基于LDA和隨機森林的活躍微博預測研究.pdf

1、隨著移動互聯(lián)網的快速發(fā)展，微博以其豐富及時的信息、舒適的用戶體驗在人們的生活中被廣泛應用。微博已經成為人們信息交流、展示自我的一個重要平臺。當下，微博平臺的用戶規(guī)模巨大，而且涵蓋的社會階層十分廣泛。微博用戶每天在微博平臺產生海量內容，這些內容既有普通民眾對日常生活的記錄分享，也有政府、企業(yè)以及其他組織發(fā)布的關于社會事務的公告?？偟膩碚f，對社會熱點事件的關注與探討才是微博平臺的主流，從這個意義來說，微博是當下社會的一個縮影。鑒于微博平臺如

2、此巨大的社會影響力，微博活躍內容的及時掌控對微博平臺的內容分發(fā)控制、網絡輿情管理有著及其重要的理論意義和應用價值。
　　目前微博預測已經成為研究熱點，其涉及的范疇也非常廣泛。本文就活躍微博的預測進行了研究，研究的主要內容包括研究問題建模和解決問題的基于LDA和隨機森林的活躍微博預測模型。
　　對于研究問題建模，本文首先分析了和微博“互動”相關的三個操作（點贊、轉發(fā)、評論），并通過權重求解的方式構建了微博互動的數學模型;然后本

3、文分析了微博活躍度和互動值以及微博活躍度與粉絲數之間的相關性;最后給出了微博是否活躍的數學判定模型。
　　對于活躍微博預測模型，本文首先根據影響微博活躍因素的分析以及研究特體的特殊性分析，設計了爬蟲并爬取了相關微博數據。然后基于預處理后的數據集，本文利用微博活躍判定模型對微博是否活躍進行標注，構造特征集。接著本文使用LDA建模的方式的對微博博文的主題進行發(fā)掘，經過Gibbs采樣之后獲得文檔-主題的概率分布矩陣，概率矩陣經過離散化處