的预测。现有时间序列值的预测大多基于回归预测模型，如自回归或者自回归滑动预测模型(ARMA)、基于神经网络的预测模型等。采用基于回归的预测模型适用于值在时间上的波动较为平稳的情况。而话题在演化过程中具有突发性，表现出明显的多尺度特性。而基于神经网络的预测模型能够较好地预测非线性的时间序列，但模型训练和计算的复杂度过高。

综上，现有的话题热度预测系统及方法尚有很大的提升空间。面对海量微博话题数据，现有方法无论是在效果和效率上都难以满足要求。

发明内容

本发明的目的在于克服现有技术的不足，提供一种微博话题热度预测系统及方法，该系统及方法可有效预测话题热度。

为实现上述目的，本发明的技术方案是：一种微博话题热度预测系统，所述系统包括：

用户影响力计算模块，用于计算话题相关的用户影响力；

话题能量值计算模块，用于根据与话题相关的微博和用户影响力计算话题能量值，量化话题热度；

话题热度预测模块，用于根据计算得到的话题能量值，利用小波变换和ARIMA回归模型，预测话题热度。

本发明还提供一种微博话题热度预测方法，所述方法包括如下步骤：

步骤A：计算话题相关的用户影响力；

步骤B：根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；

步骤C：根据计算得到的话题能量值，利用小波变换和ARIMA回归模型，预测话题热度：对能量曲线进行小波分解，然后分别对得到的逼近信号与各层的细节信号进行ARIMA回归预测，再对预测的分量进行重构，得到预测的话题热度。

进一步的，所述步骤A中，计算话题相关的用户影响力，包括以下步骤：

步骤A1：定义话题依存度，表示两个用户在话题tp下的相关程度，计算公式为：

其中，TDR _j,i 表示用户v _i 和v _j 的话题依存度；VC _j,i 表示用户v _i 和v _j 共同关注用户集合，VC _j,i = FOL(v _j )∩FOL(v _i )，FOL(v _i )表示用户v _i 关注的用户集合，FOL(v _j )表示用户v _j 关注的用户集合；表示第t个时间片内发布与话题tp相关的微博的用户集合，定义为话题内用户；表示第t个时间片内没有发布与话题tp相关的微博的用户集合，定义为话题外用户；ξ为一系数，用于削弱话题外用户对用户v _i 和v _j 之间相关程度的贡献，0≤ξ≤1；

步骤A2：根据话题依存度，模拟随机游走过程，迭代更新用户影响力，为使得影响力从一个用户以更大的概率转移到与之依存度更高的关注用户，定义用户影响力计算的迭代过程中的概率转移公式为：

步骤A3：引入系数ξ削弱话题外的粉丝的影响力贡献，则相应的用户影响力更新公式为：

Inf(v _i )=

其中，FAN(v _i )表示用户v _i 的粉丝集合，d∈[0,1]为阻尼因子，用于修正用户影响力的计算；

迭代过程中的初始影响力Inf ⁽⁰⁾(v _i )定义为用户与其所有粉丝的依存度总和，即：

每一步迭代计算用户影响力为：

Inf ^(k)(v _i )=

步骤A4：设定阈值ε，当前后两次迭代得到的用户影响力值相差小于阈值ε，满足迭代终止条件，话题相关的用户影响力计算结束。

进一步的，所述步骤B中，计算话题能量值，量化话题热度，包括以下步骤：

步骤B1：定义话题能量值是由话题在当前时刻的营养的累积（累计支持度）转换而来，而当前时刻的累积支持度是话题的历史累积支持度经衰减之后同当前摄入的营养值之和；计算在第t个时间片，话题tp所获取的营养值，其取决于当前时间片与该话题相关的微博数及话题的影响力，计算公式为：

其中，表示第ｔ个时间片话题tp的营养值，表示第t个时间片与话题tp相关的微博集合，表示微博集合大小；表示第t个时间片的话题tp的影响力，其为当前时间片内发布了与话题相关微博的用户对话题tp的影响力的总和，计算公式如下：

其中，Inf (user(tw _i ))表示发布与话题tp相关的第i条微博的用户tw _i 在这个话题上的影响力；

步骤B2：采用指数衰减方案，计算话题在第t个时间片的累积支持度S _t ：

其中S ₀ = 0，参数α∈[0,1]为支持度转移因子，决定着营养值对话题生命的贡献；参数β∈[0,1]为支持度衰减因子，用于控制话题的衰减速度；

步骤B3：采用sigmoid函数定义能量函数将S _t 从无限的范围[0,∞)转化到[0,1)之间的能量值：

能量函数还要满足以下两个条件：

其中，S _t 表示累积支持度，E(S _t )表示能量函数，1≥e ₂≥e₁≥0；e ₁表示话题能量值的最低阈值，e ₂表示话题能量峰值的最小阈值；通过以上两个限制条件，保证得到的能量计算公式能够使得话题在其稳定期有足够大的能量值表示话题高度活跃，同时话题在其生命周期内的能量值总和要远大于生命周期外的能量值总和。

进一步的，所述步骤C中，结合小波变换和ARIMA回归模型，预测话题热度，包括以下步骤：

步骤C1：将从第1~t个时间片的能量序列看做能量信号；对能量信号X(t)进行J尺度小波分解后得到一个小波逼近信号A _J 及各层的细节信号D _j ，j∈[1,J]；再通过小波重构即可得到无损的原始信号：

步骤C2：通过以上的小波分解得到各个分量A _J 与D _j ；利用ARIMA回归方法分别预测第t+1个时间片的分量预测值与，再根据步骤C1得到第t+1个时间片的话题能量值的预测值：

。

相较于现有技术，本发明的有益效果是：根据用户关系及话题因素计算用户影响力进而定义话题影响力，并考虑话题影响力和话题相关微博数定义话题能量值，更合理地量化话题的热度，接着结合小波变换与ARIMA回归模型，预测话题热度（能量值）。所述系统和方法可以实现社交网络热点话题的热度预测，挖掘话题被关注的情况及变化趋势，从海量微博信息中了解并预测出用户所关注话题的热度趋势，并且具有较高的准确度。

附图说明

图1是本发明系统的模块结构示意图。

图2是本发明方法的流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步的说明。

图1是本发明的微博话题热度预测系统的模块结构示意图。如图1所示，所述系统包括：用户影响力计算模块100、话题能量值计算模块200和话题热度预测模块300。

用户影响力计算模块100综合考虑微博用户的粉丝数、粉丝影响力及特定话题因素，计算话题相关的用户影响力；话题能量值计算模块200考虑话题相关微博和用户影响力计算话题能量值，用于量化话题热度；话题热度（能量值）预测模块300根据历史的话题能量值，结合小波变换和ARIMA回归模型，预测话题热度（能量值）。

图2是本发明的微博话题热度预测方法的流程图。如图2所示，所述方法包括如下步骤：

步骤A：考虑微博用户的粉丝数、粉丝影响力及特定话题等因素，计算话题相关的用户影响力。

计算话题热度时，需要考虑不同用户影响力的差别，计算话题相关的用户影响力，包括以下步骤：

步骤A1：定义话题依存度TDR，表示两个用户在话题tp下的相关程度，计算公式为：

其中，TDR _j,i 表示用户v _i 和v _j 的话题依存度；VC _j,i 表示用户v _i 和v _j 共同关注用户集合，VC _j,i = FOL(v _j )∩FOL(v _i )，FOL(v _i )表示用户v _i 关注的用户集合，FOL(v _j )表示用户v _j 关注的用户集合；表示第t个时间片内发布与话题tp相关的微博的用户集合，定义为话题内用户；表示第t个时间片内没有发布与话题tp相关的微博的用户集合，定义为话题外用户；ξ为一系数，话题外用户对用户v _i 和v _j 之间的话题依存度的贡献要小于话题内用户，因此利用ξ削弱话题外用户对用户v _i 和v _j 之间相关程度的贡献，0≤ξ≤1；

步骤A2：根据话题依存度，模拟随机游走过程，迭代更新用户影响力，用户之间的依存度越高，表明其在话题上的相似度越高，为使得影响力从一个用户以更大的概率转移到与之依存度更高的关注用户，定义用户影响力计算的迭代过程中的概率转移公式为：

步骤A3：不同的粉丝对于用户v _i 在话题tp下的影响力的贡献是不一样的；若用户v _i 的粉丝v _j 也讨论该话题，则其对该话题的影响力越大，对用户v _i 的影响力的贡献就越大，因此同样引入0≤ξ≤1削弱话题外的粉丝的影响力贡献，则相应的用户影响力更新公式为：

其中，FAN(v _i )表示用户v _i 的粉丝集合，d∈[0,1]为阻尼因子，用于修正用户影响力的计算，通常设为0.85；

迭代过程中的初始影响力Inf ⁽⁰⁾(v _i )定义为用户与其所有粉丝的依存度总和，即：

每一步迭代计算用户影响力为：

步骤A4：设定阈值ε，当前后两次迭代得到的值相差小于阈值ε，满足迭代终止条件，话题相关的用户影响力计算结束。

步骤B：根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度。具体包括以下步骤：

步骤B1：定义话题能量值是由话题在当前时刻的营养的累积（累计支持度）转换而来，而当前时刻的累积支持度是话题的历史累积支持度经衰减之后同当前摄入的营养值之和。计算在第t个时间片，话题tp所获取的营养值，其取决于当前时间片与该话题相关的微博数及话题的影响力，计算公式为：

其中，表示第ｔ个时间片话题tp的营养值，表示第t个时间片与话题tp相关的微博集合，表示微博集合大小；表示第t个时间片的话题tp的影响力，其为当前时间片内发布了与话题相关微博的用户对话题tp的影响力的总和，计算公式如下：

其中，Inf (user(tw _i ))表示发布与话题tp相关的第i条微博tw _i 的用户在这个话题上的影响力；

步骤B2：定义营养值之后，采用指数衰减方案，计算话题在第t个时间片的累积支持度：

其中S ₀ = 0，参数α∈[0,1]为支持度转移因子，决定着营养值对话题生命的贡献；参数β∈[0,1]为支持度衰减因子，用于控制话题的衰减速度；

步骤B3：为便于通过能量值较为直观地看出话题所处状态，采用sigmoid函数定义能量函数将S _t 从无限的范围[0,∞)转化到[0,1)之间的能量值：

能量函数还要满足以下两个条件：

其中，S _t 表示累积支持度，E(S _t )表示能量函数，1≥e ₂≥e ₁≥0；e ₁表示话题能量值的最低阈值，e ₂表示话题能量峰值的最小阈值；通过以上两个限制条件，保证得到的能量计算公式能够使得话题在其稳定期有足够大的能量值表示话题高度活跃，同时话题在其生命周期内的能量值总和要远大于生命周期外的能量值总和。

步骤C：根据计算得到的话题能量值，利用小波变换和ARIMA回归模型，预测话题热度：对能量曲线进行小波分解，然后分别对得到的逼近信号与各层的细节信号进行ARIMA回归预测，再对预测的分量进行重构，得到预测的话题热度。

结合小波变换和ARIMA回归模型，预测话题热度，具体包括以下步骤：

步骤C1：将从第1~t个时间片的能量序列看做能量信号；对能量信号X(t)进行J尺度小波分解后得到一个小波逼近信号A _J 及各层的细节信号D _j ，j∈[1,J]；再通过小波重构即可得到无损的原始信号：

步骤C2：通过以上的小波分解得到各个分量A _J 与D _j ；利用ARIMA回归方法分别预测第t+1个时间片的分量预测值与，再根据步骤C1得到第t+1个时间片的话题能量值的预测值：

。

以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (2)

1.一种微博话题热度预测方法，其特征在于，所述方法包括如下步骤：

步骤A：计算话题相关的用户影响力；

步骤B：根据话题相关的微博和用户影响力，计算话题能量值，量化话题热度；

步骤C：根据计算得到的话题能量值，利用小波变换和ARIMA回归模型，预测话题热度：对能量曲线进行小波分解，然后分别对得到的逼近信号与各层的细节信号进行ARIMA回归预测，再对预测的分量进行重构，得到预测的话题热度；

所述步骤A中，计算话题相关的用户影响力，包括以下步骤：

步骤A1：定义话题依存度，表示两个用户在话题tp下的相关程度，计算公式为：

${\mathrm{TDR}}_{j,i}=\frac{\left|{\mathrm{VC}}_{j,i}\∩V_t^{tp}\right|+\mathrm{\ξ}\·\left|{\mathrm{VC}}_{j,i}\∩\stackrel{\‾}{V_t^{tp}}\right|+1}{\left|{\mathrm{VC}}_{j,i}\right|}$

其中，TDR_j,i表示用户v_i和v_j的话题依存度；VC_j,i表示用户v_i和v_j共同关注用户集合，VC_j,i＝FOL(v_j)∩FOL(v_i)，FOL(v_i)表示用户v_i关注的用户集合，FOL(v_j)表示用户v_j关注的用户集合，表示第t个时间片内发布与话题tp相关的微博的用户集合，定义为话题内用户；表示第t个时间片内没有发布与话题tp相关微博的用户集合，定义为话题外用户；ξ为一系数，用于削弱话题外用户对用户v_i和v_j之间相关程度的贡献，0≤ξ≤1；

步骤A2：根据话题依存度，模拟随机游走过程，迭代更新用户影响力，为使得影响力从一个用户以更大的概率转移到与之依存度更高的关注用户，定义用户影响力计算的迭代过程中的概率转移公式为：

${\mathrm{\Ψ}}_{j,i}=\frac{{\mathrm{TDR}}_{j,i}}{\underset{q\∈FOL\left(v_j\right)}{\mathrm{\Σ}}{\mathrm{TDR}}_{j,q}}$

步骤A3：引入系数ξ削弱话题外的粉丝的影响力贡献，则相应的用户影响力更新公式为：

其中，FAN(v_i)表示用户v_i的粉丝集合，d∈[0,1]为阻尼因子，用于修正用户影响力的计算；

迭代过程中的初始影响力Inf⁽⁰⁾(v_i)定义为用户与其所有粉丝的依存度总和，即：

${\mathrm{Inf}}^{\left(0\right)}\left(v_i\right)=\underset{v_j\∈FAN\left(v_i\right)}{\mathrm{\Σ}}{\mathrm{TDR}}_{i,j}$

每一步迭代计算用户影响力为：

步骤A4：设定阈值ε，当前后两次迭代得到的用户影响力值相差小于阈值ε，满足迭代终止条件，话题相关的用户影响力计算结束；

所述步骤B中，计算话题能量值，量化话题热度，包括以下步骤：

步骤B1：定义话题能量值是由话题在当前时刻的营养的累积，即累计支持度转换而来，而当前时刻的累积支持度是话题的历史累积支持度经衰减之后同当前摄入的营养值之和；首先计算在第t个时间片，话题tp所获取的营养值，其取决于当前时间片与该话题相关的微博数及话题的影响力，计算公式为：

Nutr_t ^tp＝|TW_t ^tp|·TPInf_t ^tp

其中，Nutr_t ^tp表示第t个时间片话题tp的营养值，TW_t ^tp表示第t个时间片与话题tp相关的微博集合，|TW_t ^tp|表示微博集合大小；TPInf_t ^tp表示第t个时间片的话题tp的影响力，其为当前时间片内发布了与话题相关微博的用户对话题tp的影响力的总和，计算公式如下：

${\mathrm{TPInf}}_t^{tp}=\underset{{\mathrm{tw}}_i\∈{\mathrm{TW}}_t^{tp}}{\mathrm{\Σ}}Inf\left(user\right({\mathrm{tw}}_i\left)\right)$

其中，Inf(user(tw_i))表示发布与话题tp相关的第i条微博tw_i的用户在这个话题上的影响力；

步骤B2：采用指数衰减方案，计算话题在第t个时间片的累积支持度S_t：

$S_t=\mathrm{\α}\·\[{\mathrm{\βS}}_{t-1}+(1-\mathrm{\β}){\mathrm{Nutr}}_t^{tp}\]$

其中S₀＝0，参数α∈[0,1]为支持度转移因子，决定着营养值对话题生命的贡献；参数β∈[0,1]为支持度衰减因子，用于控制话题的衰减速度；

步骤B3：采用sigmoid函数定义能量函数将S_t从无限的范围[0,∞)转化到[0,1)之间的能量值：

$E\left(S_t\right)=\left\{\begin{array}{c}\frac{S_t}{1+10\·S_t},S_t>0\\ 0,otherwise\end{array}\right.$

能量函数还要满足以下两个条件：

E(min{S₁，S₂，...，S_T})≥e₁

E(max{S₁，S₂，...，S_T})≥e₂

其中，S_t表示累积支持度，E(S_t)表示能量函数，1≥e₂≥e₁≥0；e₁表示话题能量值的最低阈值，e₂表示话题能量峰值的最小阈值；通过以上两个限制条件，保证得到的能量计算公式能够使得话题在其稳定期有足够大的能量值表示话题高度活跃，同时话题在其生命周期内的能量值总和要远大于生命周期外的能量值总和。

2.根据权利要求1所述的一种微博话题热度预测方法，其特征在于，所述步骤C中，结合小波变换和ARIMA回归模型，预测话题热度，包括以下步骤：

步骤C1：将从第1～t个时间片的能量序列X(t)＝(E₁，E₂，...，E_t)看做能量信号；对能量信号X(t)进行J尺度小波分解后得到一个小波逼近信号A_J及各层的细节信号D_j，j∈[1,J]；再通过小波重构即可得到无损的原始信号：

$X\left(t\right)=A_J+\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{D}_j$

步骤C2：通过以上的小波分解得到各个分量A_J与D_j；利用ARIMA回归方法分别预测第t+1个时间片的分量预测值与再根据步骤C1得到对第t+1个时间片的话题能量值的预测值：

$E^{pre}(t+1)=A_J^{pre}(t+1)+\underset{j=1}{\overset{J}{\mathrm{\Σ}}}{D}_j^{pre}(t+1).$