發(fā)布時間：2020-01-31 01:40

【摘要】：隨著互聯(lián)網(wǎng)的迅速發(fā)展,社交網(wǎng)絡(luò)信息預(yù)測成為信息內(nèi)容管理的重要研究內(nèi)容之一。此前的社交網(wǎng)絡(luò)信息預(yù)測研究中,對社交網(wǎng)絡(luò)中信息表示與量化計算研究不足,難以有效的支撐社交網(wǎng)絡(luò)信息傳播建模和預(yù)測的研究,同時,當(dāng)前的社交網(wǎng)絡(luò)信息傳播模型,大都沒有考慮信息傳播過程中的記憶效應(yīng)對信息傳播的影響或者考慮不全面,導(dǎo)致預(yù)測結(jié)果與實際值之間存在較大誤差。首先,利用樸素貝葉斯文本分類算法將采集到的微博文本劃分為十五個領(lǐng)域,對用戶發(fā)布微博數(shù)、微博平均被點贊數(shù)、用戶注冊時間等影響到用戶影響力的指標(biāo),建立一套科學(xué)、合理的指標(biāo)體系,利用專家打分法、層次分析法(Analytic Hierarchy Process)法等對各級指標(biāo)賦予權(quán)重,量化分析用戶各個領(lǐng)域影響力和綜合影響力。接著,針對社交網(wǎng)絡(luò)信息熱度進(jìn)行預(yù)測,考慮信息傳播過程中用戶記憶效應(yīng)的興趣累積和實效衰減兩方面,利用遺傳算法求出記憶曲線,分析用戶的記憶效應(yīng)對社交網(wǎng)絡(luò)信息傳播的影響。同時,獲取社交網(wǎng)絡(luò)主頁或用戶中的強弱連接用戶,分析弱連接用戶與信息傳播的關(guān)系,進(jìn)而得到弱連接用戶對社交網(wǎng)絡(luò)信息傳播范圍的影響。最后,對信息傳播的范圍、趨勢和速度等進(jìn)行定量分析,揭示用戶特征、內(nèi)容相關(guān)性等對社交網(wǎng)絡(luò)用戶行為的影響。從特定主貼、話題兩個層次來分析,通過提取用戶各個領(lǐng)域影響力、弱連接、記憶效應(yīng)、主貼評論數(shù)、主貼點贊數(shù)、主貼轉(zhuǎn)發(fā)數(shù)等多維特征,采用機器學(xué)習(xí)方法GBDT(Gradient Boosting Decision Tree)建立預(yù)測模型,對社交網(wǎng)絡(luò)信息傳播熱度進(jìn)行預(yù)測,得到信息傳播的范圍和熱度變化趨勢。在實驗中,根據(jù)單一變量原則,比較了不同特征對社交網(wǎng)絡(luò)信息熱度預(yù)測的影響。實驗結(jié)果表明,除了熱度值低于10的主貼外,綜合考慮用戶影響力、弱連接、記憶效應(yīng)、轉(zhuǎn)發(fā)數(shù)、點贊數(shù)、評論數(shù)等特征,能夠得到準(zhǔn)確率較高的預(yù)測結(jié)果,平均絕對百分誤差值MAPE(Mean Absolute Percent Error)遠(yuǎn)低于30。
【圖文】：

用戶數(shù)占比越大，最終的信息熱度越低；弱連熱度越高。絡(luò)信息傳播熱度預(yù)測模型中，均不考慮轉(zhuǎn)發(fā)者僅對非熱門話題效果較好，對粉絲轉(zhuǎn)發(fā)量大的論代表了情感力量、親密程度和相互關(guān)系的線是比較熟悉、社會地位對等、關(guān)系親密的人，的圈子比較一致，接觸到的信息重疊率也比較難接觸到自己之前沒有接觸過的新的信息，而較有意義。與此相對，在弱關(guān)系中，個體可以信息，往往是新的，自己的圈子沒有的信息，流向其他群體[39]。所以，弱連接關(guān)系擴大了信的速度，使信息很難被局限在某一個圈子中。個重要的因素，納入社交網(wǎng)絡(luò)特定話題的預(yù)測率。

接收到的信息越多，用戶越易產(chǎn)生認(rèn)同轉(zhuǎn)發(fā)或拒絕轉(zhuǎn)發(fā)新聞的傳播隨接觸增多而降低。這種記憶效應(yīng)對于傳考慮傳播過程中的記憶效應(yīng)并兼顧社交網(wǎng)絡(luò)中用戶間網(wǎng)絡(luò)中的信息傳播行為進(jìn)行詳細(xì)的理論建模，從而極準(zhǔn)確率，是一個具有挑戰(zhàn)性的問題。線社交網(wǎng)絡(luò)上的實證研究，已經(jīng)驗證記憶效應(yīng)在社交律性[41][42]。本文借鑒 SIR 模型，將社交網(wǎng)絡(luò)中節(jié)點的一時間步，每一個體處于如下四種狀態(tài)之一：知態(tài) U（Unknown）--沒有接觸過消息的人群，類似于人群；蓄態(tài) C（Cumulative）--用戶接觸過信息，但是由于不或者已經(jīng)變得不感興趣而不愿意產(chǎn)生傳播行為；播態(tài) I（Infected）--個體接受了該消息并將該信息擴散勞態(tài) R（Resistant）--個體已經(jīng)傳播了信息，，并且不再題的行為，相當(dāng)于 SIR 模型中的免疫態(tài)。移示意圖如下所示：
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP393.092;TP391.1

【參考文獻(xiàn)】

相關(guān)期刊論文 前9條

1 李洋;陳毅恒;劉挺;;微博信息傳播預(yù)測研究綜述[J];軟件學(xué)報;2016年02期

2 邵明星;顏志軍;;弱連接關(guān)系在SNS平臺中影響作用的實證研究[J];北京理工大學(xué)學(xué)報(社會科學(xué)版);2015年02期

3 張勝兵;;弱連接對不同類型在線社交網(wǎng)絡(luò)信息傳播范圍的影響研究[J];計算機工程與科學(xué);2015年01期

4 劉詠梅;彭琳;趙振軍;;基于小世界網(wǎng)絡(luò)的微博謠言傳播演進(jìn)研究[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2014年04期

5 魏春梅;盛小平;;弱關(guān)系與強關(guān)系理論及其在信息共享中的應(yīng)用研究綜述[J];圖書館;2014年04期

6 田占偉;劉臣;王磊;隋s

本文編號：2574891