社交网络中内容流行度的预测方法研究

发布时间：2021-01-15 22:10

　　社交网络的兴起变革了人们沟通交流、分享信息的方式和渠道,正逐步成为信息时代的主流传播媒介,其活跃用户规模和用户生成内容均呈爆发性增长。内容流行度是网络用户群聚行为的体现,反映信息的扩散范围和影响深度,对其预测具有重要的理论意义和实用价值,已经受到大量研究者的关注。然而,社交网络中丰富的交互模式和内容模态,爆炸的信息裂变速度,均对预测方法的时效性、适用性提出更高的要求;同时,参与主体的能动性和强异质性,线下真实社会对线上虚拟网络的映射作用,均增强了网络的随机性、动态性及不确定性,为描绘用户微观交互行为和揭示内容流行度增长机制带来难题。鉴于此,本文结合交叉学科的思想和方法,对社交网络内容的流行度最终规模、流行度演化趋势、级联增量、流行度排序等预测问题进行了深入研究,重点研究了历史观察窗口的自适应问题,考察了模型刻画能力和预测能力之间的平衡机理,研究了流行度关联特征在不同维度的筛选、提取、融合策略,探讨了用户交互方式对聚合网络微观偏好的作用机制。论文工作有助于了解社交网络中信息传播扩散的过程,加深对网络上的复杂群体行为的认识,提高流行度分析预测的自动化及智能化水平。论文的研究工作得到国家自然... 

【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校

【文章页数】：134 页

【学位级别】：博士

【文章目录】：
致谢
中文摘要
ABSTRACT
1 绪论
    1.1 研究背景与选题意义
        1.1.1 研究背景
        1.1.2 选题意义
    1.2 研究方法及现状
        1.2.1 研究方法
        1.2.2 流行度预测任务
        1.2.3 特征驱动类预测
        1.2.4 生成模型类预测
    1.3 论文的主要研究内容和创新点
    1.4 论文的结构
2 流行度最终规模预测
    2.1 引言
    2.2 社交网络转发级联建模
        2.2.1 社交网络内容流行度增长机制
        2.2.2 自激励点过程建模
    2.3 社交网络内容最终流行度预测
        2.3.1 转发级联模型参数估计
        2.3.2 挖掘自适应观测区间
        2.3.3 预测
    2.4 模型实验与评估
        2.4.1 数据集
        2.4.2 自适应观测区间验证分析
        2.4.3 对比模型与评估指标
        2.4.4 预测性能比较
    2.5 本章小结
3 流行度演化趋势预测
    3.1 引言
    3.2 基于自激励点过程的流行度演化预测
        3.2.1 模型
        3.2.2 模型实验与评估
    3.3 基于时间序列的流行度演化预测
        3.3.1 基于时间序列的流行度演化预测问题
        3.3.2 基于时间序列的组合预测模型
        3.3.3 模型实验与评估
    3.4 本章小结
4 基于时空耦合的级联增量预测
    4.1 引言
    4.2 具有时空耦合特性的级联预测问题
    4.3 基于时空耦合的注意力机制神经网络
        4.3.1 时空特性嵌入层
        4.3.2 时空耦合机制
        4.3.3 预测输出模块
    4.4 模型实验与评估
        4.4.1 实验设置
        4.4.2 实验结果
    4.5 本章小结
5 相对流行度预测
    5.1 引言
    5.2 二部图建模
    5.3 正则化框架
        5.3.1 正则化框架构造
        5.3.2 正则化框架求解
    5.4 模型实验与评估
        5.4.1 实验设置
        5.4.2 实验结果
    5.5 本章小结
6 总结与展望
    6.1 论文总结
    6.2 研究展望
参考文献
作者简历
学位论文数据集


【参考文献】：
博士论文
[1]社交网络中信息传播模式及话题趋势预测研究[D]. 程军军.北京交通大学 2013



本文编号：2979599