社交网络中的用户转发行为预测

以新浪微博为研究对象,基于微博主题及用户特征,提出社交网络中的用户转发行为预测算法.首先,基于互信息理论,从已发生转发行为的用户的微博内容中提取特征,通过分析给定用户的微博内容与特征之间的相关程度,预测用户是否会对给定主题的微博发生转发行为;然后通过研究用户性别、粉丝数、关注数、微博数与用户转发行为的关系,选取合适的用户特征描述,并基于贝叶斯模型预测给定用户对微博的转发概率.最后,结合以上2种算法的预测结果,得到给定用户对某主题微博的转发行为预测.该预测算法对研究网络舆情传播及微博营销具有重要意义.     

基于混合特征和XGBoost算法的微博转发预测

微博转发是微博信息传播的重要途经.影响微博转发的因素主要是用户属性、微博内容、用户社交和用户兴趣.已有的微博转发预测模型仅考虑部分因素,实际上4个因素对用户转发行为都有影响,此外也应该关注预测模型的计算时间.基于此,提出一种基于混合特征和XGBoost算法的微博转发预测模型.首先根据4个因素分别提取用户特征、微博特征、社交特征以及兴趣特征;然后基于PageRank算法计算用户影响力,基于隐含狄利克雷分布(Latent Dirichlet Allocation,LDA)模型和KL距离计算兴趣相似度,定义用户转发活跃度和用户交互影响力的计算公式;最后利用XGBoost算法构建预测模型,对转发预测进行分析.实验结果表明,新的预测方法在准确率和时间等评价指标上有较好的表现,同时也验证了综合考虑4个因素的重要性和有效性.     

基于集成学习的微博用户转发行为预测

为了提高微博用户转发行为预测的精度,提出一种有效的基于集成学习的微博用户转发行为预测算法.首先,对影响用户转发的各种特征进行综合分析,提取出用户属性、社交关系、微博内容等影响用户转发行为的特征;然后,采用Logistic回归、支持向量机与BP(BackPropagation)神经网络等机器学习算法对用户转发行为进行预测;最后,利用"加权投票法"的集成学习方法对多个预测结果进行融合.实验结果表明,相对于BP神经网络算法,在综合评价性能的F1度量值上,集成学习算法有1.5%的性能提升.     

基于双分支结构的融合多特征微博传播行为预测算法

随着如今微博平台的高速发展,微博转发行为预测已经成为舆情分析领域中一个热门的研究主题。针对该任务,提出一种添加多层间接粉丝用户权威度信息,基于双分支网络结构模型的微博转发行为预测算法。该方法通过对原始微博进行分析,运用LDA算法提取内容特征、构建用户关系网络提取间接关注用户权威度特征等多元特征,构建基于双分支结构神经网络模型预测微博传播行为。实验结果表明预测模型相比于其他算法在RMSE,MAE评估指标上都有较好的提高,验证了算法的有效性。     

微博类社交网络中信息传播的测量与分析

为了更好地掌握在线社交网络中信息传播的特征规律和用户行为,以新浪微博为代表对社交网络中的信息传播进行了较大规模的测量、统计和分析,提出了一种三角和算法用于探测用户粉丝数阈值。该算法根据散点分布的统计规律来估计使微博热度达到某一值的粉丝数的临界值,发现为使微博热度大于10,用户粉丝数应大于150。其他测量分析结果表明:新浪微博具有很强的"名人效应",用户频繁地发帖并不能引起较大的关注,热门微博的热度几乎都以激增方式增长。这些结论对网络营销和网络监管具有参考价值。     

新浪企业微博口碑传播的实证研究

该文针对企业微博的口碑传播,基于口碑营销理论和产品类型研究,对企业微博转发数的影响因素进行研究,建立了企业微博的口碑传播模型。企业微博的转发数受到粉丝数和产品类型的影响。通过抓取新浪企业微博的实际运营数据,运用面板数据模型对模型的系数进行了估计。研究结果表明:企业微博的转发数受到粉丝数和新增粉丝数的影响;并存在正的自相关,即前一天的转发数会正向影响后一天的转发数;产品类型对企业微博的转发数有显著的影响,提供体验型产品的企业转发数高于提供搜索型产品企业的转发数。     

基于BP神经网络的微博转发量的预测

微博已经成为人们传播和获取信息的重要途径。突发事件相关微博的传播范围对事件的影响起着重要的作用,微博转发是扩大微博传播范围的一种重要方式。该文以城管与民众冲突事件(俗称"城管事件")为例,将BP(back propagation)神经网络应用到该类事件相关微博的转发行为研究中,以实现该类突发事件下微博转发行为的影响因素分析和转发量的预测。该文先从发帖人和微博内容2个角度分析了突发事件下微博转发行为的影响因素,结果表明:1)微博发帖人的活跃度、微博涉及主题标签、包含视频等可视化信息、提及其他用户及微博的发表时间段均对该微博的转发量有较大影响;2)与发帖人相比,微博内容对其转发量的影响更大。在影响因素分析的基础上,该文通过将预测问题转化为模式分类问题,基于BP(back propagation)神经网络对突发事件下的微博转发量进行了预测,并通过改变样本数对预测结果的稳定性进行了测试,得到了有一定参考价值的预测结果。     

社交网络群中用户活跃度分析与预测

对于社交网络中不同的群组,由于用户属性(性别、年龄等)、群类别、群成员之间关系等因素的影响,其活跃度各不相同.本文首先从社交网络用户数据中提取人口信息、群的类别、社交关系、群用户黏性(分享消息数、图片数)等特征,然后利用logistic回归、支持向量机、BP神经网络等机器学习算法对不同群中用户的活跃度进行预测.结果表明,BP神经网络针对社交网络群中用户活跃度分类判断时具有较高的预测性能,社交关系特征对群用户活跃性具有重要影响.     

应用矩阵填充的微博预测模型

以微博为代表的社会媒体影响力越来越广泛深远.为有效预测微博热点并进行导控,首先批量获取经中文分词处理后的数据,以用户转发、评论、点赞次数为代表做数据预处理,通过相似度比较选出最佳微博填充矩阵模型.其次通过多种回归分析的比较与实践,用逐步回归法确定微博热点影响因子,进而用多元回归预测模型建立预测模型方程,计算精确度、准确率、召回率,并确定阈值.实验证明该预测模型能够保持较好的准确率,并可通过选择合适的阈值,进一步提升精确度.     

基于用户转发的User-Behavior Rank算法研究

近些年,微博、博客、人人网、豆瓣等各种社交网络的发展,引发了学术界对社会网络、虚拟社区的关注.本论文提出了一种基于用户转发的User-Behavior Rank(UBR)算法,力求在推荐过程执行之前,预先选出微博社区中具有权威性的博主,提高推荐新颖性.文中的基于转发行为的User-Behavior Rank是对传统的Page Rank(PR)的改进,以博主之间的关注关系为边,基于其发微博的行为以及其粉丝对微博的转发,计算各自的UBR值,取UBR值较大的博主作为推荐集合.与Page Rank相比,UBR能够选出更加符合社会实际的有影响力的用户集.     

种多特征微博僵尸粉检测方法与实现简

微博中僵尸粉的大量出现,不仅对微博影响力计算与社交网络关系分析带来了新的挑战,而且对用户带来了社交诚信危机。首先对微博僵尸粉进行概念上的定义;其次通过用户个人信息、用户微博内容和用户链接关系分析僵尸粉与普通用户之间的不同特征,并训练了一个基于C4．5决策树的僵尸粉分类系统;最后使用新浪微博数据对系统进行评估,结果显示该系统对微博僵尸粉有92．8％的判别准确率与92．8％的召回率。     

基于标签重要程度的协同过滤推荐算法

针对传统协同过滤推荐算法在用户隐式反馈数据挖掘不够充分、用户兴趣偏好模型过于粗糙,提出一种标签重要程度的协同过滤推荐算法。用户使用标签的种类和频率可以反映用户的偏好和偏好程度;在此基础上建立新的用户兴趣偏好模型,将标签对用户的影响程度进行量化,建立新的相似度计算方法。最后获得目标用户的近邻集合和预测评分,为目标用户实施有效推荐。实验结果表明该算法大幅度提高了推荐的精准度、缓解了冷启动问题。     

综合用户相似性与话题时效性的影响力用户发现算法

社交网络服务每天产生大量涉及众多话题的信息,并在影响力各异的用户群体推动下广泛传播。在IP(influence passivity)算法的基础上,提出了一种综合话题相似性与信息时效性的影响力用户发现算法EIP(extended influence-passivity)。该算法在转发网络上考虑用户间话题的相似性以及博文信息时效性,更加精准地建模和计算用户的影响力和消极性。基于新浪微博上爬取的约10万用户数据集上的实验验证,EIP影响力度量算法优于IP和TwitterRank等现有方法。     

微博文本和传统文本体裁特征对比

在总结常用特征集合的基础上,根据微博文本的特点以及特征选取原则,选取了适合微博文本体裁分析的特征集合,这些特征能典型的反应微博文本和其他文本形式的区别.还分别对不同的文本体裁进行特征值的统计,并将统计结果在不同的文本体裁之间进行了深入的对比分析,并从体裁的角度分析出不同文本体裁的特征值差别的原因.并从体裁特征的角度说明微博文本是一种新的体裁文本.     

基于节点通信监听机制的高效感知消息传输机会网络路由研究

针对采用社区划分策略的机会网络路由算法在消息传输过程中存在冗余转发的问题,设计节点通信监听机制,构建了新的消息传输策略,以高效感知邻居节点社区属性信息;并充分考虑携带移动设备的人的移动轨迹特点,设计了社区移动模型;嵌入时间片轮回机制,对网络节点进行动态划分社区;最终提出了基于节点通信监听机制的高效感知消息分发机会网络路由算法。在社区内转发消息时,选取与目的节点通信范围重叠区域内的邻居节点作为下一跳,若不存在这样的节点则将消息转发给与目的节点相遇概率较大的邻居节点或目的节点;在社区间转发消息时,算法选取与目的社区通信概率较大的中继社区节点转发消息,通过充分利用通信重叠区域内的节点转发消息,优化转发节点判定机制,重设消息传输条件,降低消息转发次数,从而提高消息传输成功率,降低传输时延。理论分析和仿真结果显示:与当前机会路由算法相比,新算法的传输成功率以及转发效率更高、平均端到端时延与平均存储时间更低。     

P2P文件搜索系统中基于标签的文件搜索方法

针对点对点(P2P)文件搜索技术存在网络带宽消耗大和查询速度慢等问题, 为专用的P2P系统设计一种基于标签的文件搜索方案. 该方案给出了将系统底层每个节点所控制的相关文件上传到中间层子服务器, 及将顶层中央服务器接收到的文件查询转发到相关子服务器的方法, 并运用标签优先顺序技术实现了查询的快速转发.
性能评估结果表明, 基于标签的文件搜索方法在转发查询过程中, 必须检测的标签个数由一个很小的常数界定, 从而节省了系统的网络带宽, 提高了文件的搜索速度.     

基于共词网络的雾霾事件下微博关注话题差异性——以中国北方雾霾严重地区典型城市为例

雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注。微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配。考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的共词网络法挖掘微博话题,首先,采集2017年冬季以"雾霾""空气"等为关键词的微博数据,利用TF-IDF(term frequenly-inverse document frequency)算法对预处理之后的微博数据提取关键词,并获取关键词间的共现关系,然后基于共现关系构建共词网络,根据Louvain算法探测话题社区,最后,以中国雾霾污染最严重的华北地区、华东地区、东北地区7个典型城市为研究区,结合关键词节点的Pagerank值,分析各城市共词网络话题社区的差异程度。实验结果表明,不同城市对于雾霾事件的关注既有相同点也有差异性。研究结果对雾霾情形下城市差异化管理具有一定的理论指导作用。     

信息系统脆弱性被利用概率计算方法

针对现有信息系统风险评估工作中对脆弱性的评估未考虑各脆弱性间的相关性,评估结果受到较多人为主观因素的影响,提出"被利用难易程度"和"被选择概率"两个指标将现有对脆弱性的"被利用难易程度"评价转换为更为科学的"被利用概率"评价,并用贝叶斯网络的正向推理计算脆弱性节点的累积"被选择概率"。通过理论和实验分析,与相关的研究成果相比,提出的脆弱性被利用概率计算方法更准确、合理。     

LBS中理想的移动台位置更新策略

位置服务（LBS）的许多应用需要记录用户的历史轨迹，现有的LBS系统开销比较大，降低了系统的容量。 针对这些缺点，提出了一种理想的移动台位置更新策略，通过把用户分成2类，并依据该分类生成了2个动态改变 用户定位频率的算法，结合用户的运动状态和用户指定的触发定位距离以及最大定位间隔时间来改变用户定位频 率，使得记录下来的用户历史轨迹更加准确，同时提高了移动台位置更新的灵活性。