基于用户兴趣特征的微博信息传播预测方法研究

发布时间：2024-05-14 18:29

　　微博是一种基于相关关系、信息共享、传播和注册用户获取信息的移动信息平台。微博传播的速度和形式与电视新闻、报纸等传统的媒介传播方式都大不相同,微博更为简单、迅速、快捷、清晰地表述了事件的整个过程。截至2019年3月,微博活跃注册用户已远比同季度社交网络平台用户多。转发微博是信息在微博传播的主要途径之一。对微博转发进行预测在信息推荐、广告信息精准投放、突发事件预警等方向有重大作用。针对基于用户兴趣特征的文本分类问题应用TF-IDF算法融合LDA主题模型的方法来解决,TF-IDF算法用来提取一篇文章或者文本中单词的重要程度,将不重要的单词加入到停用词中。在一篇文章或文本中一些不重要的但是出现次数特别多的词汇比如“的、地”等这些词会直接影响对词的分析,通过IDF算法在语料库中出现次数虽然非常多但是会使词语重要度降低。TF的值越大代表在文章中该词出现频率越大,证明词越能代表文章主旨,IDF值越小说明在待研究语料库中总个数越少,证明词越重要以此筛选出真正的高频并且能代表文章主旨的词。本文将应用TF-IDF算法融合LDA主题模型。用TF-IDF算法提取的停用词融入到LDA主题判定模型中来提取单词序列...

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 论文的选题背景及意义
    1.2 国内外研究历史及现状
    1.3 论文的主要内容
2 信息传播模型及相关技术
    2.1 信息传播模型
        2.1.1 信息传播模型
        2.1.2 信息传播模型基本要素
        2.1.3 微博信息传播模型
    2.2 相关技术支撑
    2.3 本章小结
3 微博兴趣特征提取方法
    3.1 微博内容介绍
    3.2 微博数据采集
        3.2.1 数据采集工具
        3.2.2 数据存储
    3.3 微博内容兴趣特征提取方法
        3.3.1 微博信息处理
        3.3.2 文本向量化
        3.3.3 微博兴趣特征提取方法
        3.3.4 微博兴趣特征提取算法设计
    3.4 实验结果
    3.5 本章小结
4 基于用户兴趣特征的微博转发预测方法
    4.1 微博转发预测因素
    4.2 基于用户兴趣特征的微博转发模型
    4.3 基于用户兴趣特征转发预测算法
        4.3.1 数据处理
        4.3.2 转发指标
        4.3.3 基于用户兴趣特征微博转发预测算法设计
    4.4 算法结果及实验分析
    4.5 本章小结
5 结论
    5.1 结论
    5.2 展望
参考文献
致谢



本文编号：3973330