微博网络话题及用户影响力预测研究

发布时间：2021-01-27 02:51

　　随着Web2.0技术实现的交互,社交网络成为了人们社交中重要的媒介。微博则是当今最受欢迎的社交网络平台之一,凭借其特有的社交模式吸引了海量用户,话题的互动因此变得更加频繁,传播更加广泛高效,为理论研究和应用带来了更多的方向与挑战。微吧是微博中的贴吧,具有主题鲜明,互动性强等特点。为更好的挖掘话题和用户的特性,本文以微吧为研究对象,分别对话题流行度和用户影响力进行预测研究,主要研究内容如下:（1）基于复杂网络建立话题流行度预测模型。通过相关性分析对话题流行度相关特性进行提取并作为输入变量嵌入到网络模型中,通过算法对网络权重的训练,实现话题流行度的预测。在算法的设计中,通过设计交叉策略的自适应机制来加强个体变异过程的监控,并弥补了单一策略在收敛速度和个体扰动上的不足。在参数设计中,围绕算法复杂度理论对交叉概率进行推导,具有一定的理论意义。该模型与神经网络相比,结构上具有相当的灵活性,实验证明,在准确度和稳定性上具有一定优势,且具有较强的自适应性。（2）基于用户行为的社交影响力预测模型。该模型结合微吧用户行为建立复杂网络,通过训练算法的设计实现用户影响力的预测。对于用户影响力,本文主要根据用... 

【文章来源】：上海交通大学上海市 211工程院校 985工程院校 教育部直属院校

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

SVM最优分类超平面

第三章 话题流行度预测模型MLHTTP 对象获取网页的源代码，应用正则规则进行代码串的截取，经过清洗得到最终数据。的模型，从微吧中获取的数据主要分为两类：一类是话题话题题目，表现形式（文字，图片，视频），发布时间，回一类是有关发布者的属性，包括发布者的微吧身份，历史，以及微博关注数，粉丝数，等级和活跃天数。基于上述基建模与流行度预测。

的数据类型和量级不同，为保证模型的进行分类，实现数据的归一化，具体分话题特性，将预测目标作为模型的输出因子对应网络中的一组节点，组内的节复，可以用一个加权全网络来表示，如个输入变量的不同分类，点的个数等于连边，每条连边上赋以权重，取值在 (因素节点间边的数量。


本文编号：3002287