原文服务方: 计算机应用研究       
摘要:
为了评价微博的传播效果,在分析影响用户转发行为因素的基础上,提出了采用用户影响力、用户活跃度、兴趣相似度、微博内容重要性和用户亲密程度五项特征进行转发行为预测的SVM算法,以及基于该算法的转发规模预测算法.最后给出了传播规模预测的评价方法.针对新浪微博用户数据的实验表明,预测精度达到了86.63%.
推荐文章
微博中结合转发特性的用户兴趣话题挖掘方法
微博
用户
兴趣转发
跟随转发
主题模型
基于大数据分析方法的微博热点建模与预测
微博热点分析
网络管理
大数据分析
预测模型
微博热点建模
预测效率
基于混合特征学习的微博转发预测方法
微博
混合特征学习
转发预测
基于转发传播过程的微博转发量预测
转发量预测
转发意愿
转发影响力
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于SVM的微博转发规模预测方法
来源期刊 计算机应用研究 学科
关键词 微博 转发行为 转发规模
年,卷(期) 2013,(9) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2594-2597
页数 4页 分类号 TP391
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2013.09.008
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 于洪涛 44 339 10.0 16.0
2 刘力雄 12 162 6.0 12.0
3 李英乐 7 80 4.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (160)
参考文献  (4)
节点文献
引证文献  (53)
同被引文献  (104)
二级引证文献  (149)
1972(1)
  • 参考文献(0)
  • 二级参考文献(1)
1975(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(5)
  • 参考文献(2)
  • 二级参考文献(3)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2014(6)
  • 引证文献(6)
  • 二级引证文献(0)
2015(17)
  • 引证文献(10)
  • 二级引证文献(7)
2016(26)
  • 引证文献(15)
  • 二级引证文献(11)
2017(37)
  • 引证文献(10)
  • 二级引证文献(27)
2018(43)
  • 引证文献(4)
  • 二级引证文献(39)
2019(47)
  • 引证文献(5)
  • 二级引证文献(42)
2020(26)
  • 引证文献(3)
  • 二级引证文献(23)
研究主题发展历程
节点文献
微博
转发行为
转发规模
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导