【技术实现步骤摘要】
本专利技术属于互联网应用，涉及社交平台商品营销话题数据分析，尤其商品营销话题传播行为的预测方法、装置及存储介质。
技术介绍
1、随着社交平台用户数量的不断增长，社交话题的传播和影响力也变得越来越重要，社交媒体平台已经成为了人们日常生活中不可或缺的一部分。在这个背景下，社交平台成为了商品营销的重要渠道之一。研究社交平台中商品营销话题传播态势可以帮助人们更好的应对和辨别商品营销话题，有助于社交平台掌握消费群体行为特性分布，分析潜在客户群体，获得良好的经济效益和实际的应用价值。
2、目前，关于话题传播态势的研究主要分为三大方向，第一是基于用户之间行为的方法，主要是通过分析用户之间的联系强度、互动频率和参与度等指标，揭示社交话题传播的规律。第二是基于话题内容的方法，对用户在社交媒体上发布的内容进行分析，以了解他们对某个话题的情感倾向和兴趣偏好，帮助了解用户对商品营销话题的态度。第三是基于拓扑结构的方法，主要是对节点位置、社团结构、邻居节点等进行分析，确定话题的传播方向。
3、例如中国专利cn 113268675 a公开了一种基于图注意力网络的社交媒体谣言检测方法，该方法将用户特征矩阵和用户关系的邻接矩阵输入到预先构建的话题传播行为预测模型中，以得到最终的检测结果；这个过程中，如何构建出用户关系的邻接矩阵对确定话题传播方向以及揭示话题传播规律起到重要作用；然而，该方法中仅仅只是通过绝对有关系和绝对无关系对用户关系的邻接矩阵进行表征，也即是若用户之间存在评论、转发或者回复等互动关系则相应的矩阵元素为1，表示用户之间绝
技术实现思路
1、基于现有技术存在的问题，本专利技术发现在商品营销话题传播中，通过将用户关系从二进制(0，1)转换为连续的0-1尺度，能够更准确地捕捉用户之间的关系强度变化。在连续尺度下，可以利用中间值来表示部分关系，从而更好地描述用户之间的互动。这种转换能够观察到用户关系的细微变化，如关系的逐渐加强或减弱，从而提供更全面的分析和洞察。因此，本专利技术提出一种商品营销话题传播行为的预测方法、装置及存储介质。本专利技术聚焦于用户与用户的完整关系以及用户与商品之间的特征，结合用户自身特征、商品营销话题信息以及gcn模型的自学习能力，可更精确的预测社交网络商品营销话题传播空间下群体行为。
2、在本专利技术的第一方面，本专利技术提供了一种商品营销话题传播行为的预测方法，所述方法包括：
3、获取商品营销话题的用户关系网络、用户属性集合、用户历史行为和营销话题信息；所述用户关系网络包括用户集合以及用户之间的关系集合；
4、通过张量补全算法对用户关系网络和用户历史行为进行处理，提取出潜在用户与参与用户的隐藏关系下的用户张量；
5、通过相似度度量方式对用户张量进行处理，得到用户之间的社交网络亲密度关系；
6、根据用户之间的社交网络亲密度关系，构建得到用户关系的邻接矩阵；
7、通过矩阵分解算法将拼接后的用户基本信息、用户历史行为和话题信息进行处理，得到用户对商品的兴趣度矩阵；
8、根据用户属性集合、用户关系的邻接矩阵和用户对商品的兴趣度矩阵，构建得到用户特征矩阵；
9、将所述用户特征矩阵和用户关系的邻接矩阵输入到图卷积神经网络模型中，输出得到潜在用户参与商品营销话题传播的预测概率。
10、在本专利技术第二方面，本专利技术还提供了一种商品营销话题传播行为的预测装置，所述装置包括：
11、数据采集模块，用于获取商品营销话题的用户关系网络、用户属性集合、用户历史行为和营销话题信息；所述用户关系网络包括用户集合以及用户之间的关系集合；
12、张量补全模块，用于通过张量补全算法对用户关系网络和用户历史行为进行处理，提取出潜在用户与参与用户的隐藏关系下的用户张量；
13、相似度量模块，用于通过相似度度量方式对用户张量进行处理，得到用户之间的社交网络亲密度关系；
14、邻接关系计算模块，用于根据用户之间的社交网络亲密度关系，构建得到用户关系的邻接矩阵；
15、矩阵分解模块，用于通过矩阵分解算法将拼接后的用户基本信息、用户历史行为和话题信息进行处理，得到用户对商品的兴趣度矩阵；
16、特征计算模块，用于根据用户属性集合、用户关系的邻接矩阵和用户对商品的兴趣度，构建得到用户特征矩阵；
17、预测模块，用于将所述用户特征矩阵和用户关系的邻接矩阵输入到图卷积神经网络模型中，输出得到潜在用户参与商品营销话题传播的预测概率。
18、在本专利技术的第三方面，本专利技术还提供了一种存储介质，所述存储介质上存储有商品营销话题传播行为的预测程序，所述商品营销话题传播行为的预测程序被处理器执行时实现如本专利技术第一方面所述的商品营销话题传播行为的预测方法的步骤。
19、本专利技术的有益效果：
20、本专利技术同时考虑用户与用户之间的社交亲密度关系以及用户与商品话题之间的兴趣度，从而准确刻画出用户之间的亲密度关系，更好地发掘用户之间的互动关系，有利于确定出话题传播方向并得到话题传播规律。
本文档来自技高网...【技术保护点】
1.一种商品营销话题传播行为的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述通过张量补全算法对用户关系网络和用户历史行为进行处理，提取出潜在用户与参与用户的隐藏关系下的用户张量包括根据用户关系网络中用户集合和用户历史行为构建参与用户-交互行为-隐藏用户的三维张量；通过低秩目标，构建出张量补全的优化模型，所述优化模型包括辅助变量和三维张量；通过增广拉格朗日函数求解所述优化模型，通过交替方向乘子法更新辅助变量和三维张量；将更新后的三维张量作为潜在用户与参与用户的隐藏关系下的用户张量。
3.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述用户之间的社交网络亲密度关系表示为：
4.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述根据用户之间的社交网络亲密度关系，构建得到用户关系的邻接矩阵包括对用户之间的社交网络亲密度关系进行拼接，得到用户关系的邻接矩阵，所述用户关系的邻接矩阵的表达式包括：
5.根据权利要求1所述的一种商品营销
6.根据权利要求5所述的一种商品营销话题传播行为的预测方法，其特征在于，采用时间衰减函数对得到的用户-商品兴趣度矩阵进行优化，生成优化后的用户对商品的兴趣度矩阵。
7.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，根据用户属性集合、用户关系的邻接矩阵和用户对商品的兴趣度，构建得到用户特征矩阵包括采用注意力机制对用户属性集合、用户关系的邻接矩阵以及用户对商品的兴趣度进行加权求和，拼接得到用户特征矩阵。
8.一种商品营销话题传播行为的预测装置，其特征在于，所述装置包括：
9.一种存储介质，其特征在于，所述存储介质上存储有商品营销话题传播行为的预测程序，所述商品营销话题传播行为的预测程序被处理器执行时实现如权利要求1至7中任一项所述的商品营销话题传播行为的预测方法的步骤。
...【技术特征摘要】
1.一种商品营销话题传播行为的预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述通过张量补全算法对用户关系网络和用户历史行为进行处理，提取出潜在用户与参与用户的隐藏关系下的用户张量包括根据用户关系网络中用户集合和用户历史行为构建参与用户-交互行为-隐藏用户的三维张量；通过低秩目标，构建出张量补全的优化模型，所述优化模型包括辅助变量和三维张量；通过增广拉格朗日函数求解所述优化模型，通过交替方向乘子法更新辅助变量和三维张量；将更新后的三维张量作为潜在用户与参与用户的隐藏关系下的用户张量。
3.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述用户之间的社交网络亲密度关系表示为：
4.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述根据用户之间的社交网络亲密度关系，构建得到用户关系的邻接矩阵包括对用户之间的社交网络亲密度关系进行拼接，得到用户关系的邻接矩阵，所述用户关系的邻接矩阵的表达式包括：
5.根据权利要求1所述的一种商品营销话题传播行为的预测方法，其特征在于，所述通过矩阵分解...
【专利技术属性】
技术研发人员：李暾，李鑫，苟燕，李茜，王蓉，贾朝龙，肖云鹏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。