基于转发层次分析的新浪微博热度预测研究-论文.pdf

《基于转发层次分析的新浪微博热度预测研究-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第4l卷第7期计算机工程2015年7月VO1．41NO．7ComputerEngineeringJuly2015·先进计算与数据处理·文章编号：1000-3428(2015)07~031-05文献标识码：A中图分类号：TP311．5基于转发层次分析的新浪微博热度预测研究翟晓芳，刘全明，程耀东，胡庆宝，李海波(1．山西大学计算机与信息技术学院，太原030006；2．中国科学院高能物理研究所计算中心，北京100049)摘要：微博作为新型的消息传播媒介，其影响力和传播速度都超越了传统主流媒体，预测微博热度对舆情监测、政府宣传

2、、企业营销及热点推送等具有重要意义。通过分析微博转发的层次规律，结合转发量、转发深度及广度指标，定义新的热度指数计算方法。将微博热度划分为5个等级，对转发数大于100的微博预测其热度达到特定等级的概率。使用有监督的机器学习算法，先后提取训练样本的静态和动态特征训练热度预测模型。通过自主开发的BigData爬虫开放平台获取来源于新浪微博的训练样本，并应用十折交叉验证法进行实验，结果表明，相比只使用静态特征的热度预测模型，加入微博动态特征能有效提高预测性能，平均F1值达到76．9％关键词：微博；爬虫；静态特征；动态特征；热

3、度指数；多分类问题中文引用格式：翟晓芳，刘全明，程耀东，等．基于转发层次分析的新浪微博热度预测研究[J]．计算机工程，201541(7)：31—35．英文引用格式：ZhaiXiaofang，LiuQuanming，ChengYaodong，eta1．ResearchonHotnessPredictioninSinaMicroblogBasedonForwardLevelAnalysis[J]．ComputerEngineering，2015，41(7)：31—35ResearchonHotnessPredictioni

4、nSinaMicroblogBasedonForwardLevelAnalysisZHAIXiaofang，LIUQuanming，CHENGYaodong，HUQingbao，LIHaibo(1．CollegeofComputer&InformationTechnology，ShanxiUniversity，Taiyuan030006，China；2．ComputingCenter．InstituteofHighEnergyPhysics，ChineseAcademyofSciences，Beijing100049，

5、China)【Abstract】Microblogisanewtypeofnewsmedia，anditsinfluenceandpropagationspeedsurpassestraditionalmajormedia．Therefore，ithasagreatimportancetopredicthotnessinmicroblogforpublicopinionmonitoring，governmentpropaganda，corporationmarketingandpopularissuespushing．

6、Throughanalyzingmicroblogforwardlevelwhichcombiningtheeffectsoftheforwardindex，forwarddepthandbreadthindex，thispapergivesanewdefinitionofcalculatingthehotnessindexofmicroblog．Thendependonthisdefinition，thehotnessindexofthemicroblogisclassifiedasfivelevels．Thegoa

7、listopredictthehotnessofmicroblogwhoserepostcountisover100toachieveaspecifiedleve1．Byusingsupervisedmachinelearningalgorithm，itsuccessivelyextractsthestaticattributesanddynamicrepostcharacteristicsofthetrainingsamplestotrainhotnesspredictionmode1．Thetrainingsamp

8、lesisfromSinamicroblogiscaughtbyusingself—developedBigDataopencrawlerplatform．Experimentalresultbyusing10一foldcross—validationshowsthat，comparedwithhotnesspredictionm