本文關(guān)鍵詞：微博轉(zhuǎn)發(fā)影響因素構(gòu)建及預(yù)測研究

  更多相關(guān)文章： 微博轉(zhuǎn)發(fā) 預(yù)測 神經(jīng)網(wǎng)絡(luò) 決策樹 邏輯回歸

【摘要】：隨著互聯(lián)網(wǎng)的持續(xù)發(fā)展,用戶的交流行為發(fā)生了顯著的變化,用戶開始嘗試以微博為代表的社交網(wǎng)絡(luò)應(yīng)用來進(jìn)行社交活動。信息為微博平臺中用戶間交流的載體,微博轉(zhuǎn)發(fā)是微博平臺的主要信息傳播方式。 本研究為微博用戶轉(zhuǎn)發(fā)行為的預(yù)測研究。首先從輸入端著手,構(gòu)建全面完善的微博轉(zhuǎn)發(fā)影響因素指標(biāo)體系,基于選出的預(yù)測模型,進(jìn)行數(shù)據(jù)挖掘分析,找出適用性和精度最優(yōu)的模型,并通過對比試驗(yàn)對重點(diǎn)指標(biāo)對模型的貢獻(xiàn)度進(jìn)行驗(yàn)證。本研究的學(xué)術(shù)研究成果主要表現(xiàn)在： 第一,本研究在微博轉(zhuǎn)發(fā)影響因素指標(biāo)體系的構(gòu)建過程中,從三大角度進(jìn)行研究,包括用戶屬性、微博屬性、社會網(wǎng)絡(luò)屬性。指標(biāo)的提出既采納了前人的理論成果,又加入了作者的理解和思考,完整的描述的各項(xiàng)指標(biāo)的含義,度量方式及選取理由。最終,研究形成了包含用戶屬性、微博屬性、社會網(wǎng)絡(luò)屬性三大維度,13項(xiàng)指標(biāo)的完善指標(biāo)體系。此外,通過對比試驗(yàn),考察研究中提出的重要指標(biāo)對預(yù)測模型性能的貢獻(xiàn),證明了指標(biāo)的重要性。 第二,基于對微博轉(zhuǎn)發(fā)影響因素指標(biāo)體系的構(gòu)建,本研究采用神經(jīng)網(wǎng)絡(luò)、決策樹和邏輯回歸三種模型對微博轉(zhuǎn)發(fā)展開預(yù)測實(shí)驗(yàn),通過對實(shí)驗(yàn)結(jié)果的評價(jià)分析,找出適用于國內(nèi)微博平臺信息傳播預(yù)測的最優(yōu)模型。錯(cuò)分率和ROC曲線下覆蓋面積兩個(gè)指標(biāo)的實(shí)驗(yàn)結(jié)果表明,三種模型中,決策樹模型性能最好,預(yù)測準(zhǔn)確度最高,是預(yù)測國內(nèi)微博平臺信息傳播的最優(yōu)模型。
【關(guān)鍵詞】：微博轉(zhuǎn)發(fā) 預(yù)測 神經(jīng)網(wǎng)絡(luò) 決策樹 邏輯回歸
【學(xué)位授予單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：F49;TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-17
• 1.1 研究背景8-10
• 1.1.1 社交網(wǎng)絡(luò)發(fā)展8-9
• 1.1.2 微博的出現(xiàn)9-10
• 1.1.3 目前國內(nèi)微博存在的問題10
• 1.2 研究意義10-11
• 1.3 國內(nèi)外相關(guān)研究現(xiàn)狀及評述11-13
• 1.4 研究內(nèi)容13-14
• 1.5 論文結(jié)構(gòu)14
• 1.6 研究方法14-15
• 1.7 研究創(chuàng)新點(diǎn)15-17
• 第二章 研究理論及模型17-25
• 2.1 社會網(wǎng)絡(luò)分析17-19
• 2.2 神經(jīng)網(wǎng)絡(luò)19-21
• 2.3 決策樹21-23
• 2.4 邏輯回歸23-24
• 2.5 本章小結(jié)24-25
• 第三章 微博轉(zhuǎn)發(fā)影響因素指標(biāo)體系25-33
• 3.1 微博轉(zhuǎn)發(fā)影響因素相關(guān)研究25-27
• 3.2 微博轉(zhuǎn)發(fā)影響因素指標(biāo)體系構(gòu)建27-31
• 3.2.1 用戶屬性27-28
• 3.2.2 微博屬性28-30
• 3.2.3 社會網(wǎng)絡(luò)屬性30-31
• 3.2.4 微博轉(zhuǎn)發(fā)31
• 3.3 微博轉(zhuǎn)發(fā)影響因素指標(biāo)總結(jié)31-32
• 3.4 本章小結(jié)32-33
• 第四章 基于數(shù)據(jù)挖掘的微博轉(zhuǎn)發(fā)預(yù)測實(shí)驗(yàn)33-46
• 4.1 數(shù)據(jù)描述及分析33-36
• 4.2 預(yù)測實(shí)驗(yàn)36-44
• 4.2.1 神經(jīng)網(wǎng)絡(luò)38-39
• 4.2.2 決策樹39-42
• 4.2.3 邏輯回歸42-44
• 4.3 模型對比44-45
• 4.4 本章小結(jié)45-46
• 第五章 指標(biāo)重要性檢驗(yàn)對比實(shí)驗(yàn)46-52
• 5.1 對比模型構(gòu)建46-47
• 5.2 對比實(shí)驗(yàn)47-50
• 5.3 模型性能對比50
• 5.4 本章小結(jié)50-52
• 第六章 研究成果與展望52-55
• 6.1 研究成果52-53
• 6.2 研究展望53-55
• 參考文獻(xiàn)55-61
• 致謝61-62
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄62

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 管東升;移動通信業(yè)客戶流失行為預(yù)測技術(shù)的研究[J];電腦開發(fā)與應(yīng)用;2005年10期

2 劉婷;胡寶清;;基于聚類分析的復(fù)雜網(wǎng)絡(luò)中的社團(tuán)探測[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2007年01期

3 周濤;;在線電影點(diǎn)播中的人類動力學(xué)模式[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

4 胡海波;王科;徐玲;汪小帆;;基于復(fù)雜網(wǎng)絡(luò)理論的在線社會網(wǎng)絡(luò)分析[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年02期

5 ;交通資訊[J];城市交通;2009年01期

6 段曉東;王存睿;劉向東;林延平;;基于粒子群算法的Web社區(qū)發(fā)現(xiàn)[J];計(jì)算機(jī)科學(xué);2008年03期

7 淦文燕;赫南;李德毅;王建民;;一種基于拓?fù)鋭莸木W(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法[J];軟件學(xué)報(bào);2009年08期

8 胡海波;徐玲;王科;汪小帆;;大型在線社會網(wǎng)絡(luò)結(jié)構(gòu)分析[J];上海交通大學(xué)學(xué)報(bào);2009年04期

9 王曉光;;微博客用戶行為特征與關(guān)系特征實(shí)證分析——以“新浪微博”為例[J];圖書情報(bào)工作;2010年14期

10 李艷;代佳岳;佟曉磊;王熙照;;RTS游戲中用戶行為的神經(jīng)網(wǎng)絡(luò)預(yù)測模型[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年02期

，

本文編號：788047