本文關鍵詞：基于混合特征學習的微博轉(zhuǎn)發(fā)預測方法

  更多相關文章： 微博 混合特征學習 轉(zhuǎn)發(fā)預測

【摘要】：微博轉(zhuǎn)發(fā)預測是研究信息傳播的關鍵問題之一,對于輿情監(jiān)控、廣告投放、商業(yè)決策具有重要意義。用戶興趣、微博作者影響力及微博內(nèi)容等信息均影響信息傳播過程。轉(zhuǎn)發(fā)行為預測的挑戰(zhàn)性問題在于如何捕獲更多有意義的影響因素以提高預測性能。提出基于混合特征學習的轉(zhuǎn)發(fā)預測方法,該方法首先引入并分析了局部社會影響力特征、用戶特征、微博內(nèi)容特征的計算方法;接著,基于分類器建立預測模型;最后,比較了不同類型微博的轉(zhuǎn)發(fā)預測效果。在新浪微博平臺數(shù)據(jù)的實驗結(jié)果表明,局部社會影響力特征、用戶特征、微博內(nèi)容特征都對轉(zhuǎn)發(fā)預測有較大影響,其中微博內(nèi)容特征的影響最大。隨機森林預測效果最好,準確率達到83.1%;與樸素貝葉斯、邏輯回歸、支持向量機模型相比,準確率平均提高約7.4%,最高提高約10.8%。另外,該方法對自然災害、環(huán)境、審判、維權(quán)等類型的微博進行轉(zhuǎn)發(fā)預測時,效果更加明顯,說明這類事件轉(zhuǎn)發(fā)的規(guī)律性更強。
【作者單位】： 上海數(shù)據(jù)分析與處理技術研究所;中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室;
【分類號】：TP391.1
【正文快照】： 0引言 隨著Web2.0技術的快速發(fā)展,以微博等為代表的社會媒體平臺以其內(nèi)容豐富、交互性強、實時便捷等特點深受用戶喜愛。截至2015年9月30日,國內(nèi)最大的微博平臺之一的新浪微博的月活躍人數(shù)達到2.22億,較2014年同期相比增長33%,日活躍用戶達到1億,較去年同期增長30%�？梢�,微

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 陳嬋娟;陳巧蓮;;高職《Pro/ENGINEER》課程“平行混合特征”課堂設計方案[J];課程教育研究;2013年02期

2 王松偉;薛淑磊;;基于混合特征提取的易混淆三維目標識別研究[J];計算機測量與控制;2008年07期

3 邢玉娟;李恒杰;胡建軍;王萬軍;;改進混合特征模型聚類的文本情感分類算法研究[J];中北大學學報(自然科學版);2014年01期

4 王琪;彭進業(yè);郭珊珊;;一種基于混合特征核的圖像檢索方法[J];計算機工程與應用;2012年15期

5 高鵬毅;陳傳波;張葵;朱力;胡迎松;李丹;;一種使用多Filter初始化GA種群的混合特征選擇模型[J];小型微型計算機系統(tǒng);2012年11期

6 趙超;方向忠;;基于文字混合特征的視頻文本定位研究[J];微計算機信息;2009年18期

7 岳鵬;彭進業(yè);李大湘;任璇;;基于混合特征的多車牌快速定位算法[J];現(xiàn)代電子技術;2010年08期

8 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 雷靜;孫明波;王振國;;超聲速來流單孔燃料橫向噴射流動混合特征的實驗研究[A];第二屆高超聲速科技學術會議會議日程及摘要集[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 黃燦;光滑粒子動力學方法若干關鍵數(shù)值問題的研究[D];北京理工大學;2016年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 王偉杰;基于混合特征的移動增強現(xiàn)實技術研究[D];浙江大學;2015年

2 高翔;基于混合特征的微博信息分類方法研究[D];北京工業(yè)大學;2013年

3 韓新偉;基于混合特征的模糊聚類技術研究[D];山西大學;2008年

4 任紹剛;基于混合特征的視頻結(jié)構(gòu)化與摘要提取技術研究[D];華中科技大學;2008年

5 林振飛;基于混合特征的中文文本分類研究[D];東北大學;2012年

，

本文編號：1183935