基于内容与行为数据集成建模的企业微博粉丝兴趣挖掘方法

精准有效的微博营销需要准确了解粉丝的兴趣。本文主要目标是将微博内容分析与粉丝行为数据结合,从而更准确的发现并分析粉丝的兴趣。研究中主要应用超网络模型,通过构建话题超网络模型(FISN)对文本内容及行为数据进行集成建模。采用文本挖掘方法对微博内容进行分析,应用粉丝行为数据计算话题关注度,并构建了关键词的粉丝兴趣指数。以中移动官方微博为实例,基于FISN模型进行网络分析,可识别粉丝兴趣热点词、粉丝兴趣中心词、粉丝兴趣类团、粉丝兴趣热点类团等。通过密度矩阵及像矩阵分析,可以发现并识别各类团之间的联动关系。本研究的创新之处在于提出一种结合内容和行为数据的粉丝兴趣分析方法,可帮助企业更准确的了解用户兴趣,为改进其微博营销策略提供了有价值的参考。

基于循环神经网络的微博转发行为预测

随着网络的飞速发展,微博逐渐成为社交网络中信息传播及信息收集的重要平台,微博转发是微博信息传播的重要途径,研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有:粉丝兴趣与微博文本的相似度,微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素,基于此,提出了一种基于循环神经网络的方法来对微博转发量级进行预测,首先利用SIM-LSTM模型构建微博转发趋势度,然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度,最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.

数据分析和数据挖掘在影视频艺人评估分析中的应用研究

当今中国娱乐圈发展蓬勃,随着新晋艺人的数量不断增加,人们对艺人的要求也越来越高。针对当今娱乐市场缺乏对单个艺人整体客观评价的问题,本文采用了数据挖掘和文本分析的方法,从各大网络平台的用户数据中提炼出了明星粉丝的兴趣特征,并利用微博平台的评论信息综合分析出了几十个贴切艺人形象的关键词。最终得到了艺人整体形象和其粉丝兴趣特征的关键词,并以图表和词云的形式展现出来,给人以直观的印象,较好地反映了真实的情况。