基于社交網(wǎng)絡(luò)的趨勢預(yù)測.pdf

1、近年來，社交網(wǎng)絡(luò)由于其便利性和及時(shí)性，成為人們分享和交流的一個(gè)主要平臺，也帶來了在線媒體信息的爆炸性增長。挖掘在線媒體中熱點(diǎn)信息成為一個(gè)備受關(guān)注的研究方向，其中預(yù)測在線社交網(wǎng)絡(luò)中內(nèi)容的流行趨勢對營銷、流量控制都具有重要意義。本文分析了國內(nèi)外社交網(wǎng)絡(luò)流行趨勢的研究現(xiàn)狀，通過分析社交網(wǎng)絡(luò)中社交關(guān)系和社會影響，提出了預(yù)測流行趨勢和用戶行為的解決方案。本文主要工作如下：
　　1．本文通過對典型社交網(wǎng)站數(shù)據(jù)的分析，發(fā)現(xiàn)內(nèi)容發(fā)布后，轉(zhuǎn)發(fā)過程中

2、不同時(shí)間段的轉(zhuǎn)發(fā)用戶對內(nèi)容流行度有重要作用，并且發(fā)現(xiàn)活躍度高但是相互關(guān)注數(shù)不高的用戶對其朋友的影響更大；部分內(nèi)容是潛在流行內(nèi)容，他們在前期不流行，但是隨著時(shí)間推移反而變得十分流行?；谶@些發(fā)現(xiàn)，本文提出一種發(fā)現(xiàn)社交網(wǎng)絡(luò)內(nèi)容傳播過程中的關(guān)鍵節(jié)點(diǎn)的方法，用于預(yù)測潛在流行內(nèi)容和用戶轉(zhuǎn)發(fā)行為。
　　2．本文根據(jù)社交網(wǎng)絡(luò)內(nèi)容轉(zhuǎn)發(fā)序列中用戶的關(guān)鍵性提出了一種基于關(guān)鍵節(jié)點(diǎn)來預(yù)測內(nèi)容流行趨勢的算法框架。基于轉(zhuǎn)發(fā)用戶的流行預(yù)測算法首先將內(nèi)容轉(zhuǎn)發(fā)序列

3、劃分成T個(gè)時(shí)間窗，然后提取每個(gè)時(shí)間片段內(nèi)轉(zhuǎn)發(fā)用戶的關(guān)鍵性作為T維特征，并用回歸算法對最終流行度進(jìn)行預(yù)測。在典型社交網(wǎng)絡(luò)（微博）數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，發(fā)現(xiàn)相比現(xiàn)有流行預(yù)測算法，本文提出的算法在預(yù)測準(zhǔn)確度和排序準(zhǔn)確度上都有明顯提升（MAE提升36.8％，tau提升2.9%），并且基于轉(zhuǎn)發(fā)用戶的趨勢預(yù)測方法在預(yù)測流行度較高的內(nèi)容更加準(zhǔn)確，也能更早地發(fā)現(xiàn)流行內(nèi)容。
　　3．本文分析社交網(wǎng)絡(luò)中的社會影響，用局部子網(wǎng)絡(luò)來描述全局網(wǎng)絡(luò)對用戶的社會影

4、響，提出根據(jù)社會影響和節(jié)點(diǎn)關(guān)鍵性預(yù)測用戶行為的模型?；诰植可鐣绊懙内厔蓊A(yù)測方法首先構(gòu)建目標(biāo)用戶的局部子網(wǎng)絡(luò)，然后根據(jù)鄰居節(jié)點(diǎn)關(guān)鍵性和節(jié)點(diǎn)之間相關(guān)性衡量局部網(wǎng)絡(luò)的社會影響。在典型社交網(wǎng)絡(luò)（微博）數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，對比現(xiàn)有預(yù)測用戶轉(zhuǎn)發(fā)行為的算法，發(fā)現(xiàn)分類效果有明顯提升（相比基準(zhǔn)算法分類準(zhǔn)確率提升20.6%）。這說明局部網(wǎng)絡(luò)的社會影響確實(shí)存在并影響了用戶的行為。本文還研究了局部網(wǎng)絡(luò)影響聚合的不同方法，發(fā)現(xiàn)社會影響是與時(shí)間密切相關(guān)的，隨著鄰