基于LDA和隨機森林的活躍微博預(yù)測研究.pdf

1、隨著移動互聯(lián)網(wǎng)的快速發(fā)展，微博以其豐富及時的信息、舒適的用戶體驗在人們的生活中被廣泛應(yīng)用。微博已經(jīng)成為人們信息交流、展示自我的一個重要平臺。當下，微博平臺的用戶規(guī)模巨大，而且涵蓋的社會階層十分廣泛。微博用戶每天在微博平臺產(chǎn)生海量內(nèi)容，這些內(nèi)容既有普通民眾對日常生活的記錄分享，也有政府、企業(yè)以及其他組織發(fā)布的關(guān)于社會事務(wù)的公告?？偟膩碚f，對社會熱點事件的關(guān)注與探討才是微博平臺的主流，從這個意義來說，微博是當下社會的一個縮影。鑒于微博平臺如

2、此巨大的社會影響力，微博活躍內(nèi)容的及時掌控對微博平臺的內(nèi)容分發(fā)控制、網(wǎng)絡(luò)輿情管理有著及其重要的理論意義和應(yīng)用價值。
　　目前微博預(yù)測已經(jīng)成為研究熱點，其涉及的范疇也非常廣泛。本文就活躍微博的預(yù)測進行了研究，研究的主要內(nèi)容包括研究問題建模和解決問題的基于LDA和隨機森林的活躍微博預(yù)測模型。
　　對于研究問題建模，本文首先分析了和微博“互動”相關(guān)的三個操作（點贊、轉(zhuǎn)發(fā)、評論），并通過權(quán)重求解的方式構(gòu)建了微博互動的數(shù)學(xué)模型;然后本

3、文分析了微博活躍度和互動值以及微博活躍度與粉絲數(shù)之間的相關(guān)性;最后給出了微博是否活躍的數(shù)學(xué)判定模型。
　　對于活躍微博預(yù)測模型，本文首先根據(jù)影響微博活躍因素的分析以及研究特體的特殊性分析，設(shè)計了爬蟲并爬取了相關(guān)微博數(shù)據(jù)。然后基于預(yù)處理后的數(shù)據(jù)集，本文利用微博活躍判定模型對微博是否活躍進行標注，構(gòu)造特征集。接著本文使用LDA建模的方式的對微博博文的主題進行發(fā)掘，經(jīng)過Gibbs采樣之后獲得文檔-主題的概率分布矩陣，概率矩陣經(jīng)過離散化處