微博用户转发行为及情感预测研究

发布时间：2017-08-11 19:31

  本文关键词：微博用户转发行为及情感预测研究

  更多相关文章： 用户行为分析 转发行为预测 主题模型 微博情感预测

【摘要】：在社会计算的研究中,用户行为分析主要是针对被观察对象的历史行为并预测其未来行为,这项研究在社会计算应用中发挥了关键作用。微博中的转发行为是用户行为中一种出现频度很高的行为,也是微博平台上信息传播的最主要方式,因此研究微博用户的转发行为对理解重要信息的传播方式、热点事件的发现、个性化的信息推荐等都有着重要意义。本文以微博用户的转发行为作为研究对象,模拟用户转发微博时的阅读习惯,从微博、用户和用户与微博的关系三个角度分析了影响转发行为的因素,利用这些影响因素作为特征,建立分类模型,预测用户对哪些信息进行转发。我们进行特征组合实验验证各类影响因素对转发行为预测的作用,其中,用户历史发布的微博体现了用户的兴趣,对转发行为预测起到了关键的作用,本文利用用户历史与微博的关系提出了两种预测方法:基于词向量笛卡尔积的方法和基于主题模型的相似度计算方法。实验结果表明两种方法对于转发请问预测均起到一定效果。其中,笛卡尔积方法预测转发行为的F1值最高为71.33%。我们还尝试了在基于主题模型的特征表示法中融入情感特征,实验结果表明,该方法对转发行为预测也可以起到一定的作用,预测结果F1值为69.97%。本文进一步提出了转发情感预测的问题,并提出了一个初步的解决方法。我们对转发微博的情感极性进行自动标注,并利用用户转发情感和微博评论情感相对稳定的特点,预测用户在转发微博后,附加的评论内容的情感极性。实验结果表明,该方法对转发信息的情感预测取得了较好的效果,预测正确率为64.11%。
【关键词】：用户行为分析 转发行为预测 主题模型 微博情感预测
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092;TP391.1
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 绪论8-16
• 1.1 课题背景及研究的目的和意义8-9
• 1.2 国内外研究现状9-14
• 1.2.1 基于微博的预测研究9-10
• 1.2.2 微博转发行为预测10-12
• 1.2.3 情感分析技术在微博预测中的应用12-14
• 1.3 本文的主要研究内容14-16
• 第2章 用户转发行为影响因素研究16-28
• 2.1 引言16
• 2.2 微博用户转发行为预测16-20
• 2.2.1 研究问题定义16-17
• 2.2.2 研究方法概述17-18
• 2.2.3 特征分析18-20
• 2.3 实验结果和分析20-27
• 2.3.1 实验数据及实验设置20-23
• 2.3.2 实验结果及分析23-27
• 2.4 本章小结27-28
• 第3章 基于主题模型的用户转发行为预测研究28-38
• 3.1 引言28
• 3.2 LDA模型简介28-30
• 3.3 基于LDA模型的用户转发行为预测30-33
• 3.3.1 研究方法概述30-31
• 3.3.2 特征抽取31
• 3.3.3 情感标注31-32
• 3.3.4 LDA建模32-33
• 3.3.5 用户历史与微博相似性33
• 3.4 实验结果和分析33-37
• 3.4.1 实验数据及实验设置33-34
• 3.4.2 实验结果及分析34-37
• 3.5 本章小结37-38
• 第4章 微博用户转发情感预测研究38-47
• 4.1 引言38-39
• 4.2 用户转发信息的情感预测39-42
• 4.2.1 研究问题定义39
• 4.2.2 方法概述39-40
• 4.2.3 情感分类40-41
• 4.2.4 特征分析41-42
• 4.3 实验结果和分析42-45
• 4.3.1 实验数据及实验设置42-43
• 4.3.2 实验结果及分析43-45
• 4.4 本章小结45-47
• 结论47-49
• 参考文献49-55
• 攻读硕士学位期间发表的论文55-57
• 致谢57

【参考文献】

中国博士学位论文全文数据库 前1条

1 韩毅;社会网络分析与挖掘的若干关键问题研究[D];国防科学技术大学;2011年

中国硕士学位论文全文数据库 前1条

1 姚海波;微博热点话题检测与趋势预测研究[D];华南理工大学;2013年

，

本文编号：657934