基于混合特征学习的微博转发预测方法

发布时间：2017-11-14 05:02

  本文关键词：基于混合特征学习的微博转发预测方法

  更多相关文章： 微博 混合特征学习 转发预测

【摘要】：微博转发预测是研究信息传播的关键问题之一,对于舆情监控、广告投放、商业决策具有重要意义。用户兴趣、微博作者影响力及微博内容等信息均影响信息传播过程。转发行为预测的挑战性问题在于如何捕获更多有意义的影响因素以提高预测性能。提出基于混合特征学习的转发预测方法,该方法首先引入并分析了局部社会影响力特征、用户特征、微博内容特征的计算方法;接着,基于分类器建立预测模型;最后,比较了不同类型微博的转发预测效果。在新浪微博平台数据的实验结果表明,局部社会影响力特征、用户特征、微博内容特征都对转发预测有较大影响,其中微博内容特征的影响最大。随机森林预测效果最好,准确率达到83.1%;与朴素贝叶斯、逻辑回归、支持向量机模型相比,准确率平均提高约7.4%,最高提高约10.8%。另外,该方法对自然灾害、环境、审判、维权等类型的微博进行转发预测时,效果更加明显,说明这类事件转发的规律性更强。
【作者单位】： 上海数据分析与处理技术研究所;中国科学院自动化研究所复杂系统管理与控制国家重点实验室;
【分类号】：TP391.1
【正文快照】： 0引言 随着Web2.0技术的快速发展,以微博等为代表的社会媒体平台以其内容丰富、交互性强、实时便捷等特点深受用户喜爱。截至2015年9月30日,国内最大的微博平台之一的新浪微博的月活跃人数达到2.22亿,较2014年同期相比增长33%,日活跃用户达到1亿,较去年同期增长30%。可见,微

【相似文献】

中国期刊全文数据库 前8条

1 陈婵娟;陈巧莲;;高职《Pro/ENGINEER》课程“平行混合特征”课堂设计方案[J];课程教育研究;2013年02期

2 王松伟;薛淑磊;;基于混合特征提取的易混淆三维目标识别研究[J];计算机测量与控制;2008年07期

3 邢玉娟;李恒杰;胡建军;王万军;;改进混合特征模型聚类的文本情感分类算法研究[J];中北大学学报(自然科学版);2014年01期

4 王琪;彭进业;郭珊珊;;一种基于混合特征核的图像检索方法[J];计算机工程与应用;2012年15期

5 高鹏毅;陈传波;张葵;朱力;胡迎松;李丹;;一种使用多Filter初始化GA种群的混合特征选择模型[J];小型微型计算机系统;2012年11期

6 赵超;方向忠;;基于文字混合特征的视频文本定位研究[J];微计算机信息;2009年18期

7 岳鹏;彭进业;李大湘;任璇;;基于混合特征的多车牌快速定位算法[J];现代电子技术;2010年08期

8 ;[J];;年期

中国重要会议论文全文数据库 前1条

1 雷静;孙明波;王振国;;超声速来流单孔燃料横向喷射流动混合特征的实验研究[A];第二届高超声速科技学术会议会议日程及摘要集[C];2009年

中国博士学位论文全文数据库 前1条

1 黄灿;光滑粒子动力学方法若干关键数值问题的研究[D];北京理工大学;2016年

中国硕士学位论文全文数据库 前5条

1 王伟杰;基于混合特征的移动增强现实技术研究[D];浙江大学;2015年

2 高翔;基于混合特征的微博信息分类方法研究[D];北京工业大学;2013年

3 韩新伟;基于混合特征的模糊聚类技术研究[D];山西大学;2008年

4 任绍刚;基于混合特征的视频结构化与摘要提取技术研究[D];华中科技大学;2008年

5 林振飞;基于混合特征的中文文本分类研究[D];东北大学;2012年

，

本文编号：1183935