社交網(wǎng)絡(luò)中轉(zhuǎn)發(fā)預(yù)測的研究.pdf

1、隨著信息技術(shù)的迅猛前進，以及世界范圍內(nèi)寬帶的普及、移動終端的智能化，越來越多的人通過社交媒體（Social Media）獲取、發(fā)布信息。各種社交媒體的應(yīng)運而生，在很大程度上改變了人們的交流方式，憑借其超高的用戶參與性，將大量用戶聚集在社交網(wǎng)絡(luò)中。同時微博平臺的迅速興起，社交網(wǎng)絡(luò)中傳播的信息量也迅速膨脹，掌握信息在社交網(wǎng)絡(luò)中的傳播規(guī)模對輿情預(yù)警、企業(yè)宣傳都有重大影響，因此，如何有效的預(yù)測社交網(wǎng)絡(luò)中信息的傳播規(guī)模、掌握傳播規(guī)律成為各界關(guān)心的

2、熱點問題。
　　轉(zhuǎn)發(fā)預(yù)測是指通過預(yù)測信息在社交網(wǎng)絡(luò)中的轉(zhuǎn)發(fā)次數(shù)來推測目標(biāo)信息的傳播規(guī)模，當(dāng)前在轉(zhuǎn)發(fā)預(yù)測研究領(lǐng)域，主要有基于傳播樹建模以及基于機器學(xué)習(xí)理論建模兩種不同的研究角度，其中基于機器學(xué)習(xí)理論建模的方法在處理海量信息方面擁有巨大優(yōu)勢，因此本文從這一角度出發(fā)進行轉(zhuǎn)發(fā)預(yù)測的研究，主要研究內(nèi)容有以下幾個部分：
　　首先，根據(jù)調(diào)研結(jié)果，選用了用戶特征、文本特征、時間特征以及元特征四種微博信息特征，并著重研究了基于 LDA主題模型

3、微博文本主題的提取方法。由實驗結(jié)果得到，針對本文實驗數(shù)據(jù)集，LDA主體模型的最優(yōu)主題個數(shù)為80。
　　其次，鑒于構(gòu)建傳播樹的時間復(fù)雜度和空間復(fù)雜度都非常高，提出了將社交網(wǎng)絡(luò)中的信息“串行化”后進行轉(zhuǎn)發(fā)預(yù)測。分別基于邏輯回歸和支持向量機建立了二項分類轉(zhuǎn)發(fā)預(yù)測模型，由于訓(xùn)練集較大，在建模過程中均進行了并行化處理。實驗結(jié)果顯示，基于邏輯回歸的分類模型預(yù)測精度比支持向量機分類模型稍高。
　　最后，為了更加精準(zhǔn)的預(yù)測信息在社交網(wǎng)絡(luò)中的