随着社交软件的不断普及和运用,当今时代逐渐变成一个互联网的时代,为人们的沟通和生活方式带来了巨大的改变。通过研究热点话题的热度趋势,便于获得热点话题的产生和传播规律,一方面有效了解了用户转发行为,另一方面能够分析和监督网络舆情,是一个极其具有价值的理论探究内容。本文基于社交网络的热点话题,考虑到话题下多消息对用户参与行为具有重要作用。将用户的基本特征和多消息的交互影响因素结合,分别从微观用户转发行为和宏观热点话题热度趋势进行了研究。下面是本文的主要研究工作和贡献:1.关于话题多消息之间复杂的交互作用对用户转发行为的影响,提出并设计了多消息交互影响下用户转发行为的预测模型。首先,围绕多消息相互作用对用户转发行为的影响,在用户行为内部驱动机制的基础上,提出多消息交互影响驱动机制。其次,由于BP(Back Propagation)神经网络结构简单且能完好响应由于多消息交互机制的加入导致的非线性关系更加繁复,用其构建用户转发行为预测模型。最后,由于多消息交互影响机制对用户行为具有迭代引导作用,使BP神经网络很容易陷入过拟合的情况,所以引入模拟退火算法对传统神经网络进行优化,得到最优参数,从而提高算法的准确性。2.关于热点话题的热度趋势,采用卷积神经网络以及指数平滑法对每一时间段的话题热度值进行预测,可以准确客观地描述微博话题的热度趋势。首先,本文将话题划分成合适的时间段。然后,微观方面采用卷积神经网络预测用户行为,对预测结果进行相加操作,近似代表话题的热度值;宏观方面采用指数平滑法对下一时段话题的热度值进行预测。最后,综合两方面来感知话题的整体热度趋势。最后,实验采用新浪微博的实际数据集去检验。实验表明,本文不仅能更真实地依据多消息相互影响的实际情况对用户转发行为进行预测,还能够从宏观角度分析出话题的传播规律,从而预测热点话题的热度趋势。有助于解析热点话题中网民群体行为变化中的科学规律,同时对网络舆情引导以及复杂的营销管理决策提供理论依据。