基于用戶與消息特征的微博轉發(fā)預測模型研究.pdf

1、隨著互聯(lián)網的迅猛發(fā)展，社會化媒體技術日新月異，微博已成為傳播信息的主要網絡平臺。作為一種新的媒體工具，微博已經融入到人們的學習、工作、生活中來，不僅改變了社會大眾的舊有的社交方式，而且徹底顛覆了傳統(tǒng)的信息傳播模式。
　　新浪微博是成立于2009年的微博平臺，它是一個基于粉絲-關注網絡結構的信息發(fā)布、分享、傳播、獲取平臺，允許超過2億用戶分享微博消息：任何一條微博的字符數都被限定在140個之內。微博用戶可以關注其他用戶，通過這種方式

2、來獲取他們發(fā)布的微博消息。如果一個用戶覺得一條微博很有趣并且值得分享，他就可以把這條微博傳遞給自己的粉絲，這種行為被稱為轉發(fā)。通常用戶會轉發(fā)那些有趣的或與他們粉絲有關的內容。按照慣例，轉發(fā)會用特殊的關鍵字來表示，例如（轉）。進行轉發(fā)通常是為了向自己的粉絲傳播信息。研究微博用戶轉發(fā)行為，預測微博轉發(fā)概率，確定影響微博轉發(fā)概率的因素，在熱點挖掘、產品營銷、輿情監(jiān)控、謠言控制等方面有重要的現實意義。相比傳統(tǒng)的社交網絡和媒體網絡，微博社區(qū)中的用

3、戶關系更加多樣，消息傳播機制更加復雜，因此，影響用戶轉發(fā)行為的因素也就更多，研究難度相應的也會加大。本文利用新浪微博平臺數據，分析了影響微博轉發(fā)的屬性特征，包括用戶特征，例如用戶影響力、粉絲活躍度等，以及微博消息本身的內容特征，并挑選出對微博轉發(fā)影響較大的一些屬性作為參數，以此來構建一種基于用戶和消息特征的微博轉發(fā)概率預測模型。
　　本文主要研究內容如下：
　　一、本文分析了新浪微博平臺的數據獲取方法。在研究初期，將從新浪微

4、博平臺抓取大量用戶數據及消息數據，因此，本文詳細介紹了兩種常用的數據獲取方法：微博開放平臺API和網絡爬蟲，并比較了這兩種方法的優(yōu)劣。本文采用新浪微博開放平臺API獲取原始數據，并對數據進行預處理，將預處理后的數據存儲到數據庫當中。為了解決新浪開放平臺中API調用次數限制的問題，采用多賬戶多應用輪換的方法來提高請求頻率。同時，通過程序延時請求來避免數據中斷的問題。在數據預處理階段，使用中文分詞詞典和停用詞表來平滑數據和去除數據噪聲。這部

5、分數據是本工作的基礎數據，也可作為其他研究的基礎數據。
　　二、本文介紹了影響微博轉發(fā)的用戶特征和消息特征，并從中挑選出對用戶微博轉發(fā)貢獻較大的15個屬性特征，將其添加到我們的模型中，構成了模型的15個維度。其中比較典型的有用戶影響力、粉絲活躍度、內容特征以及情感特征等，將這些指標轉化為二元屬性因子，用1表示是，用0表示否，這樣所有的屬性都被轉化為數值型，便于我們建立模型。對于用戶特征，通過粉絲數-關注數算法、用戶標簽數算法等分析

6、了它們與微博轉發(fā)之間的關聯(lián)關系，并確定各個屬性的閾值，這些閾值對微博轉發(fā)預測起到了至關重要的作用。對于消息特征，在前人研究的基礎上提出了內容特征、情感特征及時間特征，另外，利用LDA文檔主題生成模型挖掘了微博中隱含的潛在主題，以此來作為模型的一個重要特征屬性。
　　三、本文提出了一種基于用戶和消息特征的微博轉發(fā)預測分析方法。綜合分析了各種影響微博轉發(fā)的因素之后，將預測問題轉化為分類問題，提出了一種二分類邏輯回歸預測模型。該模型的實