隨著web2.0的發(fā)展,微博、博客等社交媒體不斷涌現(xiàn)并日益成熟。這些社交媒體的出現(xiàn)為人們進行資源共享、信息交互提供了可能,使得互聯(lián)網(wǎng)上保存了海量的用戶行為數(shù)據(jù),這些數(shù)據(jù)中蘊藏著豐富的價值,如何從海量的數(shù)據(jù)中挖掘有用的信息成為當前研究的熱點。其中,基于社交網(wǎng)絡數(shù)據(jù)分析用戶行為特征,有助于掌握大眾的行為特性分布,為研究信息傳播、話題演化以及輿情管控等提供了依據(jù)。本論文主要從用戶個體行為和用戶群體行為兩方面出發(fā),對熱點話題傳播以及熱點話題熱度進行了建模、分析和研究。主要研究工作和貢獻如下:1.在用戶個體行為及信息傳播規(guī)律方面,基于社交網(wǎng)絡中熱點話題的用戶關系數(shù)據(jù)以及用戶行為數(shù)據(jù),提取影響用戶行為的特征,構建基于用戶轉發(fā)行為的信息傳播預測模型,分析信息傳播的規(guī)律。首先,應用張量分解在數(shù)據(jù)空間轉換和數(shù)據(jù)投影的特性,提出一種基于張量挖掘用戶交互強度的機制,分析好友關系對用戶間交互強度的影響。其次,構建張量時引入時間衰減函數(shù),動態(tài)擬合用戶的行為,進一步量化用戶自身行為在當前熱點話題下的演化軌跡。最后,對話題的生命周期進行時間切片和時間離散化,提出一種基于邏輯回歸的信息傳播預測模型,分析熱點話題下信息... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 社交網(wǎng)絡發(fā)展現(xiàn)狀
        1.2.2 社交網(wǎng)絡中的信息傳播研究
        1.2.3 話題跟蹤與熱度預測研究
    1.3 主要研究內容
    1.4 論文組織架構
第2章 相關技術和理論基礎
    2.1 在線社交網(wǎng)絡中的信息傳播
    2.2 信息傳播影響因素
    2.3 幾種常見的信息傳播模型
        2.3.1 線性閾值模型
        2.3.2 獨立級聯(lián)模型
        2.3.3 經典傳染病模型
        2.3.4 基于影響力的傳播模型
        2.3.5 基于分類的信息傳播模型
    2.4 話題發(fā)現(xiàn)、跟蹤與熱度預測
        2.4.1 話題發(fā)現(xiàn)與跟蹤
        2.4.2 熱度預測
    2.5 本章小結
第3章 基于張量分解的熱點話題信息傳播預測模型
    3.1 引言
    3.2 相關定義
        3.2.1 問題定義
        3.2.2 特征提取與定義
    3.3 模型
        3.3.1 模型整體框架
        3.3.2 用戶動態(tài)交互建模
        3.3.3 基于用戶轉發(fā)行為的信息傳播預測模型
        3.3.4 模型算法設計
    3.4 本章小結
第4章 基于灰色系統(tǒng)理論的話題熱度預測模型
    4.1 引言
    4.2 相關定義
        4.2.1 話題熱度定義
        4.2.2 時間序列定義
        4.2.3 問題定義
    4.3 模型
        4.3.1 灰色理論基礎
        4.3.2 模型整體框架
        4.3.3 話題熱度預測模型
        4.3.4 模型算法設計
    4.4 本章小結
第5章 基于用戶行為的信息傳播分析與實現(xiàn)
    5.1 數(shù)據(jù)集
        5.1.1 數(shù)據(jù)集獲取
        5.1.2 數(shù)據(jù)集描述
    5.2 信息傳播預測模型效果檢驗
        5.2.1 基線方法
        5.2.2 評估準則
        5.2.3 實驗與結果分析
    5.3 熱度預測模型效果檢驗
        5.3.1 熱度建模與預測
        5.3.2 基線方法
        5.3.3 評估準則
        5.3.4 實驗與結果分析
    5.4 本章小結
第6章 總結及未來工作
    6.1 研究工作總結
    6.2 未來工作展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]基于灰色預測模型的電視頻道熱度預測[J]. 萬倩,謝峰,趙明,王炳飛.  電視技術. 2017(Z1)
[2]基于DTPM模型的話題熱度預測方法[J]. 裴可鋒,陳永洲,馬靜.  情報雜志. 2016(12)
[3]動態(tài)信息網(wǎng)絡中基于角色的結構演化與預測[J]. 李川,馮冰清,李艷梅,胡紹林,楊寧,唐常杰.  軟件學報. 2017(03)
[4]基于向量自回歸模型的微博隱式話題流行度預測[J]. 段東圣,李鵬霄,李玉華,李瑞軒.  模式識別與人工智能. 2016(07)
[5]基于受限非負張量分解的用戶社會影響力分析[J]. 魏晶晶,陳暢,廖祥文,陳國龍,程學旗.  通信學報. 2016(06)
[6]基于用戶行為特征的微博轉發(fā)預測研究[J]. 劉瑋,賀敏,王麗宏,劉悅,沈華偉,程學旗.  計算機學報. 2016(10)
[7]微博信息傳播預測研究綜述[J]. 李洋,陳毅恒,劉挺.  軟件學報. 2016(02)
[8]微博中特定用戶的相似用戶發(fā)現(xiàn)方法[J]. 仲兆滿,胡云,李存華,劉宗田.  計算機學報. 2016(04)
[9]大規(guī)模復雜網(wǎng)絡社區(qū)并行發(fā)現(xiàn)算法[J]. 喬少杰,郭俊,韓楠,張小松,元昌安,唐常杰.  計算機學報. 2017(03)
[10]基于SEIR的社交網(wǎng)絡信息傳播模型[J]. 王超,楊旭穎,徐珂,馬建峰.  電子學報. 2014(11)

博士論文
[1]面向在線社交網(wǎng)絡輿情的信息傳播分析關鍵技術研究[D]. 梁政.國防科學技術大學 2014



本文編號：3552373