社交網絡中轉發(fā)預測的研究.pdf

1、隨著信息技術的迅猛前進，以及世界范圍內寬帶的普及、移動終端的智能化，越來越多的人通過社交媒體（Social Media）獲取、發(fā)布信息。各種社交媒體的應運而生，在很大程度上改變了人們的交流方式，憑借其超高的用戶參與性，將大量用戶聚集在社交網絡中。同時微博平臺的迅速興起，社交網絡中傳播的信息量也迅速膨脹，掌握信息在社交網絡中的傳播規(guī)模對輿情預警、企業(yè)宣傳都有重大影響，因此，如何有效的預測社交網絡中信息的傳播規(guī)模、掌握傳播規(guī)律成為各界關心的

2、熱點問題。
　　轉發(fā)預測是指通過預測信息在社交網絡中的轉發(fā)次數來推測目標信息的傳播規(guī)模，當前在轉發(fā)預測研究領域，主要有基于傳播樹建模以及基于機器學習理論建模兩種不同的研究角度，其中基于機器學習理論建模的方法在處理海量信息方面擁有巨大優(yōu)勢，因此本文從這一角度出發(fā)進行轉發(fā)預測的研究，主要研究內容有以下幾個部分：
　　首先，根據調研結果，選用了用戶特征、文本特征、時間特征以及元特征四種微博信息特征，并著重研究了基于 LDA主題模型

3、微博文本主題的提取方法。由實驗結果得到，針對本文實驗數據集，LDA主體模型的最優(yōu)主題個數為80。
　　其次，鑒于構建傳播樹的時間復雜度和空間復雜度都非常高，提出了將社交網絡中的信息“串行化”后進行轉發(fā)預測。分別基于邏輯回歸和支持向量機建立了二項分類轉發(fā)預測模型，由于訓練集較大，在建模過程中均進行了并行化處理。實驗結果顯示，基于邏輯回歸的分類模型預測精度比支持向量機分類模型稍高。
　　最后，為了更加精準的預測信息在社交網絡中的