發(fā)布時間：2018-11-21 19:56

【摘要】：以微博為代表的社會媒體影響力越來越廣泛深遠(yuǎn).為有效預(yù)測微博熱點并進(jìn)行導(dǎo)控,首先批量獲取經(jīng)中文分詞處理后的數(shù)據(jù),以用戶轉(zhuǎn)發(fā)、評論、點贊次數(shù)為代表做數(shù)據(jù)預(yù)處理,通過相似度比較選出最佳微博填充矩陣模型.其次通過多種回歸分析的比較與實踐,用逐步回歸法確定微博熱點影響因子,進(jìn)而用多元回歸預(yù)測模型建立預(yù)測模型方程,計算精確度、準(zhǔn)確率、召回率,并確定閾值.實驗證明該預(yù)測模型能夠保持較好的準(zhǔn)確率,并可通過選擇合適的閾值,進(jìn)一步提升精確度.
[Abstract]:The social media influence represented by Weibo is more and more extensive and profound. In order to effectively predict Weibo hot spot and guide control, the data processed by Chinese word segmentation were obtained in batches first, then the data was preprocessed by user forwarding, comment and praise times, and then the optimal Weibo filling matrix model was selected through similarity comparison. Secondly, through the comparison and practice of multiple regression analysis, the influence factors of Weibo hot spot are determined by stepwise regression method, and then the prediction model equation is established by multivariate regression prediction model. The accuracy, recall rate and threshold value are determined. Experiments show that the prediction model can maintain a good accuracy, and can further improve the accuracy by selecting the appropriate threshold.
【作者單位】： 韶關(guān)學(xué)院教育技術(shù)系;廣西師范大學(xué)數(shù)學(xué)與統(tǒng)計學(xué)院;韶關(guān)學(xué)院信息科學(xué)與工程學(xué)院;
【基金】：教育部人文社會科學(xué)研究資助項目(13YJCZH144) 廣東省哲學(xué)社會科學(xué)規(guī)劃項目GD13CJY07) 廣東省攀登計劃項目(pdjh2015a0471)
【分類號】：G206;TP393.092

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葉海琴;孟彩霞;;預(yù)測模型推薦方法研究[J];福建電腦;2009年09期

2 邢永康,馬少平;多Markov鏈用戶瀏覽預(yù)測模型[J];計算機學(xué)報;2003年11期

3 劉雨;;基于聚類的Markov預(yù)測模型的改進(jìn)[J];河南財政稅務(wù)高等�？茖W(xué)校學(xué)報;2009年02期

4 陳子軍;喬良;王鑫昱;;基于動態(tài)分類的Markov用戶瀏覽預(yù)測模型[J];計算機工程;2008年21期

5 朱海濤;王立梅;;預(yù)測模型在入侵檢測中的應(yīng)用研究[J];中國科技信息;2008年12期

6 陳丹偉;許海峰;;基于RDP屏幕更新預(yù)測模型的研究[J];計算機技術(shù)與發(fā)展;2014年01期

7 劉愛貴;陳剛;;一種基于用戶的LNS文件預(yù)測模型[J];計算機工程與應(yīng)用;2007年29期

8 韓真,曹新平;TOP-N選擇Markov預(yù)測模型[J];計算機應(yīng)用;2005年03期

9 張岳;裴云霞;;基于Zipf定律的PPM預(yù)測模型[J];科技信息(科學(xué)教研);2007年30期

10 蘇中,馬少平,楊強,張宏江;基于Web-Log Mining的N元預(yù)測模型[J];軟件學(xué)報;2002年01期

相關(guān)碩士學(xué)位論文 前2條

1 劉洋;基于活動規(guī)律的位置預(yù)測研究[D];華中科技大學(xué);2015年

2 劉剛;社交媒體中微博轉(zhuǎn)發(fā)的預(yù)測模型研究[D];北京郵電大學(xué);2015年

，

本文編號：2348113