本文關(guān)鍵詞：微博用戶轉(zhuǎn)發(fā)行為及情感預(yù)測研究

  更多相關(guān)文章： 用戶行為分析 轉(zhuǎn)發(fā)行為預(yù)測 主題模型 微博情感預(yù)測

【摘要】：在社會計算的研究中,用戶行為分析主要是針對被觀察對象的歷史行為并預(yù)測其未來行為,這項研究在社會計算應(yīng)用中發(fā)揮了關(guān)鍵作用。微博中的轉(zhuǎn)發(fā)行為是用戶行為中一種出現(xiàn)頻度很高的行為,也是微博平臺上信息傳播的最主要方式,因此研究微博用戶的轉(zhuǎn)發(fā)行為對理解重要信息的傳播方式、熱點事件的發(fā)現(xiàn)、個性化的信息推薦等都有著重要意義。本文以微博用戶的轉(zhuǎn)發(fā)行為作為研究對象,模擬用戶轉(zhuǎn)發(fā)微博時的閱讀習(xí)慣,從微博、用戶和用戶與微博的關(guān)系三個角度分析了影響轉(zhuǎn)發(fā)行為的因素,利用這些影響因素作為特征,建立分類模型,預(yù)測用戶對哪些信息進(jìn)行轉(zhuǎn)發(fā)。我們進(jìn)行特征組合實驗驗證各類影響因素對轉(zhuǎn)發(fā)行為預(yù)測的作用,其中,用戶歷史發(fā)布的微博體現(xiàn)了用戶的興趣,對轉(zhuǎn)發(fā)行為預(yù)測起到了關(guān)鍵的作用,本文利用用戶歷史與微博的關(guān)系提出了兩種預(yù)測方法:基于詞向量笛卡爾積的方法和基于主題模型的相似度計算方法。實驗結(jié)果表明兩種方法對于轉(zhuǎn)發(fā)請問預(yù)測均起到一定效果。其中,笛卡爾積方法預(yù)測轉(zhuǎn)發(fā)行為的F1值最高為71.33%。我們還嘗試了在基于主題模型的特征表示法中融入情感特征,實驗結(jié)果表明,該方法對轉(zhuǎn)發(fā)行為預(yù)測也可以起到一定的作用,預(yù)測結(jié)果F1值為69.97%。本文進(jìn)一步提出了轉(zhuǎn)發(fā)情感預(yù)測的問題,并提出了一個初步的解決方法。我們對轉(zhuǎn)發(fā)微博的情感極性進(jìn)行自動標(biāo)注,并利用用戶轉(zhuǎn)發(fā)情感和微博評論情感相對穩(wěn)定的特點,預(yù)測用戶在轉(zhuǎn)發(fā)微博后,附加的評論內(nèi)容的情感極性。實驗結(jié)果表明,該方法對轉(zhuǎn)發(fā)信息的情感預(yù)測取得了較好的效果,預(yù)測正確率為64.11%。
【關(guān)鍵詞】：用戶行為分析 轉(zhuǎn)發(fā)行為預(yù)測 主題模型 微博情感預(yù)測
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP393.092;TP391.1
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第1章 緒論8-16
• 1.1 課題背景及研究的目的和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 基于微博的預(yù)測研究9-10
• 1.2.2 微博轉(zhuǎn)發(fā)行為預(yù)測10-12
• 1.2.3 情感分析技術(shù)在微博預(yù)測中的應(yīng)用12-14
• 1.3 本文的主要研究內(nèi)容14-16
• 第2章 用戶轉(zhuǎn)發(fā)行為影響因素研究16-28
• 2.1 引言16
• 2.2 微博用戶轉(zhuǎn)發(fā)行為預(yù)測16-20
• 2.2.1 研究問題定義16-17
• 2.2.2 研究方法概述17-18
• 2.2.3 特征分析18-20
• 2.3 實驗結(jié)果和分析20-27
• 2.3.1 實驗數(shù)據(jù)及實驗設(shè)置20-23
• 2.3.2 實驗結(jié)果及分析23-27
• 2.4 本章小結(jié)27-28
• 第3章 基于主題模型的用戶轉(zhuǎn)發(fā)行為預(yù)測研究28-38
• 3.1 引言28
• 3.2 LDA模型簡介28-30
• 3.3 基于LDA模型的用戶轉(zhuǎn)發(fā)行為預(yù)測30-33
• 3.3.1 研究方法概述30-31
• 3.3.2 特征抽取31
• 3.3.3 情感標(biāo)注31-32
• 3.3.4 LDA建模32-33
• 3.3.5 用戶歷史與微博相似性33
• 3.4 實驗結(jié)果和分析33-37
• 3.4.1 實驗數(shù)據(jù)及實驗設(shè)置33-34
• 3.4.2 實驗結(jié)果及分析34-37
• 3.5 本章小結(jié)37-38
• 第4章 微博用戶轉(zhuǎn)發(fā)情感預(yù)測研究38-47
• 4.1 引言38-39
• 4.2 用戶轉(zhuǎn)發(fā)信息的情感預(yù)測39-42
• 4.2.1 研究問題定義39
• 4.2.2 方法概述39-40
• 4.2.3 情感分類40-41
• 4.2.4 特征分析41-42
• 4.3 實驗結(jié)果和分析42-45
• 4.3.1 實驗數(shù)據(jù)及實驗設(shè)置42-43
• 4.3.2 實驗結(jié)果及分析43-45
• 4.4 本章小結(jié)45-47
• 結(jié)論47-49
• 參考文獻(xiàn)49-55
• 攻讀碩士學(xué)位期間發(fā)表的論文55-57
• 致謝57

【參考文獻(xiàn)】

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 韓毅;社會網(wǎng)絡(luò)分析與挖掘的若干關(guān)鍵問題研究[D];國防科學(xué)技術(shù)大學(xué);2011年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 姚海波;微博熱點話題檢測與趨勢預(yù)測研究[D];華南理工大學(xué);2013年

，

本文編號：657934