基于转发层次分析的新浪微博热度预测研究

• 作者: 刘全明 李海波 程耀东 翟晓芳 胡庆宝
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 微博 爬虫 静态特征 动态特征 热度指数 多分类问题
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP311.5
• 字数: 4872字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.07.006

摘要

微博作为新型的消息传播媒介,其影响力和传播速度都超越了传统主流媒体,预测微博热度对舆情监测、政府宣传、企业营销及热点推送等具有重要意义.通过分析微博转发的层次规律,结合转发量、转发深度及广度指标,定义新的热度指数计算方法.将微博热度划分为5个等级,对转发数大于100的微博预测其热度达到特定等级的概率.使用有监督的机器学习算法,先后提取训练样本的静态和动态特征训练热度预测模型.通过自主开发的BigData爬虫开放平台获取来源于新浪微博的训练样本,并应用十折交叉验证法进行实验,结果表明,相比只使用静态特征的热度预测模型,加入微博动态特征能有效提高预测性能,平均F1值达到76.9％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李海波	中国科学院高能物理研究所计算中心	201	4673	35.0	59.0
2	程耀东	中国科学院高能物理研究所计算中心	52	322	10.0	14.0
3	胡庆宝	中国科学院高能物理研究所计算中心	7	55	4.0	7.0
4	刘全明	山西大学计算机与信息技术学院	15	45	3.0	6.0
5	翟晓芳	山西大学计算机与信息技术学院	2	25	2.0	2.0