申请/专利权人：湖北第二师范学院

申请日：2020-12-24

公开（公告）日：2024-04-09

公开（公告）号：CN112667876B

主分类号：G06F18/23213

分类号：G06F18/23213;G06N3/006;G06F16/951;G06Q50/00

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2021.05.04#实质审查的生效;2021.04.16#公开

摘要：本发明公开了一种基于PSOTVCF‑Kmeans算法的意见领袖群识别方法，包括：步骤1，利用网络爬虫工具，从互联网中采集实际的社交网络数据；步骤2，基于“用户影响力”和“话题影响力”计算意见领袖值；所述用户影响力包括粉丝量、原创微博量和是否认证，话题影响力包括博文评论量、转发量和点赞量；步骤3，依意见领袖值高低排序得到预判的意见领袖群簇P和普通用户群簇Q，作为粒子群的初始扰动场，基于PSOTVCF‑Kmeans算法对意见领袖群簇P和普通用户群簇Q进行聚类。本文利用时变双重压缩因子粒子群优化算法，建立PSOTVCF‑KMeans聚类模型，通过PSOTVCF寻找全局最优解的优势，确定最佳聚类初始簇心，提高了K‑means算法的聚类效果和效率。

主权项：1.一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法，其特征在于，包括如下步骤：步骤1，利用网络爬虫工具，从互联网中采集实际的社交网络数据；步骤2，基于“用户影响力”和“话题影响力”计算意见领袖值；所述用户影响力包括粉丝量、原创微博量和是否认证，话题影响力包括博文评论量、转发量和点赞量；步骤2中意见领袖值的计算公式如下，I＝w1*F1+w2F2+w3F33.1T＝w4*F4+w5F5+w6F63.2L＝I+T3.3其中，公式3.1为用户影响力计算公式，其中，w1，w2和w3代表不同指标的权重，F1、为用户的粉丝量，F2为原创微博量，F3表示是否认证，若已认证，则F3＝1，若未认证，则F3＝0；公式3.2为话题影响力计算公式，w4，w5和w6代表不同指标的权重，F4，F5和F6分别代表评论量、转发量和点赞量；公式3.3为用户最终的意见领袖值；步骤3，依意见领袖值高低排序得到预判的意见领袖群簇P和普通用户群簇Q，作为粒子群的初始扰动场，基于PSOTVCF-Kmeans算法对意见领袖群簇P和普通用户群簇Q进行聚类，具体实现方式如下，1粒子种群初始扰动：首先随机在簇P和簇Q中选取一个初始聚类簇心，然后依据最大距离原则选取剩余的聚类簇心，重复操作n次，产生n个粒子，计算每个初始簇心与所在簇其他节点的距离；2计算n个粒子的适应度值fit，并寻找每个粒子的个体极值pbest和群体极值gbest；3更新粒子的速度与位置；计算公式如下， 得到系统矩阵： 时变压缩因子计算公式为： 其中，压缩因子χ是一个正实数，ITER为当前进化代数，MAXITER为最大迭代数，C1N和C1M分别为第一个加速因子的初始最大值和最小值，C2N和C2M分别为第二个加速因子的初始最大值和最小值；4以更新后的粒子为聚类中心重新聚类，并计算每个粒子的适应度值；5判断当前种群适应度方差Var是否低于某个阈值Thre或者达到最大迭代次数，如果是，则转向6；否则转向3；5中适应度方差Var的计算公式如下； 其中，fi是指第i代的fit值；favg是fit值的平均值；6以PSOTVCF算法得到的簇P和簇Q的最佳位置[pbest,qbest]作为初始中心，令K-means当前迭代次数为t＝0；7对每个数据，分别计算其与当前迭代的簇P和簇Q的簇心Cj1，Cj2的距离，将其加入到最近的聚类中心，计算同一簇群中所有数据的平均值，以此为新的聚类中心；8记录每一次的簇心Cj1，Cj2，若簇心不再变化，或者t≥tmax，或者簇心的fit值小于等于Var，说明算法已收敛，停止当前迭代，记录当前的fit值；反之回到7，t+1，重新进行迭代计算。

全文数据：

权利要求：

百度查询： 湖北第二师范学院 一种基于PSOTVCF-Kmeans算法的意见领袖群识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD