当今社会,网络就像一个蜘蛛网一样连接着整个世界,各类消息都可以通过网络得到及时的传播和反馈。网络消息的有效性在于其被查阅的次数。很多消息编辑者为了在网络上推广自己的消息,通常会反复地推敲消息内容、形式、发布时间、链接数等。如何最大程度的使网络消息被推广,是每一个消息编辑者最关心的问题。本文根据互联网博客Mashable上消息被推广的数量,探究影响消息推广的主要因素。首先,运用主成分分析法筛选出影响消息推广的主要因子,保留这些因子作为研究问题的影响因子。其次,以消息被推广数为目标变量,影响因子为自变量,分别进行多元线性回归分析、Logistic回归分析、K近邻和支持向量机分析,得到相应的拟合模型和各模型得分。但是各模型得分值远小于1,所以单独运用一种模型拟合效果并不理想。于是本文提出将以上各模型作为个体学习器,各模型得分占模型总得分的比重作为各学习器的权重,进行集成学习。经过试验,集成学习模型拟合很好,网络消息推广数得到很好的预测,提高了模型的泛化能力。最后,根据集成学习拟合模型的结果,为消息编辑者提出有效的措施,以达到提高效率,增加网络消息推广的目的。