多话题竞争情境下网民关注度转移预测模型研究

发布时间：2021-02-17 09:15

　　【目的/意义】对网民的关注度转移行为进行分析预测,揭示影响网民关注度的关键因素,描述舆情事件之间的竞争机理,以提升政府及企业的舆情应对能力。【方法/过程】以微博为数据源,从用户、时间、话题类别、竞争传播特性等方面选取13个特征,构建基于随机森林算法的网民关注度转移行为预测模型,利用84 168条原始微博数据进行实证分析。【结果/结论】预测模型的准确率达到84.5%,能较好地预测微博用户关注度转移行为。对各项特征的重要性和影响力倾向分析发现,在微博用户关注度转移行为中用户特征最为重要,其次是时间特征和竞争程度特征,话题类别特征重要性最低。 

【文章来源】：情报科学. 2020,38(10)北大核心CSSCI

【文章页数】：8 页

【部分图文】：

话题“小米”微博数量曲线图

参照3.4.1节所述的指标，通过WEKA输出基于平均不纯度减少的特征重要性排序，结果如表4所示，括号中为随机森林中使用该特征的节点数。由此排序及重要性值可以看到，用户本身的特征重要性是最高的，其中用户对初始话题的关注程度最为重要，表现出用户对某个话题兴趣高低对该用户的注意力是否转移起到了极大的作用，其次则是用户的微博使用活跃程度以及用户类别，它们的重要性都较高。接下来的时间特征和竞争程度特征重要性相差不大，重要性最低的是话题类别，可以看出，要判断用户注意力是否从某个话题转移，该话题自身的类别属性相对不那么重要，关键还是在于用户本身的特征以及时间、其他话题的竞争等外在影响。

【参考文献】：
期刊论文
[1]恐怖事件情境下微博影响力的预测及演化[J]. 安璐,易兴悦,孙冉.  图书情报知识. 2019(04)
[2]基于舆情大数据的网民关注度转移模型研究[J]. 兰月新,刘冰月,张鹏,夏一雪,刘茉,连芷萱.  现代情报. 2018(10)
[3]信息传播平台对网络舆情热度的影响分析[J]. 林萍,解一涵,魏静.  现代情报. 2018(05)
[4]基于BP神经网络的突发传染病舆情热度趋势预测模型研究[J]. 曾子明,黄城莺.  现代情报. 2018(05)
[5]基于改进SIR模型的群体意见竞争演化研究[J]. 王长峰,庄文英,于长钺.  情报杂志. 2017(10)
[6]基于干扰相似度的多话题演化模型[J]. 陈叶斐,张学军,黄卫东.  电信科学. 2017(09)
[7]融合异常检测与随机森林的微博转发行为预测方法[J]. 周先亭,黄文明,邓珍荣.  计算机科学. 2017(07)
[8]顾及背景知识的多事件序列关联规则挖掘方法[J]. 何占军,邓敏,蔡建南,刘启亮.  武汉大学学报(信息科学版). 2018(05)
[9]基于微博的媒体奇观网络舆情热度趋势分析[J]. 徐旖旎.  情报科学. 2017(02)
[10]在线社会网络中多话题竞态传播分析与建模[J]. 周亚东,刘丽丽,张贝贝,雷蕾.  西安交通大学学报. 2017(02)

硕士论文
[1]社交媒体中微博转发的预测模型研究[D]. 刘刚.北京邮电大学 2015



本文编号：3037770