【摘要】：隨著互聯(lián)網(wǎng)技術(shù)的普及,在線社交網(wǎng)絡(luò)已經(jīng)成為當(dāng)今社會人們信息交流的重要渠道和載體。在線社交網(wǎng)絡(luò)中信息流行度預(yù)測至關(guān)重要,具有重要的研究和應(yīng)用價值。但是,由于信息傳播形式的多樣性、網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性以及用戶特征的多維性使信息流行度預(yù)測錯綜復(fù)雜且難以準(zhǔn)確把控。如何深入剖析流行度態(tài)勢變化的規(guī)律,感知信息流行態(tài)勢走向,建立高效的管控措施是待研究和解決的問題。本論文關(guān)于信息流行度預(yù)測主要涵蓋兩個方面的內(nèi)容:宏觀信息流行度態(tài)勢預(yù)測,深入剖析信息流行度傳播過程中的非線性動力學(xué)機(jī)制,構(gòu)建跨平臺信息流行度融合和預(yù)測模型;微觀信息轉(zhuǎn)發(fā)熱度預(yù)測,分析影響用戶轉(zhuǎn)發(fā)的微觀因素,基于傳染病模型預(yù)測信息未來的轉(zhuǎn)發(fā)情況。本文的詳細(xì)工作總結(jié)如下:1.在宏觀層面,旨在深入探究社交信息傳播的混沌特性,提出一種基于貝葉斯估計理論的跨平臺信息流行度融合預(yù)測模型。首先,定義跨平臺信息流行度時間序列,利用主成分分析(Principal Component Analysis,PCA)量化和獲取影響流行度的主成分。其次,基于混沌理論,探究流行度趨勢變化的混沌特性,對量化后的序列實施相空間重構(gòu),在高維相空間中恢復(fù)復(fù)雜系統(tǒng)的演化規(guī)律和特征。同時,利用貝葉斯估計理論將多個流行度變量在同一高維空間中進(jìn)行相點的最優(yōu)融合,得到新的融合相空間。最后,考慮到神經(jīng)網(wǎng)絡(luò)在現(xiàn)實應(yīng)用中有較強(qiáng)的逼近非線性函數(shù)的能力,通過其對融合流行度實施優(yōu)化預(yù)測。2.在微觀層面,旨在深入探究影響用戶轉(zhuǎn)發(fā)的多維屬性,量化改進(jìn)SIR(Susceptible-Infected-Recovered)模型中的感染率,提出一種感知信息流行度的用戶行為演化策略。首先,提取用戶個人和社交維度的轉(zhuǎn)發(fā)驅(qū)動力,利用多元線性回歸量化多維轉(zhuǎn)發(fā)感染率。其次,為了讓模型更貼近真實網(wǎng)絡(luò)傳播架構(gòu),對傳統(tǒng)傳染病SIR模型中狀態(tài)S進(jìn)行改進(jìn),重新定義SIR模型的傳播規(guī)則。最后,通過時間切片技術(shù)提取改進(jìn)SIR模型的各個狀態(tài)值,利用最小二乘法(Least Square,LS)結(jié)合量化后的感染率擬合真實模型,得到一種基于用戶轉(zhuǎn)發(fā)行為和改進(jìn)SIR模型的信息流行度預(yù)測方法。為了驗證提出方法的有效性和可行性,本文基于真實社交網(wǎng)絡(luò)數(shù)據(jù)集對模型實施驗證實驗。實驗表明,本文提出的宏微觀信息流行度預(yù)測模型,能夠有效的感知信息流行度傳播態(tài)勢,為宏觀的態(tài)勢分析以及微觀用戶行為分析提供理論依據(jù)。
【圖文】：

分別對1A 、2A 兩個主成分進(jìn)行混沌特性分析和重構(gòu)參數(shù)的求取，具體分析結(jié)果如表 3.5。其中， 表示延遲時間，，m表示嵌入維數(shù)， 表示最大Lyapunov 指數(shù)。表 3.5 相空間重構(gòu)參數(shù)主成分 m 第一主成分 (1A ) 5 8 0.0087第二主成分 (2A ) 7 7 0.0082首先，利用 C-C 算法求延遲時間。延遲時間為 S ( t)的第一個極小值，而是通過關(guān)聯(lián)積分 C ( r )計算統(tǒng)計變量偏差獲得。具體地，各個變量對應(yīng)的 S ( t)如圖 3.6 展示，不難求得主成分 、 對應(yīng)的延遲時間 分別為5，7。
【學(xué)位授予單位】：重慶郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 禾木;;宅男“女神”[J];小溪流(成長校園);2016年12期

2 朱琛剛;程光;;基于收視行為的互聯(lián)網(wǎng)電視節(jié)目流行度預(yù)測模型[J];電子與信息學(xué)報;2017年10期

3 熊小兵;周剛;黃永忠;馬俊;;新浪微博話題流行度預(yù)測技術(shù)研究[J];信息工程大學(xué)學(xué)報;2012年04期

4 萬圣賢;郭嘉豐;蘭艷艷;程學(xué)旗;;基于傳播模擬的消息流行度預(yù)測[J];中文信息學(xué)報;2014年03期

5 鮑鵬;徐昊;;基于圖注意力時空神經(jīng)網(wǎng)絡(luò)的在線內(nèi)容流行度預(yù)測[J];模式識別與人工智能;2019年11期

6 高金華;沈華偉;程學(xué)旗;劉悅;;基于相似消息的流行度預(yù)測方法[J];中文信息學(xué)報;2018年11期

7 米樂;;鏈接流行度和鏈接分析[J];互聯(lián)網(wǎng)天地;2007年03期

8 余江;楊宗凱;杜旭;王泰;;基于兩點流行度的流媒體緩存算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2006年10期

9 王景欣;王鉞;李一鵬;袁堅;山秀明;馮振明;任勇;;基于資源流行度的對等網(wǎng)絡(luò)統(tǒng)計特征分析[J];物理學(xué)報;2011年11期

10 孔慶超;毛文吉;;基于動態(tài)演化的討論帖流行度預(yù)測[J];軟件學(xué)報;2014年12期

相關(guān)會議論文 前1條

1 石磊;衛(wèi)琳;古志民;石云;;Web對象流行度模型研究[A];第一屆全國Web信息系統(tǒng)及其應(yīng)用會議（WISA2004）論文集[C];2004年

相關(guān)重要報紙文章 前3條

1 本報記者 史曉菲;健身神器流行度高[N];消費日報;2014年

2 記者 王秀蘭;杜邦發(fā)布汽車顏色流行度報告[N];中國化工報;2011年

3 ;太陽鏡點燃眉梢[N];重慶商報;2005年

相關(guān)博士學(xué)位論文 前4條

1 胡穎;社交網(wǎng)絡(luò)中流行度演化分析與預(yù)測問題研究[D];北京科技大學(xué);2019年

2 高帥;在線社會網(wǎng)絡(luò)中影響力度量和流行度預(yù)測問題研究[D];山東大學(xué);2015年

3 張果;面向可共享內(nèi)容的網(wǎng)內(nèi)緩存機(jī)制研究[D];解放軍信息工程大學(xué);2017年

4 付志鵬;結(jié)構(gòu)化P2P網(wǎng)絡(luò)抖動的應(yīng)對策略研究[D];國防科學(xué)技術(shù)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 謝小秋;面向社交網(wǎng)絡(luò)的信息流行度預(yù)測研究[D];重慶郵電大學(xué);2019年

2 鄒晟;邊緣計算平臺中計算卸載與鏡像緩存方法研究與實現(xiàn)[D];北京郵電大學(xué);2019年

3 韓鳳娟;基于多任務(wù)學(xué)習(xí)和深度學(xué)習(xí)的微博預(yù)測流行度[D];河南大學(xué);2018年

4 趙命燕;基于流行度的視頻發(fā)布系統(tǒng)設(shè)計與實現(xiàn)[D];貴州大學(xué);2018年

5 馬妙麗;霧無線接入網(wǎng)內(nèi)容流行度預(yù)測與邊緣緩存方法研究[D];東南大學(xué);2018年

6 李美京;手機(jī)APP的口碑影響機(jī)制—考慮類別和流行度的實證研究[D];中國科學(xué)技術(shù)大學(xué);2017年

7 張志偉;基站環(huán)境下媒體流行度預(yù)測與緩存策略研究[D];中國科學(xué)技術(shù)大學(xué);2016年

8 董美姣;基于流行度預(yù)測的內(nèi)容中心網(wǎng)絡(luò)緩存技術(shù)研究[D];北京郵電大學(xué);2015年

9 趙力陽;EBSN中基于自激霍克斯過程的組流行度預(yù)測研究[D];東南大學(xué);2017年

10 �？箍�;流行度對用戶興趣的影響機(jī)制分析及其在推薦算法中的應(yīng)用研究[D];上海大學(xué);2015年

本文編號：2646505