融合多种转发习惯的微博转发预测

[目的/意义]微博转发预测对热点话题检测、网络营销及舆情监控等具有重要意义。[方法/过程]针对现有方法未充分考虑转发者个体差异的不足,提出一种融合多种转发习惯的微博转发预测方法。该方法依据转发者的历史数据从转发行为习惯、转发对象习惯和转发内容习惯三个方面挖掘其转发习惯,并利用具体的待预测微博及发布者的信息对转发习惯进行量化,得到对应的预测分量,最后利用逻辑回归算法实现微博转发预测。[结果/结论]在真实新浪微博数据集上的实验结果表明,相对于现有的经典方法,该转发预测方法的最大F值提高了约2.7%。

考虑用户信息转发习惯和信息偏好的在线社会网络中信息扩散模型及仿真

【目的/意义】研究用户转发习惯和信息偏好差异对信息扩散范围的影响,提出相应建议。【方法/过程】提出了一个三类未知用户的信息扩散模型,比较了两类网络中各类节点比例的差异,分析了概率、未知信息用户比例和转发阈值的影响。【结果/结论】度增加时,两类节点的比例在BA网络中先有优势后又变成劣势,最终几乎无差别;未知节点比例有优势时转发概率增加,知道节点比例一直增加,犹豫节点比例先增后减;度较小时,知道节点比例随着喜欢转发信息的未知节点比例减少和转发阈值增加而降低,度较大时结果相反;犹豫节点比例随转发阈值增加而减少。【创新/局限】考虑到信息内容的偏好差异以及转发习惯的差异对信息扩散的影响,但尚未考虑到信息的新颖度随时间变化等因素对转发信息的概率的影响以及转发信息节点对不同未知信息节点的影响力的差异。