面向不平衡微博数据集的转发行为预测方法

• 作者: 宋丹 赵煜 边根庆 邵必林
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 微博 转发预测 不均匀数据集 过采样 随机森林
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 人工智能
• 页码范围: 1959-1964
• 页数: 6页
• 分类号: TP391.1
• 字数: 6741字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2015.07.1959

摘要

针对微博转发预测方法研究中的数据集不平衡问题,提出了一种融合过采样技术和随机森林(RF)算法的微博转发行为预测方法.首先,定义了个体信息、社交关系和微博主题3类与微博转发行为相关的特征,并基于信息增益算法实现了关键特征选取;其次,综合微博特征数据的特点来改进少数类样本合成过采样技术(SMOTE),对原始数据集进行非参数概率分布估计,并根据近似概率分布对数据集进行过采样处理,从而使正反例数据量达到平衡;最后,利用随机森林算法,依据微博转发关键特征进行分类器训练,并利用袋外(OOB)数据误差估计来分析和设置随机森林算法的相关参数.通过与基于决策树(DT)、支持向量机(SVM)、朴素贝叶斯(NB)和随机森林等算法的微博转发预测方法进行对比,所提方法整体性能优于基准方法中性能最优的SVM方法,召回率提高了8％,F值提高了5％.实验结果表明,所提方法在实际应用中能够有效提高微博转发行为预测的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	邵必林	西安建筑科技大学管理学院	84	498	12.0	18.0
2	赵煜	西安建筑科技大学管理学院	8	44	5.0	6.0
3	边根庆	西安建筑科技大学管理学院	49	283	8.0	15.0
4	宋丹	西安建筑科技大学管理学院	2	14	2.0	2.0