基于用戶與消息特征的微博轉(zhuǎn)發(fā)預(yù)測模型研究.pdf

1、隨著互聯(lián)網(wǎng)的迅猛發(fā)展，社會(huì)化媒體技術(shù)日新月異，微博已成為傳播信息的主要網(wǎng)絡(luò)平臺(tái)。作為一種新的媒體工具，微博已經(jīng)融入到人們的學(xué)習(xí)、工作、生活中來，不僅改變了社會(huì)大眾的舊有的社交方式，而且徹底顛覆了傳統(tǒng)的信息傳播模式。
　　新浪微博是成立于2009年的微博平臺(tái)，它是一個(gè)基于粉絲-關(guān)注網(wǎng)絡(luò)結(jié)構(gòu)的信息發(fā)布、分享、傳播、獲取平臺(tái)，允許超過2億用戶分享微博消息：任何一條微博的字符數(shù)都被限定在140個(gè)之內(nèi)。微博用戶可以關(guān)注其他用戶，通過這種方式

2、來獲取他們發(fā)布的微博消息。如果一個(gè)用戶覺得一條微博很有趣并且值得分享，他就可以把這條微博傳遞給自己的粉絲，這種行為被稱為轉(zhuǎn)發(fā)。通常用戶會(huì)轉(zhuǎn)發(fā)那些有趣的或與他們粉絲有關(guān)的內(nèi)容。按照慣例，轉(zhuǎn)發(fā)會(huì)用特殊的關(guān)鍵字來表示，例如（轉(zhuǎn)）。進(jìn)行轉(zhuǎn)發(fā)通常是為了向自己的粉絲傳播信息。研究微博用戶轉(zhuǎn)發(fā)行為，預(yù)測微博轉(zhuǎn)發(fā)概率，確定影響微博轉(zhuǎn)發(fā)概率的因素，在熱點(diǎn)挖掘、產(chǎn)品營銷、輿情監(jiān)控、謠言控制等方面有重要的現(xiàn)實(shí)意義。相比傳統(tǒng)的社交網(wǎng)絡(luò)和媒體網(wǎng)絡(luò)，微博社區(qū)中的用

3、戶關(guān)系更加多樣，消息傳播機(jī)制更加復(fù)雜，因此，影響用戶轉(zhuǎn)發(fā)行為的因素也就更多，研究難度相應(yīng)的也會(huì)加大。本文利用新浪微博平臺(tái)數(shù)據(jù)，分析了影響微博轉(zhuǎn)發(fā)的屬性特征，包括用戶特征，例如用戶影響力、粉絲活躍度等，以及微博消息本身的內(nèi)容特征，并挑選出對微博轉(zhuǎn)發(fā)影響較大的一些屬性作為參數(shù)，以此來構(gòu)建一種基于用戶和消息特征的微博轉(zhuǎn)發(fā)概率預(yù)測模型。
　　本文主要研究內(nèi)容如下：
　　一、本文分析了新浪微博平臺(tái)的數(shù)據(jù)獲取方法。在研究初期，將從新浪微

4、博平臺(tái)抓取大量用戶數(shù)據(jù)及消息數(shù)據(jù)，因此，本文詳細(xì)介紹了兩種常用的數(shù)據(jù)獲取方法：微博開放平臺(tái)API和網(wǎng)絡(luò)爬蟲，并比較了這兩種方法的優(yōu)劣。本文采用新浪微博開放平臺(tái)API獲取原始數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行預(yù)處理，將預(yù)處理后的數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫當(dāng)中。為了解決新浪開放平臺(tái)中API調(diào)用次數(shù)限制的問題，采用多賬戶多應(yīng)用輪換的方法來提高請求頻率。同時(shí)，通過程序延時(shí)請求來避免數(shù)據(jù)中斷的問題。在數(shù)據(jù)預(yù)處理階段，使用中文分詞詞典和停用詞表來平滑數(shù)據(jù)和去除數(shù)據(jù)噪聲。這部

5、分?jǐn)?shù)據(jù)是本工作的基礎(chǔ)數(shù)據(jù)，也可作為其他研究的基礎(chǔ)數(shù)據(jù)。
　　二、本文介紹了影響微博轉(zhuǎn)發(fā)的用戶特征和消息特征，并從中挑選出對用戶微博轉(zhuǎn)發(fā)貢獻(xiàn)較大的15個(gè)屬性特征，將其添加到我們的模型中，構(gòu)成了模型的15個(gè)維度。其中比較典型的有用戶影響力、粉絲活躍度、內(nèi)容特征以及情感特征等，將這些指標(biāo)轉(zhuǎn)化為二元屬性因子，用1表示是，用0表示否，這樣所有的屬性都被轉(zhuǎn)化為數(shù)值型，便于我們建立模型。對于用戶特征，通過粉絲數(shù)-關(guān)注數(shù)算法、用戶標(biāo)簽數(shù)算法等分析

6、了它們與微博轉(zhuǎn)發(fā)之間的關(guān)聯(lián)關(guān)系，并確定各個(gè)屬性的閾值，這些閾值對微博轉(zhuǎn)發(fā)預(yù)測起到了至關(guān)重要的作用。對于消息特征，在前人研究的基礎(chǔ)上提出了內(nèi)容特征、情感特征及時(shí)間特征，另外，利用LDA文檔主題生成模型挖掘了微博中隱含的潛在主題，以此來作為模型的一個(gè)重要特征屬性。
　　三、本文提出了一種基于用戶和消息特征的微博轉(zhuǎn)發(fā)預(yù)測分析方法。綜合分析了各種影響微博轉(zhuǎn)發(fā)的因素之后，將預(yù)測問題轉(zhuǎn)化為分類問題，提出了一種二分類邏輯回歸預(yù)測模型。該模型的實(shí)