微博从2009年发布至今,已经演化为一个成熟的被广泛接受的自媒体平台,它是当今人们在移动互联网时代获取信息最及时、最便捷的工具和渠道。微博是人们发布资讯、讨论社会经济、发表个人看法最集中的网络平台,研究微博转发热度预测在舆论监督、商业营销、形象塑造等方面具有重要的价值。微博转发热度受多方面的影响,包括微博用户自身的行为特点、微博的内容特征、所处的社交网络环境等。本文的主要工作包括以下几方面:(1)微博转发特征提取:对于同一微博内容,在不同的用户心理反映的情感也是不一样的,有些用户反映出积极乐观一面而有些用户则可能是消极一面。本文从用户个体角度出发分析微博内容情感特征,衡量微博博主的影响力,提取微博中的关注数、转发数、评论数等固有特征,来分析多维度特征对热度预测的影响。(2)微博主题特征提取:根据微博内容特征对微博转发预测的影响力,考虑其所属主题偏向,使用LDA算法对微博内容进行建模形成文本的主题描述。以LDA算法提取的微博主题向量以及其他相关特征作为微博的主要特征,来分析微博传播热度。(3)微博社交图谱构建:针对博主自身信息,本文获取了所有相关微博用户之间的关联关系来构造微博用户社交图谱。考虑博主的非粉丝用户对最终转发的隐性影响,“间接粉丝”用户自身的权威性差异,通过建立非粉丝用户关系网络并设计关系网络特征提取方法,添加模型对间接关注用户群体影响因素的考量,计算间接关注用户的权威度。(4)微博热度预测:基于微博特征以及微博用户间的社交关系网络,分别从微博转发广度与转发深度两个方面分析,基于神经网络等算法并构造双分支结构对微博进行热度预测,使得预测准确率得到一定的提升。