基于微博挖掘的流行趨勢預測.pdf

1、近年來，隨著Web2.0和移動互聯(lián)網(wǎng)的飛速發(fā)展，互聯(lián)網(wǎng)上涌現(xiàn)了大量的社交網(wǎng)絡平臺。微博作為其中一種社交網(wǎng)絡平臺，以其高便捷性、高原創(chuàng)性、強交互性和強草根性的特點吸引了大量用戶，成為人們生活中獲取與分享信息的重要平臺。研究如何及時準確地預測微博未來的流行趨勢，對內(nèi)容推薦、廣告營銷以及輿情監(jiān)控等領域都具有重要意義。本文以新浪微博為研究對象，對微博流行趨勢預測進行了研究，具體工作如下：
　　1.分別分析了內(nèi)容、時序和網(wǎng)絡這三類因素對微博

2、轉發(fā)過程的影響。實驗結果表明，不包含鏈接的微博更容易被轉發(fā)；微博中提及的人數(shù)越多，其最終轉發(fā)數(shù)的分布范圍越小，且轉發(fā)數(shù)都比較少；不同時間段發(fā)布的微博，其最終轉發(fā)數(shù)差別較大；微博最終轉發(fā)數(shù)與其最小轉發(fā)時間間隔之間存在一定的負相關性；初期曝光量較小的微博，其最終轉發(fā)數(shù)的分布范圍也較小，且大部分的轉發(fā)數(shù)都較少；微博最終轉發(fā)數(shù)與其早期轉發(fā)網(wǎng)絡的鏈接密度之間近似呈現(xiàn)負線性相關。
　　2.分析了現(xiàn)有研究中常用微博特征存在的不足，然后在此基礎上

3、從微博的內(nèi)容、時序和網(wǎng)絡三個方面提取了一系列新特征，將新特征與常用特征相結合，對邏輯斯蒂回歸、樸素貝葉斯、支持向量機和隨機森林等分類模型進行訓練并對目標微博的流行度范圍進行預測。實驗結果顯示，在加入本文提取的新特征后，這四種模型的預測正確率分別提高了1.91％，14.80%，2.92%和6.92%。
　　3.將提取的微博特征應用到基于相似度的微博流行趨勢預測方法中，給出了基于加權馬氏距離的微博相似度計算方法，根據(jù)提取的微博特征選取