基于特征篩選的微博轉(zhuǎn)發(fā)行為研究.pdf

1、隨著社交平臺和移動互聯(lián)網(wǎng)的普及，微博逐漸成為人們分享和獲取信息的主流平臺之一。特別是近年來國內(nèi)外重大事件，大量一手資訊都先出現(xiàn)在微博網(wǎng)絡。微博網(wǎng)絡內(nèi)信息能夠快速傳播是其在信息傳播方面的主要優(yōu)勢，而其中信息得到快速傳播的主要方式就是依靠微博用戶的轉(zhuǎn)發(fā)行為。因此，對于微博網(wǎng)絡轉(zhuǎn)發(fā)行為的研究具有重要研究價值和實際意義。本文主要進行了微博轉(zhuǎn)發(fā)行為預測和轉(zhuǎn)發(fā)規(guī)模預測的相關研究。
　　本文使用基于爬蟲模擬登錄的數(shù)據(jù)采集方式爬取大約84萬條微博

2、信息。在特征提取方面，擴展出了用戶活躍度和博文影響力特征。針對微博文本短、詞語相關性難以挖掘的問題，通過加入作者主題分布和對轉(zhuǎn)發(fā)微博的處理來改進標準LDA模型在短文本處理上的缺陷。針對數(shù)據(jù)集中存在本身與預測無關的特征以及冗余特征，本文采用混合選擇的方式，首先剔除無關特征或噪聲特征，使后續(xù)特征搜索規(guī)模得到有效縮減，然后將選取后的特征通過封裝方法繼續(xù)進行優(yōu)化選取。即使用改進的奇異值分解（Singular Value Decompositio

3、n）實現(xiàn)數(shù)據(jù)降維去噪后，根據(jù)隨機森林算法（Random Forest）本身的變量重要程度對特征排序，其中使用分類準確率作為特征可分性判據(jù)，利用可回溯的貪婪搜索擴張，最好優(yōu)先原則選取特征子集。
　　通過實驗研究發(fā)現(xiàn)，微博轉(zhuǎn)發(fā)規(guī)模較大用戶在全部用戶中占比很低，即微博的轉(zhuǎn)發(fā)規(guī)?？偸谴嬖趦缏煞植肌Ｓ捎谖⒉┑霓D(zhuǎn)發(fā)量的不平衡性會導致某些模型為了在訓練時得到更小的損失函數(shù)而偏向于預測較小的值。針對該問題，提出了兩階段模型。在第一階段，使用不易過