面向不平衡微博数据集的转发行为预测方法

发布时间：2017-10-27 01:03

  本文关键词：面向不平衡微博数据集的转发行为预测方法

  更多相关文章： 集合与微博主题词集合之间的相似度计算采用向 微博 转发预测 不均匀数据集 过采样 随机森林

【摘要】：针对微博转发预测方法研究中的数据集不平衡问题,提出了一种融合过采样技术和随机森林(RF)算法的微博转发行为预测方法。首先,定义了个体信息、社交关系和微博主题3类与微博转发行为相关的特征,并基于信息增益算法实现了关键特征选取;其次,综合微博特征数据的特点来改进少数类样本合成过采样技术(SMOTE),对原始数据集进行非参数概率分布估计,并根据近似概率分布对数据集进行过采样处理,从而使正反例数据量达到平衡;最后,利用随机森林算法,依据微博转发关键特征进行分类器训练,并利用袋外(OOB)数据误差估计来分析和设置随机森林算法的相关参数。通过与基于决策树(DT)、支持向量机(SVM)、朴素贝叶斯(NB)和随机森林等算法的微博转发预测方法进行对比,所提方法整体性能优于基准方法中性能最优的SVM方法,召回率提高了8%,F值提高了5%。实验结果表明,所提方法在实际应用中能够有效提高微博转发行为预测的准确率。
【作者单位】： 西安建筑科技大学管理学院;
【关键词】： 集合与微博主题词集合之间的相似度计算采用向 微博 转发预测 不均匀数据集 过采样 随机森林
【基金】：国家自然科学基金资助项目(61272458)
【分类号】：TP393.092
【正文快照】： 0引言作为一种基于用户关系的互联网信息传播媒介,微博传播具有时效性、随机性、自主性等特点,目前已成为互联网舆情扩散的主要方式,是网络大数据研究领域的焦点[1]。以腾讯微博为例,截止到2012年底,注册用户数量已达到5.4亿人次,全年的热门微博创建数达2 000万[2]。转发是构

【参考文献】

中国期刊全文数据库 前9条

1 于化龙;高尚;赵靖;秦斌;;基于过采样技术和随机森林的不平衡微阵列数据分类方法研究[J];计算机科学;2012年05期

2 张e，

本文编号：1101214