论文部分内容阅读
最近几年,随着移动互联网的普及与发展,使得为人们提供自由创作与内容分享的平台--社交媒体跨入了一个新的发展阶段,它已然成为人们日常生活中不可或缺的一部分。社交媒体上存在海量信息,这些信息通过被浏览、转发、点赞等方式获取用户的关注,同时带来了大量的流量,而用户对内容的关注分布是有偏的,即少量的内容获得了大量的关注。于是,预测社交媒体上消息的流行度就成为了一个十分有价值的研究问题,对于在线广告投放、在线营销等都具有重要的意义。本文首先介绍了社交媒体与流行度预测的国内外研究现状和与本文工作相关的技术基础,接着以twitter上的tweet作为研究对象,提取一些可能与转发量相关的特征进行研究,利用逻辑回归分类器和使用修改后的疾病传播模型,提出了解决社交媒体上消息流行度预测问题的解决方案。本文的主要工作有以下两点:1.提出一种基于分类的tweet转发量预测算法。它以tweet发布者粉丝数、发布时间、首次转发时间、早期转发时间间隔、早期转发用户的最大粉丝数、早期转发用户的平均粉丝数等6个特征为输入参数的逻辑回归分类器,用于对tweet进行分类预测,判断它是否属于Top20高转发量tweet,最终分类准测率为0.77。使用PCA分析上述6个特征并上转发量后的特征集合,发现将特征数据压缩至2维后,各特征往新的特征空间中的投影向量与转发量的投影向量的余弦值的绝对值大小与特征的重要程度是相关的,其中近似为1的有3个特征,它们的单特征预测分类准确性相较于其他特征更高。2.提出一种基于疾病传播模型的流行度预测算法,用于对tweet未来转发量进行数值预测。对于疾病传播模型进行了适当修改,添加了时间对用户转发兴趣的影响,以时间衰减函数来进行表示。在应用于对tweet的转发量预测上,时间函数特例化为一个幂函数。以算法预测值与实际转发量的平方残差为目标函数,使用LM算法训练参数。将本文算法与基准算法在twitter数据集上进行对比实验。实验结果表明,基于疾病传播模型的流行度预测算法相较于对比算法在高流行度的推文预测上更为准确(Top25推文的预测值MRE提升12.4%),且可以模拟流行度变化的动态过程。