基于用户角色分析的微博传播效果预测研究

发布时间：2020-04-30 12:53

【摘要】：微博作为一种新兴的传播媒体,其强大的传播效果改变了媒体传统的信息传播方式,带来了信息传播领域的一场革命。微博的传播效果研究对于提高网络营销效率和增强舆情预警能力具有重要意义。然而,已有传播效果研究缺少对用户差异性的全面考虑,而用户作为网络中信息的提供者和传播主体,其角色差异对信息传播效果的影响十分巨大。为此,课题依托国家863计划项目,针对基于用户角色分析的微博传播效果预测展开研究。本文通过分析影响信息传播的用户角色,从影响力和信息传播作用两个角度展开对用户角色的研究。并在此基础上针对微博转发规模和传播深度两个评价指标定量地预测微博传播效果。本文的主要工作如下:1、提出了一种基于用户行为综合分析的微博用户影响力评价模型。针对当前影响力评价方法对用户连接关系和行为考虑不全面的问题,本文采用用户活跃度和互动情况对用户连接关系进行筛选,然后通过对转发、评论和提及三种行为的分析,运用统计方法度量不同行为对用户传播影响力的贡献,提出一种基于多行为权值融合分配的改进Page Rank算法对微博用户的传播影响力进行定量地计算。在新浪微博数据上的实验结果表明该方法能更准确地挖掘出高影响力用户。2、提出了一种基于网络结构特征的用户角色划分模型。当前角色研究存在对用户在信息传播中的作用刻画不准确的问题,针对此不足本文在用户自身特征的基础上,加入融合邻居节点属性的相关网络结构特征来衡量目标用户的次级传播能力。并结合微博网络信息转发传播特点改进了K-Means算法,最终从网络全局角度将用户划分为普通用户、桥用户和核心用户三类。通过新浪微博数据集上的实验表明,该模型能更准确地从信息传播能力角度对用户角色进行区分。3、提出了一种基于用户转发行为分析的微博传播效果预测模型。针对当前传播效果预测研究对用户差异考虑不全面的问题,本文通过分析个体转发动因,从用户自身、用户关系和微博信息三方面提取了包含角色属性在内的12个相关特征用于转发行为预测,并结合逻辑回归(Logistic Regression,LR)方法提出了转发行为发生的概率预测模型。在此基础上,利用信息沿用户连接关系转发传播的特点,建立了基于转发概率分析的转发规模和传播深度预测模型。在新浪微博数据集上的实验表明转发行为、转发规模和传播深度的预测模型都具有较精确的预测效果。最后借助融合转发概率的SIR模型对划分的三类用户进行信息传播能力分析,仿真结果验证了核心用户的信息传播效果最好,其次为桥用户和普通用户。
【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：G206

【相似文献】