基于LDA和隨機(jī)森林的活躍微博預(yù)測(cè)研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)的快速發(fā)展，微博以其豐富及時(shí)的信息、舒適的用戶(hù)體驗(yàn)在人們的生活中被廣泛應(yīng)用。微博已經(jīng)成為人們信息交流、展示自我的一個(gè)重要平臺(tái)。當(dāng)下，微博平臺(tái)的用戶(hù)規(guī)模巨大，而且涵蓋的社會(huì)階層十分廣泛。微博用戶(hù)每天在微博平臺(tái)產(chǎn)生海量?jī)?nèi)容，這些內(nèi)容既有普通民眾對(duì)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(guān)于社會(huì)事務(wù)的公告。總的來(lái)說(shuō)，對(duì)社會(huì)熱點(diǎn)事件的關(guān)注與探討才是微博平臺(tái)的主流，從這個(gè)意義來(lái)說(shuō)，微博是當(dāng)下社會(huì)的一個(gè)縮影。鑒于微博平臺(tái)如

2、此巨大的社會(huì)影響力，微博活躍內(nèi)容的及時(shí)掌控對(duì)微博平臺(tái)的內(nèi)容分發(fā)控制、網(wǎng)絡(luò)輿情管理有著及其重要的理論意義和應(yīng)用價(jià)值。
　　目前微博預(yù)測(cè)已經(jīng)成為研究熱點(diǎn)，其涉及的范疇也非常廣泛。本文就活躍微博的預(yù)測(cè)進(jìn)行了研究，研究的主要內(nèi)容包括研究問(wèn)題建模和解決問(wèn)題的基于LDA和隨機(jī)森林的活躍微博預(yù)測(cè)模型。
　　對(duì)于研究問(wèn)題建模，本文首先分析了和微博“互動(dòng)”相關(guān)的三個(gè)操作（點(diǎn)贊、轉(zhuǎn)發(fā)、評(píng)論），并通過(guò)權(quán)重求解的方式構(gòu)建了微博互動(dòng)的數(shù)學(xué)模型;然后本

3、文分析了微博活躍度和互動(dòng)值以及微博活躍度與粉絲數(shù)之間的相關(guān)性;最后給出了微博是否活躍的數(shù)學(xué)判定模型。
　　對(duì)于活躍微博預(yù)測(cè)模型，本文首先根據(jù)影響微博活躍因素的分析以及研究特體的特殊性分析，設(shè)計(jì)了爬蟲(chóng)并爬取了相關(guān)微博數(shù)據(jù)。然后基于預(yù)處理后的數(shù)據(jù)集，本文利用微博活躍判定模型對(duì)微博是否活躍進(jìn)行標(biāo)注，構(gòu)造特征集。接著本文使用LDA建模的方式的對(duì)微博博文的主題進(jìn)行發(fā)掘，經(jīng)過(guò)Gibbs采樣之后獲得文檔-主題的概率分布矩陣，概率矩陣經(jīng)過(guò)離散化處