EBSN中基于自激霍克斯過程的組流行度預測研究.pdf

1、近年來，曾占據生活中重要地位的傳統(tǒng)在線社交網絡已不再能滿足人們對社交行為的進一步需求。因此，帶有特殊功能的新型異構社交網絡——基于活動的社交網絡(Event-based Social Network，EBSN)應運而生。EBSN不僅為用戶提供了交流思想、分享經歷的在線平臺，并且以組為單位幫助用戶參與線下面對面的社交活動。
　　隨著EBSN的不斷發(fā)展，EBSN也受到了學者們的廣泛關注。在EBSN所涉及到的一系列研究中，相比于內容推薦

2、等方面的研究工作，人們有時候則更關注于其網絡中相關內容流行度的分析及預測。因此，本文以在EBSN中占據重要地位的組為研究對象，并針對組的流行度預測問題進行研究，在相關分析工作的基礎上提出組流行度預測算法用以解決該問題。
　　首先，本文在分析真實數據的基礎上給出EBSN中組流行度的相關定義并構建EBSN異構社交網絡模型。而后基于組流行度定義和EBSN網絡模型，本文從組的固有特性、組歷史發(fā)展趨勢、內部情感特征以及外部動態(tài)特征四個角度出

3、發(fā)，分別進行分析并提取其對應的特征值，進而構建基于自激霍克斯過程的組流行度預測模型。
　　其次，本文針對EBSN中的組流行度預測問題采用隨機過程的建模思想設計一種基于自激霍克斯過程的組流行度預測算法(EBSN-Hawkes Process Algorithm，EHP)。該算法不僅考慮到EBSN中組的固有特性及其歷史趨勢對組流行度預測所產生的影響，并且還融入用戶評論活動對應的內部情感因素以及組中新加入用戶對應的外部動態(tài)因素的貢獻以提