基于SVM的新浪热门微博预测

被引：4

作者：

陈梦秋

周安民

机构：

[1] 四川大学电子信息学院

来源：

现代计算机(专业版) | 2017年 / 09期

关键词：

新浪微博; 热门微博; 预测; SVM;

D O I：

暂无

中图分类号：

TP393.092 []; G206 [传播理论];

学科分类号：

摘要：

针对新浪微博热门微博预测的问题,提出一种以博主影响力、博主最近微博热度、原创性、微博发布时间、微博信息量、是否含有话题标签、是否带图/视频/链接作为特征,借助SVM模型进行热门微博预测的方法。其中,用户影响力根据Page Rank算法进行计算,避免仅以粉丝数量作为评判带来的偏差。实验结果表明,该方法可以较为准确地对单条微博能否成为热门微博进行预测。

引用

页码：23 / 27

页数：5

共 11 条

[1] 基于SVM的中文微博情绪分析研究 [J].

丁晟春 ;

王颖 ;

李霄 .

情报资料工作, 2016, (03) :28-33

[2] 非热门微博信息的传播特征分析 [J].

刘臣 ;

周立欣 ;

霍良安 ;

张刚 .

情报杂志 , 2014, (11) :29-33

[3] 微博数据挖掘研究综述 [J].

丁兆云 ;

贾焰 ;

周斌 .

计算机研究与发展 , 2014, (04) :691-706

[4] 新浪微博网信息传播分析与预测 [J].

曹玖新 ;

吴江林 ;

石伟 ;

刘波 ;

郑啸 ;

罗军舟 .

计算机学报, 2014, 37 (04) :779-790

[5] 基于SVM的微博转发规模预测方法 [J].

李英乐 ;

于洪涛 ;

刘力雄 .

计算机应用研究, 2013, 30 (09) :2594-2597

[6] 基于用户行为的高校BBS热帖预测模型 [J].

于兴隆 ;

李丽萍 ;

吴斌 .

计算机应用与软件, 2013, 30 (01) :48-54

[7] 新浪微博话题流行度预测技术研究 [J].

熊小兵 ;

周刚 ;

黄永忠 ;

马俊 .

信息工程大学学报, 2012, 13 (04) :496-502

[8]

基于微博公共平台的单条微博热门程度预测及其相关微博发现[D]. 俞青云.安徽大学. 2016

[9]

基于多层结构的单条微博影响力研究[D]. 濮小燕.电子科技大学. 2015

[10]

社交网络中的用户影响力分析[D]. 王彪.哈尔滨工业大学. 2012

← 1 2 →