基于RBF神经网络的微博消息传播时间预测方法

被引：5

作者：

李英乐

于洪涛

刘力雄

陈丹

机构：

[1] 国家数字交换系统工程技术研究中心

来源：

计算机工程与设计 | 2013年 / 34卷 / 11期

关键词：

微博; 传播效果; 传播时间; RBF神经网络; 预测;

D O I：

10.16208/j.issn1000-7024.2013.11.061

中图分类号：

TP183 [人工神经网络与计算]; TP393.092 [];

学科分类号：

摘要：

为了预测微博消息的传播时间,提出了一种基于RBF神经网络的微博消息传播时间预测方法。该方法定义了微博消息的传播时间,提取出微博网络中的用户特征和内容特征,利用RBF神经网络训练特征同传播时间之间的复杂关系,建立预测模型。通过对新浪微博数据的实验结果表明,该方法有效可行,并且预测精度高,训练速度快。

引用

页码：3815 / 3819

页数：5

共 11 条

[1] 微博病毒传播模型研究 [J].

杨春霞 ;

胡丹婷 ;

胡森 .

计算机工程, 2012, 38 (15) :100-103

[2] 基于差值灰色RBF网络模型股票价格预测研究 [J].

江龙 ;

薛佳佳 .

广西大学学报(自然科学版), 2012, 37 (03) :594-599

[3] 基于小波包的RBF神经网络网络流量混沌预测 [J].

冯兴杰 ;

潘文欣 ;

卢楠 .

计算机工程与设计, 2012, 33 (05) :1681-1686

[4] 基于微博网络的信息传播模型 [J].

郑蕾 ;

李生红 .

通信技术, 2012, 45 (02) :39-41

[5] Prediction of Tourist Quantity Based on RBF Neural Network [J].

Zhang, HuaiQiang ;

Li, JingBing .

JOURNAL OF COMPUTERS, 2012, 7 (04) :965-970

[6]

What is Twitter asocial network or a news media?. Haewoon Kwak,Changhyun Lee,Hosung Park,Sue Moon. Proceedings of the19th internationalconference on World wide web . 2010

[7]

Twitter on track for 500 million total users by march,250 million active users by end of 2012. Bennett S. http://www.mediabistro.com/alltwitter/twitter-active-total-users_b17655 . 2012

[8]

Predicting the speed,scale,and range of information diffusion in twitter. Yang J,Counts S. 4th International AAAI Conference on Weblogs and Social Media . 2010

[9]

Beyond micro-blogging:Conversation and collaboration via twitter. Honeycutt C,Herring SC. Hawaii International Conference on System Sciences . 2009

[10]

Twitter under crisis:Can we trust what we Rt. Marcelo M,Barbara P,Carlos C. Proceedings of the First Workshop on Social Media Analytics . 2010

← 1 2 →