微博傳播趨勢預(yù)測研究.pdf

1、本文研究微博事件的流行度預(yù)測問題。當(dāng)廣告主在流行的微博事件中部署有限的資源（比如廣告預(yù)算、監(jiān)控容量）時，高質(zhì)量的預(yù)測可以給予廣告主更多的準(zhǔn)備時間和更多的靈活性。但是因?yàn)樯婕按罅坑脩艉臀⒉?shù)據(jù)，獲取預(yù)測所用的大量數(shù)據(jù)是一個很大的挑戰(zhàn)。由于不同的用戶發(fā)布的屬于微博事件的微博的數(shù)目以及頻次不同，本文指出廣告主可以通過關(guān)注那些更頻繁地發(fā)布屬于微博事件的微博的用戶來獲取微博事件相關(guān)的數(shù)據(jù)，進(jìn)而對微博事件的流行度進(jìn)行預(yù)測。本文對微博事件的流行度預(yù)測

2、以及用于獲取事件微博數(shù)據(jù)的用戶監(jiān)控成本進(jìn)行了深入的研究。
　　在用于關(guān)注/監(jiān)控的用戶選取方面，本文定義了用于獲取流行度預(yù)測數(shù)據(jù)的用戶選取問題，并提出了基于事件集合覆蓋度和微博覆蓋度的用戶選取算法。在選取用戶的過程中，它考慮了有限監(jiān)控成本預(yù)算下的事件覆蓋度和微博覆蓋度，選出的用戶可以有效的用于監(jiān)控更多的事件并獲得較多的事件微博傳播鏈。本文實(shí)現(xiàn)了一個基于邊際收益成本比的用戶選取算法，并選取了粉絲數(shù)算法作為基線，在來自新浪微博的數(shù)據(jù)集上

3、，進(jìn)行了實(shí)驗(yàn)和分析。我們得到了下面的結(jié)果：1）在事件檢測查全率方面，在監(jiān)控成本C=10000時，我們提出的基于事件覆蓋度和微博覆蓋度的用戶選取算法，分別比基于邊際收益成本比的用戶選取算法和粉絲數(shù)算法提高了0.6％和6.0%。2）在獲得的事件微博數(shù)目方面，在監(jiān)控成本C=10000時，我們提出的基于事件覆蓋度和微博覆蓋度的用戶選取算法，分別比基于邊際收益成本比的用戶選取算法和粉絲數(shù)算法提高了3.2%和14.3%。
　　在流行度預(yù)測方面

4、，本文提出了一種基于狀態(tài)遷移的預(yù)測算法的改進(jìn)算法。針對于該算法中存在的預(yù)測時間分辨率受限的問題，本文從先考慮時序上的匹配后對事件加權(quán)的角度提出了一種局部時序匹配的加權(quán)預(yù)測算法。對基于狀態(tài)遷移的預(yù)測算法的改進(jìn)主要包括兩個方面：（1）在聚類階段使用了譜聚類，它可以控制聚類數(shù)量的聚類算法；（2）在預(yù)測階段提出了一種基于評分的狀態(tài)判別算法。在局部時序匹配的加權(quán)預(yù)測算法中，我們滑動地找每個樣本事件中與待預(yù)測樣本已知部分最相近的部分，然后在這些最相

5、近的部分將事件在時間上對齊，最終加權(quán)模板樣本事件得到待預(yù)測樣本的流行度預(yù)測值。最后本文在來自新浪微博的真實(shí)數(shù)據(jù)集上，在分別使用監(jiān)控全部用戶和部分用戶得到的事件數(shù)據(jù)上對不同的預(yù)測算法進(jìn)行了實(shí)驗(yàn)和分析。我們得到了下面的結(jié)果：1）在已知時間長度TG=6h，預(yù)測時間TP=12h時，使用事件全部轉(zhuǎn)發(fā)鏈數(shù)據(jù)進(jìn)行預(yù)測，局部時序匹配的加權(quán)預(yù)測算法和我們提出的改進(jìn)算法比原始的基于狀態(tài)遷移的預(yù)測算法在均方根誤差上分別降低了36.8%和35.8%。2）在已知

6、時間長度TG=6h，預(yù)測時間TP=12h，監(jiān)控成本預(yù)算C=3000，使用局部時序匹配的加權(quán)預(yù)測算法時，我們提出的基于事件覆蓋度和微博覆蓋度的用戶選取算法的均方根誤差分別比基于邊際收益成本比的用戶選取算法和粉絲數(shù)算法低5.1%和9.9%。3）在應(yīng)用局部時序匹配的加權(quán)預(yù)測算法在已知時間長度TG=6h，預(yù)測時間TP=12h時，使用監(jiān)控全部用戶（按照預(yù)處理后的約12萬用戶計(jì)算，監(jiān)控成本約為547萬）得到的事件轉(zhuǎn)發(fā)鏈數(shù)據(jù)比基于事件覆蓋度和微博覆蓋