基于轉(zhuǎn)發(fā)習(xí)慣的微博用戶轉(zhuǎn)發(fā)行為預(yù)測研究
發(fā)布時間:2021-04-20 03:21
隨著微博用戶規(guī)模的不斷攀升,微博已經(jīng)逐漸成為信息傳播的重要載體。微博信息傳播的主要方式是轉(zhuǎn)發(fā)行為,預(yù)測用戶的轉(zhuǎn)發(fā)行為可以幫助理解微博的信息傳播方式,并且對網(wǎng)絡(luò)營銷及輿情監(jiān)測等領(lǐng)域的應(yīng)用具有重要意義,F(xiàn)有的轉(zhuǎn)發(fā)行為預(yù)測方法,大多從兩種角度來考慮轉(zhuǎn)發(fā)行為的影響因素:轉(zhuǎn)發(fā)者和發(fā)布者。從轉(zhuǎn)發(fā)者角度考慮的影響因素效果較好,但影響因素的準(zhǔn)確提取仍有待提高;從發(fā)布者角度考慮的影響因素未體現(xiàn)轉(zhuǎn)發(fā)者之間的個體差異性,直接用于特定用戶的轉(zhuǎn)發(fā)行為預(yù)測效果不夠理想。為解決此問題,提出一種基于轉(zhuǎn)發(fā)習(xí)慣的微博用戶轉(zhuǎn)發(fā)行為預(yù)測方法。首先,對影響因素進(jìn)行改進(jìn),從轉(zhuǎn)發(fā)行為習(xí)慣、轉(zhuǎn)發(fā)對象習(xí)慣和轉(zhuǎn)發(fā)內(nèi)容習(xí)慣三個方面挖掘用戶的轉(zhuǎn)發(fā)習(xí)慣,更加準(zhǔn)確地描述用戶的轉(zhuǎn)發(fā)特性。然后,利用機(jī)器學(xué)習(xí)的分類算法來實現(xiàn)微博轉(zhuǎn)發(fā)行為預(yù)測,并通過實驗驗證了方法的有效性。論文的主要工作包括兩個方面:(1)挖掘用戶的轉(zhuǎn)發(fā)習(xí)慣。首先,分析了轉(zhuǎn)發(fā)行為的影響因素,并將他們劃分為用戶的行為特征、用戶的社交傾向和用戶的內(nèi)容偏好三個方面。然后,提出了轉(zhuǎn)發(fā)習(xí)慣的概念,并分別給出了轉(zhuǎn)發(fā)行為習(xí)慣、轉(zhuǎn)發(fā)對象習(xí)慣、轉(zhuǎn)發(fā)內(nèi)容習(xí)慣的挖掘方法。其中,轉(zhuǎn)發(fā)行為習(xí)慣考慮了用戶本身的轉(zhuǎn)...
【文章來源】:河北大學(xué)河北省
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 相關(guān)研究現(xiàn)狀
1.2.1 微博用戶行為分析
1.2.2 微博用戶之間的關(guān)系強(qiáng)度度量
1.2.3 微博用戶興趣挖掘
1.2.4 微博轉(zhuǎn)發(fā)行為預(yù)測
1.3 研究內(nèi)容
1.4 文章組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
2.1 聚類算法
2.1.1 基于劃分的方法
2.1.2 基于層次的方法
2.1.3 基于密度的方法
2.1.4 基于網(wǎng)格的方法
2.2 向量空間模型
2.2.1 文本預(yù)處理
2.2.2 TF-IDF算法
2.2.3 文檔的向量表示及相似度
2.3 邏輯回歸算法
2.4 本章小結(jié)
第三章 用戶轉(zhuǎn)發(fā)習(xí)慣挖掘
3.1 問題描述與分析
3.1.1 問題描述
3.1.2 從發(fā)布者角度研究的影響因素分析
3.1.3 從轉(zhuǎn)發(fā)者角度研究的影響因素分析
3.1.4 轉(zhuǎn)發(fā)習(xí)慣分析
3.2 轉(zhuǎn)發(fā)行為習(xí)慣挖掘
3.2.1 轉(zhuǎn)發(fā)行為偏好
3.2.2 轉(zhuǎn)發(fā)活躍度
3.3 轉(zhuǎn)發(fā)對象習(xí)慣挖掘
3.3.1 轉(zhuǎn)發(fā)者與發(fā)布者的社交關(guān)系
3.3.2 轉(zhuǎn)發(fā)者對發(fā)布者粉絲數(shù)的偏好
3.3.3 轉(zhuǎn)發(fā)者對發(fā)布者認(rèn)證屬性的偏好
3.4 轉(zhuǎn)發(fā)內(nèi)容習(xí)慣挖掘
3.4.1 轉(zhuǎn)發(fā)者對微博內(nèi)容的興趣
3.4.2 轉(zhuǎn)發(fā)者對內(nèi)容屬性的偏好
3.5 本章小結(jié)
第四章 微博用戶轉(zhuǎn)發(fā)行為預(yù)測實現(xiàn)
4.1 轉(zhuǎn)發(fā)習(xí)慣的量化
4.1.1 轉(zhuǎn)發(fā)行為習(xí)慣的量化
4.1.2 轉(zhuǎn)發(fā)對象習(xí)慣的量化
4.1.3 轉(zhuǎn)發(fā)內(nèi)容習(xí)慣的量化
4.2 轉(zhuǎn)發(fā)預(yù)測方法的實現(xiàn)
4.3 實驗
4.3.1 實驗數(shù)據(jù)采集及預(yù)處理
4.3.2 評價標(biāo)準(zhǔn)
4.3.3 參數(shù)的確定
4.3.4 不同轉(zhuǎn)發(fā)習(xí)慣對預(yù)測準(zhǔn)確性的貢獻(xiàn)
4.3.5 不同轉(zhuǎn)發(fā)預(yù)測方法的比較
4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的科研成果
本文編號:3148878
【文章來源】:河北大學(xué)河北省
【文章頁數(shù)】:58 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
abstract
第一章 緒論
1.1 研究背景及意義
1.2 相關(guān)研究現(xiàn)狀
1.2.1 微博用戶行為分析
1.2.2 微博用戶之間的關(guān)系強(qiáng)度度量
1.2.3 微博用戶興趣挖掘
1.2.4 微博轉(zhuǎn)發(fā)行為預(yù)測
1.3 研究內(nèi)容
1.4 文章組織結(jié)構(gòu)
第二章 相關(guān)理論與技術(shù)
2.1 聚類算法
2.1.1 基于劃分的方法
2.1.2 基于層次的方法
2.1.3 基于密度的方法
2.1.4 基于網(wǎng)格的方法
2.2 向量空間模型
2.2.1 文本預(yù)處理
2.2.2 TF-IDF算法
2.2.3 文檔的向量表示及相似度
2.3 邏輯回歸算法
2.4 本章小結(jié)
第三章 用戶轉(zhuǎn)發(fā)習(xí)慣挖掘
3.1 問題描述與分析
3.1.1 問題描述
3.1.2 從發(fā)布者角度研究的影響因素分析
3.1.3 從轉(zhuǎn)發(fā)者角度研究的影響因素分析
3.1.4 轉(zhuǎn)發(fā)習(xí)慣分析
3.2 轉(zhuǎn)發(fā)行為習(xí)慣挖掘
3.2.1 轉(zhuǎn)發(fā)行為偏好
3.2.2 轉(zhuǎn)發(fā)活躍度
3.3 轉(zhuǎn)發(fā)對象習(xí)慣挖掘
3.3.1 轉(zhuǎn)發(fā)者與發(fā)布者的社交關(guān)系
3.3.2 轉(zhuǎn)發(fā)者對發(fā)布者粉絲數(shù)的偏好
3.3.3 轉(zhuǎn)發(fā)者對發(fā)布者認(rèn)證屬性的偏好
3.4 轉(zhuǎn)發(fā)內(nèi)容習(xí)慣挖掘
3.4.1 轉(zhuǎn)發(fā)者對微博內(nèi)容的興趣
3.4.2 轉(zhuǎn)發(fā)者對內(nèi)容屬性的偏好
3.5 本章小結(jié)
第四章 微博用戶轉(zhuǎn)發(fā)行為預(yù)測實現(xiàn)
4.1 轉(zhuǎn)發(fā)習(xí)慣的量化
4.1.1 轉(zhuǎn)發(fā)行為習(xí)慣的量化
4.1.2 轉(zhuǎn)發(fā)對象習(xí)慣的量化
4.1.3 轉(zhuǎn)發(fā)內(nèi)容習(xí)慣的量化
4.2 轉(zhuǎn)發(fā)預(yù)測方法的實現(xiàn)
4.3 實驗
4.3.1 實驗數(shù)據(jù)采集及預(yù)處理
4.3.2 評價標(biāo)準(zhǔn)
4.3.3 參數(shù)的確定
4.3.4 不同轉(zhuǎn)發(fā)習(xí)慣對預(yù)測準(zhǔn)確性的貢獻(xiàn)
4.3.5 不同轉(zhuǎn)發(fā)預(yù)測方法的比較
4.4 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間取得的科研成果
本文編號:3148878
本文鏈接:http://www.sikaile.net/guanlilunwen/ydhl/3148878.html
最近更新
教材專著