發(fā)布時間：2021-04-19 18:22

　　微博已經(jīng)成為一種信息獲取的重要途徑和信息傳播的載體,微博上的虛假信息的大量傳播可能會造成恐慌,因此有必要對微博中相關(guān)的輿論話題進行監(jiān)管。準確地預(yù)測微博的傳播趨勢有助于提前對輿論進行干預(yù),并采取合理的管控措施,使其朝著積極的方向發(fā)展,使微博更好的服務(wù)大眾。傳播趨勢預(yù)測在輿論監(jiān)管、政府宣傳、廣告投放、票房預(yù)測、熱點推送和企業(yè)營銷等領(lǐng)域有著廣泛應(yīng)用。一方面,傳統(tǒng)的微博傳播趨勢預(yù)測方法通常只關(guān)注微博自身內(nèi)容的個體特征,忽略了微博傳播過程中時空背景環(huán)境等變化的動態(tài)特征,導(dǎo)致微博特征描述不準確的問題,無法準確地對微博進行建模。微博傳播網(wǎng)絡(luò)是一個動態(tài)的社交網(wǎng)絡(luò),轉(zhuǎn)發(fā)者作為微博的傳播動力,使得微博在傳播過程中信息得到了補充,故而預(yù)測任務(wù)也應(yīng)該考慮傳播過程中產(chǎn)生的新的特征信息,即考慮用戶團體信息。另一方面,傳統(tǒng)方法通常忽略微博傳遞過程中的用戶的情感態(tài)度信息,轉(zhuǎn)發(fā)者的情感信息是一種很重要的特征,其可以體現(xiàn)作者的觀點看法。現(xiàn)有研究表明通常帶有情感的評論更可能影響其他用戶,用戶情感特征也是影響傳播規(guī)模的因素,情感在網(wǎng)絡(luò)中傳播時,帶有情感的微博普遍比不帶情感的微博傳播范圍更廣。目前大多數(shù)研究者只關(guān)注微博的傳播規(guī)... 

【文章來源】：上海師范大學(xué)上海市

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題背景及研究的目的和意義
    1.2 國內(nèi)外研究進展
        1.2.1 微博傳播趨勢
        1.2.2 微博情感趨勢
    1.3 研究思路
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論和技術(shù)
    2.1 相關(guān)理論
        2.1.1 微博網(wǎng)絡(luò)
        2.1.2 常見的預(yù)測方法
    2.2 相關(guān)技術(shù)
        2.2.1 基于TF-IDF的關(guān)鍵信息提取技術(shù)
        2.2.2 基于簇的關(guān)鍵信息提取技術(shù)
        2.2.3 DCNN擴張卷積神經(jīng)網(wǎng)絡(luò)
        2.2.4 RNN和 LSTM神經(jīng)網(wǎng)絡(luò)
    2.3 模型架構(gòu)總體
        2.3.1 設(shè)計原理
        2.3.2 模型設(shè)計
    2.4 本章小結(jié)
第3章 基于團體信息的表示方法及驗證
    3.1 方法概述
    3.2 微博團體特征表示
        3.2.1 博文和博主特征
        3.2.2 基于簇和DCNN的評論關(guān)鍵特征
        3.2.3 團體影響力特征
    3.3 轉(zhuǎn)發(fā)數(shù)預(yù)測模型構(gòu)建
        3.3.1 預(yù)測模型原理及流程
        3.3.2 預(yù)測模型結(jié)構(gòu)
        3.3.3 模型的計算和訓(xùn)練
        3.3.4 驗證結(jié)果
    3.4 本章小結(jié)
第4章 基于情感的轉(zhuǎn)發(fā)量及情感趨勢聯(lián)合預(yù)測
    4.1 聯(lián)合預(yù)測模型概述
    4.2 微博情感特征
    4.3 聯(lián)合預(yù)測模型
        4.3.1 模型結(jié)構(gòu)
        4.3.2 模型的訓(xùn)練
    4.4 本章小結(jié)
第5章 實驗
    5.1 實驗準備與數(shù)據(jù)預(yù)處理
        5.1.1 實驗環(huán)境
        5.1.2 數(shù)據(jù)集及預(yù)處理
    5.2 評估指標和對比方法
    5.3 情感趨勢和轉(zhuǎn)發(fā)數(shù)聯(lián)合預(yù)測模型
        5.3.1 團體特征提取和分析
        5.3.2 情感分析及特征
        5.3.3 訓(xùn)練過程及參數(shù)選擇
        5.3.4 實驗結(jié)果
    5.4 本章小結(jié)
第6章 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
參考文獻
攻讀學(xué)位期間取得的研究成果
致謝


【參考文獻】：
期刊論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的微博轉(zhuǎn)發(fā)量的預(yù)測[J]. 鄧青,馬曄風,劉藝,張輝.  清華大學(xué)學(xué)報(自然科學(xué)版). 2015(12)
[2]基于微博意見領(lǐng)袖參與行為的熱點話題檢測研究[J]. 趙龍文,陳明艷,公榮濤,姚海波.  情報科學(xué). 2015(04)
[3]基于SVM的微博轉(zhuǎn)發(fā)規(guī)模預(yù)測方法[J]. 李英樂,于洪濤,劉力雄.  計算機應(yīng)用研究. 2013(09)
[4]社交網(wǎng)絡(luò)中的用戶轉(zhuǎn)發(fā)行為預(yù)測[J]. 謝婧,劉功申,蘇波,孟魁.  上海交通大學(xué)學(xué)報. 2013(04)

碩士論文
[1]社交媒體中微博轉(zhuǎn)發(fā)的預(yù)測模型研究[D]. 劉剛.北京郵電大學(xué) 2015



本文編號：3148070