本文選題：微博 + 行為預測　； 參考：《計算機應用》2014年08期

【摘要】：微博的傳播效果研究對于提高市場營銷效率、加強輿情監(jiān)控和準確發(fā)現(xiàn)熱點具有重要作用。針對以前傳播效果研究中未考慮用戶個體差異的問題,提出一種基于行為分析的微博轉(zhuǎn)發(fā)規(guī)模和傳播深度預測方法。從微博用戶自身、用戶關(guān)系和微博內(nèi)容3個方面提取9個相關(guān)特征,結(jié)合邏輯回歸(LR)方法提出一種轉(zhuǎn)發(fā)行為預測模型,并基于此模型結(jié)合信息沿用戶傳播特點,通過逐級對相鄰用戶迭代統(tǒng)計分析得到轉(zhuǎn)發(fā)規(guī)模和傳播深度預測方法。在新浪微博數(shù)據(jù)集上的實驗結(jié)果表明,所提方法對轉(zhuǎn)發(fā)規(guī)模和傳播深度預測的正確率分別約為87.1%和81.6%,能較好地預測出信息傳播效果。
[Abstract]:The research on the communication effect of Weibo plays an important role in improving the marketing efficiency, strengthening the monitoring of public opinion and accurately finding hot spots. Aiming at the problem that the user's individual differences were not taken into account in the previous research on propagation effect, a Weibo forwarding scale and propagation depth prediction method based on behavior analysis was proposed. From three aspects of Weibo user, user relationship and Weibo content, 9 related features are extracted, and a forwarding behavior prediction model is proposed combining with logical regression method. Based on this model, information is transmitted along the user. The prediction method of forwarding scale and propagation depth is obtained by iterative statistical analysis of adjacent users. The experimental results on Sina Weibo dataset show that the accuracy of the proposed method for the prediction of forwarding scale and propagation depth is about 87.1% and 81.6% respectively, which can well predict the effect of information dissemination.
【作者單位】： 國家數(shù)字交換系統(tǒng)工程技術(shù)研究中心;
【基金】：國家863計劃項目(2011AA010603,2011AA010605)
【分類號】：TP393.092

【相似文獻】

相關(guān)期刊論文 前2條

1 鄧蔚;秦志光;劉嶠;程紅蓉;;抗好詞攻擊的中文垃圾郵件過濾模型[J];電子測量與儀器學報;2010年12期

2 陳俊;劉遵雄;;基于非負矩陣分解特征提取的垃圾郵件過濾[J];華東交通大學學報;2010年06期

相關(guān)會議論文 前1條

1 李軍;何曉寧;黃成哲;齊浩亮;雷國華;;基于特征貢獻度的垃圾郵件過濾方法[A];第六屆全國信息檢索學術(shù)會議論文集[C];2010年

相關(guān)博士學位論文 前1條

1 廉捷;基于用戶特征的社交網(wǎng)絡數(shù)據(jù)挖掘研究[D];北京交通大學;2014年

相關(guān)碩士學位論文 前2條

1 蔣杰;基于分類技術(shù)的電子支付平臺作弊賬戶的識別模型研究[D];浙江工業(yè)大學;2012年

2 劉佳;校園網(wǎng)絡用戶信用評估系統(tǒng)設計與研究[D];大連理工大學;2013年

，

本文編號：1880056