社交網(wǎng)絡(luò)中基于情感模型的用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)

湯小東，錢進(jìn)（.四川大學(xué)計(jì)算機(jī)學(xué)院，成都　60065；.重慶市通信服務(wù)產(chǎn)業(yè)有限公司移動(dòng)服務(wù)分公司，重慶　40400）

社交網(wǎng)絡(luò)中基于情感模型的用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)

湯小東1，錢進(jìn)2
（1.四川大學(xué)計(jì)算機(jī)學(xué)院，成都610065；2.重慶市通信服務(wù)產(chǎn)業(yè)有限公司移動(dòng)服務(wù)分公司，重慶404100）

0　引言

隨著互聯(lián)網(wǎng)技術(shù)的快速革新，社交網(wǎng)絡(luò)在信息傳播中的作用越來越重要。社交網(wǎng)絡(luò)為人們提供一個(gè)表達(dá)自己觀點(diǎn)和通過一系列行為（例如發(fā)布、轉(zhuǎn)發(fā)和點(diǎn)贊等行為方式）與他人建立溝通的平臺(tái)。在這個(gè)過程中將產(chǎn)生巨大的信息，如何利用這些信息將成為大多數(shù)研究者關(guān)注的核心問題。現(xiàn)如今，已經(jīng)有很多學(xué)者從事預(yù)測(cè)用戶行為的研究工作。然而他們大多使用機(jī)器學(xué)習(xí)的方法進(jìn)行分類或預(yù)測(cè)，很少會(huì)分析隱藏在用戶微博中的情感特征。但是這確實(shí)是分析用戶興趣與觀點(diǎn)的重要的因素。

Suh等人[1]使用Twitter的數(shù)據(jù)作為研究對(duì)象，他們分析了影響微博被轉(zhuǎn)發(fā)的幾種因素，結(jié)果表明微博是否包含了URL和話題標(biāo)記對(duì)微博的轉(zhuǎn)發(fā)率有直接的影響，而微博作者的粉絲數(shù)，關(guān)注數(shù)和注冊(cè)時(shí)常對(duì)轉(zhuǎn)發(fā)率有間接影響，但是微博作者的微博數(shù)和轉(zhuǎn)發(fā)率基本無關(guān)。他沒有分析用戶對(duì)微博的主觀看法對(duì)轉(zhuǎn)發(fā)率的影響。Wu[2]介紹了一種信息擴(kuò)散方式，并且實(shí)現(xiàn)了一種邏輯回歸模型來預(yù)測(cè)用戶轉(zhuǎn)發(fā)行為，但是他也忽略了基于文本的情感因素對(duì)預(yù)測(cè)結(jié)果的影響。

Naveed[3]介紹了一種基于微博內(nèi)容特征的預(yù)測(cè)模型，他分析了用戶對(duì)微博內(nèi)容的正向及負(fù)向態(tài)度對(duì)轉(zhuǎn)發(fā)率的影響，并且他設(shè)計(jì)了一種回歸模型來預(yù)測(cè)用戶的轉(zhuǎn)發(fā)。但是他卻忽略了周圍用戶群對(duì)轉(zhuǎn)發(fā)率的影響。Zaman[4]將微博與用戶的固有特征抽離出來進(jìn)行分析，提出了一種概率協(xié)同模型來計(jì)算用戶轉(zhuǎn)發(fā)一條微博的概率。但是他沒有考慮用戶興趣與對(duì)應(yīng)微博內(nèi)容之間的聯(lián)系。

本文針對(duì)用戶對(duì)短文本內(nèi)容的主觀看法,建立基于情感分析方法的主觀模型，并結(jié)合基于周圍鄰居對(duì)目標(biāo)用戶轉(zhuǎn)發(fā)行為影響的用戶適應(yīng)性模型，提出一種新的用戶轉(zhuǎn)發(fā)預(yù)測(cè)模型——混合模型。并設(shè)計(jì)實(shí)驗(yàn)驗(yàn)證混合模型可極大提升預(yù)測(cè)準(zhǔn)確度。本文的主要貢獻(xiàn)如下所示：

（1）設(shè)計(jì)并實(shí)現(xiàn)周圍鄰居對(duì)目標(biāo)用戶轉(zhuǎn)發(fā)行為影響的計(jì)算方法，并提出隨時(shí)間變化的迭代算法。

（2）設(shè)計(jì)并實(shí)現(xiàn)了基于情感分析的用戶對(duì)特定微博的話題相似度計(jì)算方法。

1　用戶特征分析

在社會(huì)心理學(xué)分析中，一個(gè)人第一次所做的決定往往是在潛意識(shí)中完成的。然后會(huì)根據(jù)周圍環(huán)境選擇改變行為或決定。這就是所謂的適應(yīng)性。因此預(yù)測(cè)用戶在社交網(wǎng)絡(luò)中的行為時(shí)我們應(yīng)該考慮到個(gè)人潛意識(shí)下的決定和環(huán)境的改變兩方面因素。我們做出以下假設(shè)：

假設(shè)1：用戶在社交網(wǎng)絡(luò)中的轉(zhuǎn)帖行為只受個(gè)人選擇和周邊人群選擇的影響；例如，在研究Twitter用戶的轉(zhuǎn)帖行為時(shí)，當(dāng)用戶u0發(fā)布帖子w，我們將預(yù)測(cè)用戶u轉(zhuǎn)發(fā)該帖子w的概率。

假設(shè)2：用戶個(gè)人選擇只受用戶興趣的影響；即用戶與該微博的話題相似度。

為了測(cè)量用戶個(gè)人選擇對(duì)他的轉(zhuǎn)帖行為的影響，我們基于假設(shè)2來建立用戶主觀模型；在主觀模型中，我們考慮用戶兩方面因素來計(jì)算話題相似度pw（u）：

（1）興趣相似度DIu（w）：我們將測(cè)量用戶u對(duì)帖子w的興趣相似度，因?yàn)橹挥杏脩舾信d趣的話題才會(huì)被用戶轉(zhuǎn)發(fā)。

（2）觀點(diǎn)相似度sim（u,w）：我們將測(cè)量用戶u對(duì)帖子w的觀點(diǎn)持同意或反對(duì)態(tài)度。

結(jié)合興趣相似度和觀點(diǎn)相似度，我們將計(jì)算用戶與該微博的話題相似度。

pw（u）=αDIu（w）+（1-α）sim（u，w）

其中:α（0<α<1）為兩方面因素的權(quán)重。

假設(shè)3：用戶轉(zhuǎn)發(fā)的概率和周圍用戶群轉(zhuǎn)發(fā)概率成單調(diào)遞增關(guān)系；例如，當(dāng)用戶u周圍用戶轉(zhuǎn)發(fā)w概率相當(dāng)大時(shí)，即使用戶u對(duì)該w話題相似度較低，用戶u仍可能會(huì)在一段時(shí)間內(nèi)轉(zhuǎn)發(fā)w；

為了測(cè)量用戶受周圍人群的影響，我們根據(jù)假設(shè)3建立用戶適應(yīng)模型。

pw（u）t+1=BNw（u）+（1-B）pw（u）t

其中：B（0

2　用戶轉(zhuǎn)發(fā)行為建模

2.1用戶主觀模型

在數(shù)據(jù)預(yù)處理階段，對(duì)每一個(gè)用戶u，我們收集用戶u的50條微博作為單個(gè)用戶數(shù)據(jù)集。使用Gensim工具[5]來提取每個(gè)用戶話題集Tu。當(dāng)計(jì)算用戶u與帖子w的話題相似度時(shí)，我們從Tu中提取出k個(gè)與帖子w的相關(guān)度較高的話題組成一個(gè)新話題集T（u，m）={t1，t2，…，tk}。

用戶u對(duì)帖子w的興趣相似度。

其中：DRw（ti）表示帖子w與每個(gè)話題ti（ti∈Tu，m）的相關(guān)度。

其中νw表示帖子w中的單詞，num（νw）表示單詞νw在帖子w出現(xiàn)的個(gè)數(shù)。WPν（ti）表示單詞νw在話題ti中的權(quán)重。DIu（ti）表示用戶u對(duì)話題ti的興趣度。

其中Wu（ti），Wu。Sω表示帖子w的情緒度。Sω=sp（w）+|sn（w）|.sp（w）表示帖子w的正向情緒度，sn（w）表示帖子w的負(fù)向情緒度。我們使用情緒檢測(cè)工具SentiStrength[6]來測(cè)量話題w的正向情緒度sp（w）和負(fù)向情緒度sn（w）。

用戶u對(duì)帖子w的觀點(diǎn)相似度：

其中maxDist表示兩個(gè)觀點(diǎn)之間最大的不相關(guān)程度，在模型中我們定義maxDist=9。dist（u,w）定義為用戶u對(duì)帖子w的觀點(diǎn)與帖子w所表達(dá)的觀點(diǎn)的不相關(guān)程度。為了計(jì)算用戶關(guān)于帖子w的觀點(diǎn)，我們引入情感度量標(biāo)準(zhǔn)。在此標(biāo)準(zhǔn)中，用戶對(duì)觀點(diǎn)的情感表示可分為10個(gè)級(jí)別，正向情感有（1，2，3，4，5）5個(gè)量度來表示，負(fù)向情感由（-1，-2，-3，-4，-5）5個(gè)量度來表示。

其中VPu（w）∈R10來衡量用戶u關(guān)于帖子w的情感度，其中每一個(gè)分量都表示對(duì)應(yīng)情感量度的權(quán)重。VPw∈R10表示帖子w的情感度。其計(jì)算方式如下：

VPu（w）的計(jì)算方式如下：

其中VPu（ti）∈R10來衡量用戶u關(guān)于觀點(diǎn)ti的情感度，可以通過以下方式來計(jì)算：

numu（ti）表示用戶u轉(zhuǎn)發(fā)與話題 ti相關(guān)的帖子個(gè)數(shù)。即就是滿足DRw（ti）>0的帖子個(gè)數(shù)。numu（ti，s）表示滿足DRw（ti）>0并且Sω=s。其中s的計(jì)算方式如下：

2.2用戶適應(yīng)模型

基于用戶主觀模型，我們使用用戶適應(yīng)模型來實(shí)時(shí)更新用戶話題相似度pw（u）：

其中Nw（u）t表示的在時(shí)刻t所有鄰居的決定對(duì)用戶u的影響。

其中v表示用戶u的鄰居用戶。Nu（v）表示在時(shí)刻t用戶v對(duì)用戶u的影響。C定義為最大鄰居個(gè)數(shù)。sim （u，v，w）表示用戶v與用戶u在帖子w上的觀點(diǎn)相似度。

其中Pw（v）t表示在時(shí)刻 t下用戶 v轉(zhuǎn)發(fā)帖子 w的概率。Pwt-1表示在時(shí)刻t-1下所有用戶轉(zhuǎn)發(fā)帖子w的平均概率。pmaxwt-1表示在時(shí)刻t-1下所有用戶轉(zhuǎn)發(fā)帖子w的最大概率。

3　實(shí)驗(yàn)設(shè)計(jì)

3.1數(shù)據(jù)預(yù)處理

本文利用Twitter API隨機(jī)抽取約500名用戶，并收集在2012年8月1日至10月30日之間這些用戶的好友信息，發(fā)布或轉(zhuǎn)發(fā)的微博信息，好友發(fā)布或轉(zhuǎn)發(fā)的微博信息，微博信息之間的轉(zhuǎn)發(fā)關(guān)系等組成原始數(shù)據(jù)集。本文將測(cè)試數(shù)據(jù)集定義在2012年8月1日至10 月1日之間。為了去除大量的無效信息及無效用戶，本文定義一下約束：

在2012年8月1日至10月1日之間，一條去掉噪音和停用詞之后至少包含10個(gè)實(shí)用詞，并且被轉(zhuǎn)發(fā)2次以上的微博可被定義為有效微博。

在2012年8月1日至10月1日之間，發(fā)布或者轉(zhuǎn)發(fā)過至少200條微博，并且這些微博中至少有包含50條有效微博的用戶可被定義為有效用戶。

在2012年10月1日之后，一條去掉噪音和停用詞之后至少包含5個(gè)實(shí)用詞，并且被轉(zhuǎn)發(fā)2次以上的微博可被定義為測(cè)試微博。隨機(jī)提取出1000條有效微博，并隨機(jī)收集200個(gè)發(fā)布或轉(zhuǎn)發(fā)這些有效微博

本實(shí)驗(yàn)從原始數(shù)據(jù)集中提取有效用戶建立用戶訓(xùn)練集。并且從原始數(shù)據(jù)集中隨機(jī)收集用戶訓(xùn)練集中每一個(gè)用戶發(fā)布或轉(zhuǎn)發(fā)的50條有效微博，使用Gensim工具[5]將它們劃分為最多5個(gè)話題集作為用戶話題集。對(duì)原始數(shù)據(jù)集中的每一個(gè)微博，本文使用SentiStrength工具[6]對(duì)其進(jìn)行情感分析，得出每條微博的正面情感值（在1到5之間）和負(fù)面情感值（在-1到-5之間）。本實(shí)驗(yàn)從原始數(shù)據(jù)集中分別提取出100條，200條，400條測(cè)試微博作為用戶測(cè)試數(shù)據(jù)集。

3.2實(shí)驗(yàn)結(jié)果

表1　在三種數(shù)據(jù)集下兩種模型的預(yù)測(cè)結(jié)果

圖1　在不同時(shí)間段內(nèi)微博平均轉(zhuǎn)發(fā)次數(shù)的走向

考慮用戶u在社交網(wǎng)絡(luò)中的鄰居對(duì)u的影響因素來預(yù)測(cè)測(cè)試集合中每條微博的轉(zhuǎn)發(fā)情況：本實(shí)驗(yàn)實(shí)現(xiàn)用戶適應(yīng)模型算法，將每個(gè)用戶u和每條被測(cè)試的微博的 pw（u）的初值設(shè)定為一個(gè)的隨機(jī)小數(shù)d（0

綜合考慮用戶u對(duì)于微博的主觀情感，以及 u在社交網(wǎng)絡(luò)中的鄰居對(duì)u的影響因素來預(yù)測(cè)測(cè)試集合中每條微博的轉(zhuǎn)發(fā)情況：本實(shí)驗(yàn)實(shí)現(xiàn)混合模型算法，基于用戶主觀模型來計(jì)算每個(gè)用戶u和每條被測(cè)試的微博，pw（u）的初值，迭代次數(shù)設(shè)置為10。

針對(duì)每一條測(cè)試微博，基于兩種模型分別計(jì)算用戶訓(xùn)練集中的每個(gè)用戶的轉(zhuǎn)發(fā)可能性 pw（u），并將實(shí)驗(yàn)結(jié)果排序，取其前2%的用戶作為預(yù)測(cè)結(jié)果。預(yù)測(cè)結(jié)果如表1所示，將用戶的主觀情感加入社交網(wǎng)絡(luò)中可以極大地提高預(yù)測(cè)的準(zhǔn)確度。同時(shí)本文跟蹤了數(shù)據(jù)集中的每一條微博，并統(tǒng)計(jì)每一條微博在不同時(shí)間段的平均轉(zhuǎn)發(fā)次數(shù)。如圖1所示。

4　結(jié)語

社交網(wǎng)絡(luò)的興起，給研究社會(huì)影響現(xiàn)象提供了理想的實(shí)驗(yàn)平臺(tái)。同時(shí)，對(duì)社會(huì)社交網(wǎng)絡(luò)的研究又能對(duì)改進(jìn)社交網(wǎng)站的某些應(yīng)用起到幫助作用。我們對(duì)基于Twitter的社交平臺(tái)中用戶的潛意識(shí)的主觀看法對(duì)其轉(zhuǎn)帖行為影響的進(jìn)行分析研究。發(fā)現(xiàn)用戶潛意識(shí)的看法有助于提升預(yù)測(cè)其轉(zhuǎn)帖行為的準(zhǔn)確性。本文提出了基于情感分析的主觀模型建模方法，和用戶適應(yīng)性模型的建模方法。這對(duì)于基于短文本信息的主題、情感、內(nèi)容等語意信息對(duì)社會(huì)網(wǎng)絡(luò)的影響提供了指導(dǎo)作用。而且這一方面的研究也使我們能夠更好地分析和度量社會(huì)網(wǎng)絡(luò)上用戶的社會(huì)影響力。

[1]Suh，B，Lichan Hong，Pirolli，P.，Chi，Ed H.Want to Be Retweeted Large Scale Analytics on Factors Impacting Retweet in Twitter Network[C].2010 IEEE Second International Conference on Social Computing.Minneapolis:IEEE Computer Society，2010：177-184

[2]Wu K，Ji X，Liu C.Information Diffusion Model for Microblog[C].Software Engineering and Service Science（ICSESS），2013 4th IEEE International Conference on.IEEE，2013：212-215.

[3]Naveed N，Gottron T，Kunegis J，et al.Bad News Travel Fast:A Content-Based Analysis of Interestingness on Twitter[J].uni，2011.

[4]Zaman T R，Herbrich R，van Gael J，et al.Predicting Information Spreading in Twitter[C].Workshop on Computational Social Science and the Wisdom of Crowds.Whistler:NIPS，2010:17599-17601

[5]Khosrovian，Keyvan，Dietmar Pfahl，and Vahid Garousi.GENSIM 2.0:a Customizable Process Simulation Model for Software Process Evaluation.In:ICSP'08 Proceedings of the Software Process，2008 International Conference on Making Globally Distributed Software Development a Success sSory，pp.294-306

[6]Thelwall，Mike，Kevan Buckley，and Georgios Paltoglou.Sentiment Strength Detection for the Social Web.In:Journal of American Society for Information Science and Technology 63.1，pp.163-173

Twitter;Retweet Behavior;Sentiment Analysis;Social Network

Prediction of User's Retweet Behavior Based on Sentiment Analysis in Social Network

TANG Xiao-dong1，QIAN Jin2

（1.College of Computer Science,Sichuan University,Chengdu 610065；2.Chongqing Communication Services Company Limited，Chongqing404100）

1007-1423（2016）05-0033-05

10.3969/j.issn.1007-1423.2016.05.007

湯小東（1990-），男，陜西楊凌人，碩士，研究方向?yàn)闄C(jī)器學(xué)習(xí)、圖形圖像處理

2015-12-24

2016-01-23

基于Twitter的用戶社會(huì)影響力的分析一直是社交網(wǎng)絡(luò)分析的熱點(diǎn)。然而很少有研究針對(duì)用戶對(duì)微博的主題、情感、內(nèi)容等語意信息的主觀看法來預(yù)測(cè)用戶的轉(zhuǎn)貼行為。實(shí)現(xiàn)基于周圍鄰居對(duì)目標(biāo)用戶轉(zhuǎn)發(fā)行為影響的用戶適應(yīng)性模型。并且實(shí)現(xiàn)基于語義分析的用戶主觀模型結(jié)合用戶適應(yīng)性模型的混合模型。設(shè)計(jì)實(shí)驗(yàn)證實(shí)用戶對(duì)微博內(nèi)容的主觀看法極大影響預(yù)測(cè)結(jié)果。

Twitter；轉(zhuǎn)貼行為；情感分析；社交網(wǎng)絡(luò)

錢進(jìn)（197l-），男，重慶人，本科，工程師，研究方向?yàn)橥ㄐ艂鬏?/p>

Retweeting behavior on Twitter is the behavior that user reposts comments from their friends.Few studies have investigated in combining a user's subjectivity motivation with his conformity to environment to predict a user's retweeting behavior.Based on the sentiment analysis,combines a user's subjectivity motivation with a designed adoption model which measures a user's neighbors'influences,and then establishes a mixture model with these two factors to do prediction.Evaluates the model in Twitter dataset to verify its prediction performance.