基于转发传播过程的微博转发量预测

被引：6

作者：

赵惠东

刘刚

石川

吴斌

机构：

[1] 北京邮电大学智能通信软件与多媒体北京市重点实验室

来源：

电子学报 | 2016年 / 44卷 / 12期

关键词：

转发量预测; 转发意愿; 转发影响力;

D O I：

暂无

中图分类号：

G206 [传播理论]; TP393.092 [];

学科分类号：

摘要：

微博已经成为日常生活中最流行的信息分享工具.转发是微博中信息传播的核心方法,所以转发量预测不仅是一个有趣的研究问题,也有较大的实际意义.然而,当前大部分研究只是把问题视为分类或回归问题,没有考虑转发的传播过程.本文中,我们提出一个符合转发传播过程的转发量预测模型.本文认为转发信息来自两方面:直接粉丝和间接粉丝,而粉丝带来的转发量由转发意愿和影响力决定.我们用历史行为和内容相关性来估算一名直接粉丝的转发意愿,并用他/她的影响力来估算通过他/她的间接粉丝的转发量.新浪微博上的实验表明我们的模型比其他已有的方法效果好.

引用

页码：2989 / 2996

页数：8

共 6 条

[1] 基于SVM的微博转发规模预测方法
李英乐
于洪涛
刘力雄
[J]. 计算机应用研究, 2013, 30 (09) : 2594 - 2597
[2] Feature selection using Principal Component Analysis for massive retweet detection[J] . Mohamed Morchid,Richard Dufour,Pierre-Michel Bousquet,Georges Linarès,Juan-Manuel Torres-Moreno.Pattern Recognition Letters . 2014
[3] Towards modeling popularity of microblogs
Ma, Haixin
Qian, Weining
Xia, Fan
He, Xiaofeng
Xu, Jun
Zhou, Aoying
[J]. FRONTIERS OF COMPUTER SCIENCE, 2013, 7 (02) : 171 - 184
[4] Predicting Multivariate Responses in Multiple Linear Regression[Read befor][J] . LeoBreiman,Jerome H.Friedman.Journal of the Royal Statistical Society: Series B (Statistical Methodology) . 2002 (1)
[5] Using Model Trees for Classification[J] . Eibe Frank,Yong Wang,Stuart Inglis,Geoffrey Holmes,Ian H. Witten.Machine Learning . 1998 (1)
[6] Retweet modeling using conditional random fields .2 Peng H K,Zhu J,Piao D,et al. Data Mining Workshops (ICDMW),2011 IEEE 11th International Conference on . 2011

← 1 →