CN108170827A - 基于微博数据的个人性格建模方法及装置 - Google Patents

Abstract

本发明提供了一种基于微博数据的个人性格建模方法及装置。该方法包括：获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；分别标记所述第三预设数量种情感的微博数据；针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。本实施例中由于获取的数量较大且具有随机性，因此代表性更广和用户属性也更准确，不会丢失关键信息。另外，对微博数据进行情感分析，并对用户的情况进行统计，能够更准确的描述用户的性格特征。

Description

基于微博数据的个人性格建模方法及装置

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于微博数据的个人性格建模方法及装置。

背景技术

相关技术中公开了一种对个人性格建模时主要包括以下方案：

方案一，收集用户微博数据，对用户微博数据定义情感标签，然后对用户性格进行建模。方案一的建模方法中定义情感标签的方法比较直接，由于个人性格复杂多样且具有隐藏性，只看表面的情感标签无法准确获取某个用户的个人性格。即方案一所得模型无法涵盖每个用户的性格。

方案二，依照心理学的大五人格理论、传播学的使用与满足理论和行为学动机理论，将微博用户人格特质和使用动机分别划分为五个维度(外向性、开放性、尽责性、宜人性、神经质)和四个方面(人际交往、信息获取、休闲娱乐、自我表达)，再采集参与问卷调查的微博用户的实际使用行为，通过对微博用户人格特质、使用动机和使用行为数据间关系的实证分析，建三者间的影响机制模型。有研究发现，外向性、宜人性和开放性对微博使用动机有显著的正向预测作用，微博行为变量与使用动机也有显著相关性，对人格特质和使用行为进行逐步回归分析，得到了五种人格特质与使用行为的回归方程，最后从总体上建立了人格特质、使用动机与使用行为间的结构方程模型。然而方案二中用户行为属性较少，像转发量、评论量、收藏量等指标由于当时的技术能力不足，没能成功获取；并且，该方法采用调查问卷的方法进行数据收集，排除了各种无效问卷和无效用户后，共有227名新浪微博用户参与了调查，总体人数依然较少，导致部分数据拟合不明显。

发明内容

本发明实施例提供了一种基于微博数据的个人性格建模方法及装置，以解决相关技术中的不足。

第一方面，本发明提供了一种基于微博数据的个人性格建模方法，所述方法包括：

获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

分别标记所述第三预设数量种情感的微博数据；

针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

可选地，所述微博数据情况包括中性、开心、惊讶、伤心和生气。

可选地，采用多元正态分布拟合所述第三预设数量种情感的微博数据。

可选地，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型之后，所述方法还包括：

利用预设公式计算所述微博用户对应的微博数据的联合概率密度值。

第二方面，本发明提供了一种基于微博数据的个人性格建模装置，所述装置包括：

微博数据获取模块，用于获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

情感识别模块，用于利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

微博数据标记模块，用于分别标记所述第三预设数量种情感的微博数据；

情感分布模型，用于针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

可选地，所述微博数据情况包括中性、开心、惊讶、伤心和生气。

可选地，所述情感识别模块采用多元正态分布拟合所述第三预设数量种情感的微博数据。

可选地，所述装置还包括：

联合密度计算模块，用于利用预设公式计算所述微博用户对应的微博数据的联合概率密度值。

由上述技术方案可知，本发明实施例通过获取预设时间段内第一预设数量名微博用户的第二预设条微博数据，然后利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，这样可以得到第三预设数量种情感；之后标记情感识别后的微博数据；最后针对所述第一预设数量名微博用户中每个用户，对带有标记的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。本实施例中由于获取的数量较大且具有随机性，因此代表性更广和用户属性也更准确，不会丢失关键信息。另外，对微博数据进行情感分析，并对用户的情况进行统计，能够更准确的描述用户的性格特征。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。

图1为本发明一实施例提供的基于微博数据的个人性格建模方法的方法流程示意图；

图2为本发明一实施例中采用SVM对微博数据进行情感分类的流程示意图；

图3为本发明一实施例中用户12的微博数据；

图4为用户12的微博数据正态分布拟合曲线；

图5为本发明一实施例中用户15的微博数据；

图6为用户15的微博数据正态分布拟合曲线；

图7为本发明一实施例提供的基于微博数据的个人性格建模装置的框图；

图8为本发明另一实施例提供的基于微博数据的个人性格建模装置的框图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明一实施例提供的基于微博数据的个人性格建模方法的方法流程示意图。参见图1，该方法包括：

101，获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

102，利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

103，分别标记所述第三预设数量种情感的微博数据；

104，针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

由上述技术方案可知，本发明实施例由于获取的数量较大且具有随机性，因此代表性更广和用户属性也更准确，不会丢失关键信息。另外，对微博数据进行情感分析，并对用户的情况进行统计，能够更准确的描述用户的性格特征。

下面结合附图和实施例对本发明实施例提供的个人性格建模方法各步骤作详细描述。

首先，介绍101，获取预设时间段内第一预设数量名微博用户的第二预设条微博数据的步骤。

上述预设时间段可以为一天、一月或者一年等，本领域技术人员可以根据具体场景进行设置，在此不作限定。在一实施例中，预设时间段为一个自然月。

上述第一预设数量可以为1000、10000、100000等，本领域技术人员可以根据具体场景进行设置，在此不作限定。在一实施例中，第一预设数量为10000。

上述第二预设数量可以为10000、100000、1000000甚至更多，本领域技术人员可以根据具体场景进行设置，在此不作限定。在一实施例中，第一预设数量为1000000。

本发明实施例中，搜集微博中10000名用户的1000000条微博数据。

其次，介绍102，利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感的步骤。

上述第三预设数量可以为3、4、5甚至更多，本领域技术人员可以根据具体进行设置。在一实施例中，第二预设数量为5种，即第二预设数量种情感可以为中性、开心、惊讶、伤心和生气。

本发明一实施例中利用支持向量机(SVM)对上述1000000条微博数据进行情感识别，即每条微博数据对应中性、开心、惊讶、伤心或者生气。SVM对微博数据进行情感分类的具体过程见图2。将5类标签的微博数据进行文本向量化，进行特征选择，然后计算各特征的权重(TF*IDF)，最后进行模型训练和预测得到微博数据的分类结果。

然后，介绍103，分别标记所述第三预设数量种情感的微博数据的步骤。

为方便后续定量计算，在本发明一实施例中利用标签“0、1、2、3、4”替代上述5种情感，即采用标签“0、1、2、3、4”分别标注“中性、开心、惊讶、伤心和生气”。

可见，本发明实施例中通过支持向量机SVM从微博数据中提取训练集和测试集的向量特征，进而对测试集给出情感分类结果，可以确保情感分类的准确性。

最后，介绍104，针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

本实施例中，针对每个用户，对第三预设数量种情感的微博数据进行情感分布统计。在一实施例中，情感分布统计方法采用多元正态分布，即采用多元正态分布拟合第三预设数量种情感的微博数据。可见，通过对每个用户一段时间内的各类情感进行正态分布，可以定性分析用户个人性格。

在一实施例中，采用以下公式计算预设时间段内的微博数据的联合概率密度值，公式如下：

其中X(k)是五维变量数据，μ是第k列数据均值，Σ是多维数据矩阵的协方差。

可见，本实施例中通过计算联合概率密度值，可以定量分析该用户个人性格。

实施例一

本实施例中，以用户12的微博数据进行情感分类，微博数据内容如图3所示。首先，如表1所示(仅示出了一部分)，采用标签“0、1、2、3、4”对每条微博数据情感类别分别标注“中性、开心、惊讶、伤心和生气”。

表1用户12微博数据情感分类

然后，对用户12的微博数据进行五维情感进行统计得到每一类情感的微博数据条数，分类结果如表2所示。

表2用户12微博数据的五维情感统计结果及联合概率密度

之后，基于情感分类统计后的微博数据进行正态分布拟合，得到图4(选取表2的中性类微博数据进行拟合)所示的关于用户12的微博数据进行个人性格模型。

最后，根据公式(1)计算用户在每个自然月下微博数据的联合概率密度值，该联合概率密度值如表1最后一栏的数据显示。

这样，本实施例中可以利用多元正态分布，定性分析用户的个人性格。结合图4的分布结果可以看出，用户12发布微博比较稀疏，每个月的微博数目均在0,1,2条附近，这些数目是正态分布的波峰。而在2013年5月份，该用户发布的微博数目明显增多，其中伤心，生气类微博数目也明显多于其他组，分布情况和其他组呈现不同，也就是正态分布的两端处的值，结合表2中也可以看出，其微博数据的联合概率密度为3.4E-06，明显小于其他组，说明该段时间内，用户出现了异常情绪。综上，正态分布图定性分析了用户的情绪分布，联合概率密度表定量检测了用户的异常情绪。

实施例二

本实施例中，以用户15的微博数据进行情感分类，微博数据内容如图5所示。首先，如表1所示(仅示出了一部分)，采用标签“0、1、2、3、4”对每条微博数据情感类别分别标注“中性、开心、惊讶、伤心和生气”。标注结果参见表3。

表3用户15微博数据的情感分类结果

需要说明的是，表3中左半部与右部分数据按照时间顺序排序。

然后，对用户15的微博数据进行五维情感进行统计得到每一类情感的微博数据条数，分类结果如表4所示。

之后，基于情感分类统计后的微博数据进行正态分布拟合，得到图6(选取表4中性类微博数据进行拟合)所示的关于用户15的微博数据进行个人性格模型。

最后，根据公式(1)计算用户在每个自然月下微博数据的联合概率密度值，该联合概率密度值如表4最后一栏的数据显示。

表4用户15微博数据的五维情感统计结果及联合概率密度

用户15	中性	开心	惊讶	伤心	生气	联合概率密度
							2016年4月	2	0	0	0	0	6.53E-02
2016年3月	3	0	0	0	0	8.21E-02
							2016年2月	8	0	0	0	0	1.75E-02
2016年1月	3	0	0	0	0	8.21E-02
							2015年12月	1	0	0	0	0	4.34E-02
2015年11月	6	1	0	0	1	9.86E-04
							2015年10月	9	0	1	0	0	1.52E-03
2015年9月	3	0	0	0	0	8.21E-02
							2015年8月	10	1	1	0	1	3.93E-03
2015年7月	11	0	0	0	0	8.07E-04
							2015年6月	7	0	1	0	1	2.49E-03
2015年5月	1	1	0	0	0	6.12E-02
							2015年4月	3	3	0	0	0	2.98E-03
2015年3月	3	0	0	0	0	8.21E-02
							2015年2月	3	0	0	0	0	8.21E-02
2015年1月	2	1	1	1	0	4.42E-04
							2014年12月	2	1	0	0	0	8.16E-03
2014年11月	2	0	0	0	0	6.53E-02
							2014年10月	0	0	0	1	0	4.42E-04
2014年9月	1	3	0	0	0	3.24E-03

这样，本实施例中可以利用多元正态分布，定性分析用户的个人性格。同时结合联合概率密度值，来定量分析用户个人性格。结合图6(表4中第一列数据)的分布结果可以看出，用户15发布微博比较均匀有规律，每个月的微博数目均在2，3，4条附近，这些数目是正态分布的波峰。而在2015年7月，2015年1月和2014年10月，该用户发布的微博数目的分布与其他组出现偏差，出现了异常数据，也就是图6中正态分布的两端处的值。结合表4中也可以看出，这三个月的微博数据的联合概率密度小于其他组，说明该段时间内，用户出现了异常情绪。综上，正态分布图定性分析了用户的情绪分布，联合概率密度表定量检测了用户的异常情绪。

图7为本发明一实施例提供的基于微博数据的个人性格建模装置的框图。参见图7，该装置包括：

微博数据获取模块701，用于获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

情感识别模块702，用于利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

微博数据标记模块703，用于分别标记所述第三预设数量种情感的微博数据；

情感分布模型704，用于针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

在一实施例中，所述微博数据情况包括中性、开心、惊讶、伤心和生气。

在一实施例中，所述情感识别模块702采用多元正态分布拟合所述第三预设数量种情感的微博数据。

在一实施例中，如图8所示，在图7所示装置的基础上，所述装置还包括：

联合密度计算模块801，用于利用预设公式计算所述微博用户对应的微博数据的联合概率密度值。

需要说明的是，本发明实施例提供的基于微博数据的个人性格建模装置与上述方法是一一对应的关系，上述方法的实施细节同样适用于上述装置，本发明实施例不再对上述系统进行详细说明。

本发明的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (8)

1.一种基于微博数据的个人性格建模方法，其特征在于，所述方法包括：

获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

分别标记所述第三预设数量种情感的微博数据；

针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

2.根据权利要求1所述的个人性格建模方法，其特征在于，所述微博数据情况包括中性、开心、惊讶、伤心和生气。

3.根据权利要求1所述的个人性格建模方法，其特征在于，采用多元正态分布拟合所述第三预设数量种情感的微博数据。

4.根据权利要求1所述的个人性格建模方法，其特征在于，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型之后，所述方法还包括：

利用预设公式计算所述微博用户对应的微博数据的联合概率密度值。

5.一种基于微博数据的个人性格建模装置，其特征在于，所述装置包括：

微博数据获取模块，用于获取预设时间段内第一预设数量名微博用户的第二预设条微博数据；

情感识别模块，用于利用支持向量机SVM对所述第二预设数量条微博数据进行情感识别，得到第三预设数量种情感；

微博数据标记模块，用于分别标记所述第三预设数量种情感的微博数据；

情感分布模型，用于针对所述第一预设数量名微博用户中每个用户，对所述第三预设数量种情感的微博数据进行情感分布统计，得到所述微博用户的个人性格模型。

6.根据权利要求5所述的个人性格建模装置，其特征在于，所述微博数据情况包括中性、开心、惊讶、伤心和生气。

7.根据权利要求5所述的个人性格建模装置，其特征在于，所述情感识别模块采用多元正态分布拟合所述第三预设数量种情感的微博数据。

8.根据权利要求5所述的个人性格建模装置，其特征在于，所述装置还包括：

联合密度计算模块，用于利用预设公式计算所述微博用户对应的微博数据的联合概率密度值。