微博传播效果预测技术研究

微博作为一种全新的传播媒体，短短几年间便席卷全球。同传统媒体相比，它因为具有更显著的信息传播效果而备受关注，同时也给信息监管带来了挑战。微博的传播效果是指微博对传播受众和社会造成的一切影响和结果的总和。研究微博的传播效果，对于利用微博进行目标营销以及对微博进行舆情监督引导具有十分重要的意义。 本文依托国家863计划项目，对微博的传播效果开展研究，目标是定量地分析预测微博的传播效果。传播效果是一个抽象的概念，在不同的媒体中有不同的含义，其评价指标也不尽相同。微博是由大量用户节点通过相互关注建立起来的一个信息交流网络，微博消息通过用户的转发得以传播，因此转发规模和传播时间是评价传播效果的重要指标，本文对这两个方面的预测技术开展研究，主要贡献如下： 1．提出了一种基于转发概率传递的转发规模预测模型—RSPM-UBA。针对当前转发规模预测方法精度较低的问题，本文通过对个体转发行为的动因进行分析，确定采用发布用户影响力、接收用户活跃度、微博内容重要性、接收用户兴趣与微博内容的相似度、发布用户与接收用户亲密度等5个特征用于预测转发行为，建立了转发行为预测模型。在此基础上，根据对微博传播特性的分析，建立了基于转发概率传递的转发规模预测模型，并给出一种微博转发规模预测方法。通过对新浪微博数据的实验表明，本文方法能够以较高的精度预测不同用户不同微博的转发规模。 2．提出了一种基于RBF神经网络的传播时间预测模型—PTPM-RBF。针对微博传播时间与用户属性及内容属性之间的非线性动态关系，本文在分析传播时间规律的基础上，通过RBF神经网络来拟合三者之间的复杂关系，建立了传播时间预测模型。通过对新浪微博数据的实验表明，相比其它预测模型，本文模型具有训练速度快、预测精度高的特点。 3．设计了一种基于新浪微博平台的传播效果分析预测系统方案。系统采用三层架构设计，包含认证授权模块、数据采集模块、数据存储模块、数据处理模块和传播效果预测模块。系统采用分布式部署，提高数据采集效率，降低系统成本。实验表明，在对一定规模的数据进行训练后，本方案可以从转发规模和传播时间两个方面对微博的传播效果进行有效预测。