(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111644632.8 (22)申请日 2021.12.2 9 (71)申请人 深圳市网联安瑞网络科技有限公司 地址 518000 广东省深圳市福田区华 富街 道新田社区深南大道1006号深圳国际 创新中心(福田科技广场)C栋二十二 层 (72)发明人 金平艳　石珺　李志鹏　杨阳朝　 廖勇　 (74)专利代理 机构 广东普润知识产权代理有限 公司 44804 专利代理师 彭海民 (51)Int.Cl. G06Q 10/04(2012.01) G06F 16/951(2019.01)G06F 16/21(2019.01) (54)发明名称 基于用户活跃度网络平台热度信息预测方 法、 系统、 终端 (57)摘要 本发明公开基于用户活跃度网络平台热度 信息预测方法、 系统、 终端， 涉及网络空间认知技 术领域。 利用构建的基于用户活跃度的网络平台 热度影响元素数据库确定用户端追踪账号的活 跃程度信息； 综合网络平台热度影 响元素数据库 的平台热度影 响元素， 并结合确定的所述活跃程 度信息， 构建基于用户活跃度的网络平台热度值 计算的目标函数。 本发明比较两种方法， 两种平 台热度计算方法得到排名是相同的， 即LD热度最 高， 第二DC平台， 第三BK平台， 最后GD平台， 符合 专家经验值； 基于用户活跃度的平台热度计算方 法更能明显区分4大平台的热度排序， 结果值表 明， 本发明提供的一种计算平台热度方法更准 确。 权利要求书3页 说明书6页 附图2页 CN 114511133 A 2022.05.17 CN 114511133 A 1.一种基于用户活跃度网络平台热度信息预测方法， 其特征在于， 所述基于用户活跃 度网络平台热度信息预测方法包括： 利用构建的基于用户活跃度的网络平台热度影响元素数据库确定用户端追踪账号的 活跃程度信息； 综合所述网络平台热度影响元素数据库的平台热度影响元素， 并结合确定的所述活跃 程度信息， 构建基于用户活跃度的网络平台热度值计算的目标函数。 2.根据权利要求1所述的基于用户活跃度网络平台热度信 息预测方法， 其特征在于， 所 述网络平台热度影响元素数据库包括平台每月访问量总和、 全球排名、 点赞数、 年 发帖更新 量以及追踪数 元素； 所述点赞数元素包括活跃 账号点赞数、 不活跃 账号点赞数； 所述年发帖更新 量元素包括： 活跃 账号更新 量、 不活跃 账号更新 量； 所述追踪数 元素包括： 发帖数、 点赞 数、 评论数及转发数。 3.根据权利要求1所述的基于用户活跃度网络平台热度信 息预测方法， 其特征在于， 所 述确定用户端追踪账号的活跃程度信息具体 计算过程包括： 式中， Pi为所有平台当前账号的发帖数， Pmin为所有平台账号发帖数中的最小值， Pmax为 所有平台账号发帖数中的最大值； 同理， Li为所有平台当前账号点赞数， Lmin为所有平台账 号点赞数中最小值， Lmax为所有平台账号点赞数中最大值； Ci为所有平台当前账号评论数， Cmin为所有平台账号评论数中最小值， Cmax为所有平台账号评论数中最大值； FORi为所有平 台当前账号转发数， FORmin为所有平台账号转发数中最小值， FORmax为所有平台账号转发数 中最大值； α、 β 、 γ、 ρ 分别为四个影 响因素的影 响因子， α +β +γ+ρ ＝1， 其中α ＝0.35、 β ＝0.1、 γ＝0.35、 ρ ＝0.2。 4.根据权利要求3所述的基于用户活跃度网络平台热度信 息预测方法， 其特征在于， 账 号活跃度activityi＞0.5为活跃 账号， activityi≤ 0.5为不活跃账号。 5.根据权利要求1所述的基于用户活跃度网络平台热度信 息预测方法， 其特征在于， 结 合用户活跃程度信息， 平台点赞 数量化平台热度值方法包括： 式中， nino为当前平台不活跃账户点赞数； Li为当前平台点赞数， Lmin为平台点赞数中最 小值， Lmax为平台点赞 数中最大值； 结合用户活跃程度信息， 平台年发帖更新 量量化平台热度值方法包括： 综合每月访问量总和、 点赞 数、 年发帖更新 量以及追踪数的平台热度值计算方法包括： 式中， Vi为当前平台每月访问量总和， Vmin为平台每月访问量总和中的最小值， Vmax为平 台每月访问量总和中的最大值； heatiL、 heatiU见上两式； niactivity为当前平台活跃账号数，权　利　要　求　书 1/3 页 2 CN 114511133 A 2Nactivity为所有平台总活跃 账号数； μ1、 μ2、 μ3、 μ4分别为四个影响因素的影响因子， 其中μ1＝0.05、 μ2＝0.15、 μ3＝0.15、 μ4＝ 0.35； 综合全球排名的平台热度值计算方法包括： 式中， Ri为当前平台全球排名， Rmin为平台全球排名最小值， Rmax为平台全球排名最大值， θ 为平台全球排名影响因子； μ1+ μ2+ μ3+ μ4+θ ＝1； θ ＝0.3 。 6.根据权利要求1所述的基于用户活跃度网络平台热度信 息预测方法， 其特征在于， 所 述目标函数为： Hi＝heati1+heati2 式中， Hi为当前平台热度 值； heati1为综合每月访问量总和、 点赞数、 年发帖更新量以及 追踪数的平台热度值； heati2为综合全球排名的平台热度值。 7.一种实施权利要求1～6任意一项所述基于用户活跃度网络平台热度信息预测方法 的基于用户活跃度的网络平台热度信息预测系统， 其特征在于， 所述基于用户活跃度的网 络平台热度信息预测系统包括： 网络平台热度影响元素数据库构建模块， 用于构建基于用户活跃度的网络平台热度影 响元素数据库， 所述网络平台热度影响元素数据库包含平台每月访问量总和、 全球排名、 点 赞数、 年发帖更新量以及 追踪数等元素； 所述点赞数元素包括活跃账号点赞数、 不活跃账号 点赞数； 年 发帖更新量元素包括： 活跃账号更新量、 不活跃账号更新量； 追踪 数元素包括： 发 帖数、 点赞 数、 评论数及转发数； 用户活跃程度获取模块， 用于确定追踪账号的活跃程度； 目标函数构建模块， 用于综合网络平台热度影响元素数据库的平台热度影响元素， 构 建平台热度计算的目标函数； 验证模块， 用于实例验证， 进行符合专 家经验值的准确度分析。 8.一种接收用户输入程序存储介质， 所存储的计算机程序使电子设备执行权利要求1 ～6任意一项所述基于用户活跃度网络平台热度信息预测方法。 9.一种信 息数据处理终端， 其特征在于， 所述信 息数据处理终端包括存储器和处理器， 所述存储器存储有计算机程序， 所述计算机程序被所述处理器执行时， 使得所述处理器执 行如下步骤： 构建基于用户活跃度的网络平台热度影响元 素数据库； 确定追踪账号的活跃程度； 综合网络平台热度影响元素数据库的平台热度影响元素， 构建平台热度计算的目标函 数； 实例验证。 10.一种如权利要求1～6任意一项所述基于用户活跃度网络平台热度信息预测方法在 对帖子内容、 新闻内容热度分析中单个时间点的热度预测与时间段内的热度趋势预测上的权　利　要　求　书 2/3 页 3 CN 114511133 A 3