基于三分支神经网络的多特征微博传播预测模型

针对现如今微博传播预测的模型考虑因素不够全面的问题,提出基于三分支神经网络的多特征微博传播预测模型。该模型以三分支神经网络结构为框架,利用LDA(Latent Dirichlet Allocation)模型提取微博文本特征,利用改进后的PageRank算法分析用户影响力特征,并与微博是否带有图片、链接和视频等其他特征相融合。经实验验证,该模型在微博传播预测准确度上较已有双分支模型有显著提高,且稳定性良好。

基于改进的LDA主题模型群体情感影响因素研究

[目的/意义]探究社交网络中影响群体情感行为的影响因素,旨在为舆情引导提供参考。[方法/过程]首先,获取微博数据集,进行预处理后,使用结合AP算法及TF-IDF算法的LDA主题模型对用户文本进行聚类,挖掘用户兴趣主题;然后,人工识别结合接口调用对用户文本进行情感标注;最后,利用二元逻辑回归模型对假设的群体情感影响因素进行验证。[结果/结论]性别、主题及活跃度对于群体情感倾向有显著影响;男性群体普遍比女性群体消极;不同主题的情感主旋律不同。该结果对于网络舆情的控制以及个性化新闻推荐具有很好的借鉴作用。