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(huì)造成恐慌,因此有必要對(duì)微博中相關(guān)的輿論話題進(jìn)行監(jiān)管。準(zhǔn)確地預(yù)測(cè)微博的傳播趨勢(shì)有助于提前對(duì)輿論進(jìn)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(shì)預(yù)測(cè)在輿論監(jiān)管、政府宣傳、廣告投放、票房預(yù)測(cè)、熱點(diǎn)推送和企業(yè)營(yíng)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(shì)預(yù)測(cè)方法通常只關(guān)注微博自身內(nèi)容的個(gè)體特征,忽略了微博傳播過程中時(shí)空背景環(huán)境等變化的動(dòng)態(tài)特征,導(dǎo)致微博特征描述不準(zhǔn)確的問題,無法準(zhǔn)確地對(duì)微博進(jìn)行建模。微博傳播網(wǎng)絡(luò)是一個(gè)動(dòng)態(tài)的社交網(wǎng)絡(luò),轉(zhuǎn)發(fā)者作為微博的傳播動(dòng)力,使得微博在傳播過程中信息得到了補(bǔ)充,故而預(yù)測(cè)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(tuán)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(diǎn)看法�，F(xiàn)有研究表明通常帶有情感的評(píng)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(shí),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(jí)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(guó)內(nèi)外研究進(jìn)展
        1.2.1 微博傳播趨勢(shì)
        1.2.2 微博情感趨勢(shì)
    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(cè)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(kuò)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(jì)原理
        2.3.2 模型設(shè)計(jì)
    2.4 本章小結(jié)
第3章 基于團(tuán)體信息的表示方法及驗(yàn)證
    3.1 方法概述
    3.2 微博團(tuán)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(píng)論關(guān)鍵特征
        3.2.3 團(tuán)體影響力特征
    3.3 轉(zhuǎn)發(fā)數(shù)預(yù)測(cè)模型構(gòu)建
        3.3.1 預(yù)測(cè)模型原理及流程
        3.3.2 預(yù)測(cè)模型結(jié)構(gòu)
        3.3.3 模型的計(jì)算和訓(xùn)練
        3.3.4 驗(yàn)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(shì)聯(lián)合預(yù)測(cè)
    4.1 聯(lián)合預(yù)測(cè)模型概述
    4.2 微博情感特征
    4.3 聯(lián)合預(yù)測(cè)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(shí)驗(yàn)
    5.1 實(shí)驗(yàn)準(zhǔn)備與數(shù)據(jù)預(yù)處理
        5.1.1 實(shí)驗(yàn)環(huán)境
        5.1.2 數(shù)據(jù)集及預(yù)處理
    5.2 評(píng)估指標(biāo)和對(duì)比方法
    5.3 情感趨勢(shì)和轉(zhuǎn)發(fā)數(shù)聯(lián)合預(yù)測(cè)模型
        5.3.1 團(tuán)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(shí)驗(yàn)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(xiàn)
攻讀學(xué)位期間取得的研究成果
致謝


【參考文獻(xiàn)】：
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(cè)[J]. 鄧青,馬曄風(fēng),劉藝,張輝.  清華大學(xué)學(xué)報(bào)(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(diǎn)話題檢測(cè)研究[J]. 趙龍文,陳明艷,公榮濤,姚海波.  情報(bào)科學(xué). 2015(04)
[3]基于SVM的微博轉(zhuǎn)發(fā)規(guī)模預(yù)測(cè)方法[J]. 李英樂,于洪濤,劉力雄.  計(jì)算機(jī)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(cè)[J]. 謝婧,劉功申,蘇波,孟魁.  上海交通大學(xué)學(xué)報(bào). 2013(04)

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



本文編號(hào)：3148070