基于转发传播过程的微博转发量预测

doi:10.3969/j.issn.0372-2112.2016.12.025

电子学报 ›› 2016, Vol. 44 ›› Issue (12): 2989-2996.DOI: 10.3969/j.issn.0372-2112.2016.12.025

基于转发传播过程的微博转发量预测

赵惠东, 刘刚, 石川, 吴斌

北京邮电大学智能通信软件与多媒体北京市重点实验室, 北京 100876

收稿日期:2015-02-03 修回日期:2015-08-04 出版日期:2016-12-25
- 作者简介:
- 赵惠东,男,1990年11月出生,辽宁沈阳人,2013年在北京邮电大学获得学士学位,现为北京邮电大学计算机学院硕士研究生,研究方向为数据挖掘.E-mail:zhaohuidong1121@foxmail.com;刘刚,男,1989年5月出生,辽宁沈阳人,2012年在北京邮电大学获得学士学位,2015年在北京邮电大学获得工学硕士学位,研究方向为数据挖掘;石川,男,1978年4月出生,湖北洪湖人,教授、博士生导师、IEEE/ACM/CCF会员.2001年在吉林大学获得学士学位,2004年在武汉大学获得硕士学位,2007年在中国科学院计算技术研究所获得博士学位.2007年加入北京邮电大学,研究方向包括机器学习、数据挖掘和演化计算;吴斌,男,1969年11月出生,湖南长沙人,教授、博士生导师,2002年中国科学院计算技术研究所博士毕业,现在北京邮电大学计算机学院工作,主要从事复杂网络、数据挖掘、海量数据并行处理、可视分析、电信客户关系管理等方面的研究工作.
- 基金资助:
- 国家重点基础研究发展计划 (No.2013CB329606）; 国家自然科学基金 (No.61375058，No.71231002）; 北京市高等教育青年英才项目

Retweet Number Prediction Based on Retweet Propagation Process

ZHAO Hui-dong, LIU Gang, SHI Chuan, WU Bin

Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijng 100876, China

Received:2015-02-03 Revised:2015-08-04 Online:2016-12-25 Published:2016-12-25

摘要/Abstract

摘要：

微博已经成为日常生活中最流行的信息分享工具.转发是微博中信息传播的核心方法，所以转发量预测不仅是一个有趣的研究问题，也有较大的实际意义.然而，当前大部分研究只是把问题视为分类或回归问题，没有考虑转发的传播过程.本文中，我们提出一个符合转发传播过程的转发量预测模型.本文认为转发信息来自两方面：直接粉丝和间接粉丝，而粉丝带来的转发量由转发意愿和影响力决定.我们用历史行为和内容相关性来估算一名直接粉丝的转发意愿，并用他/她的影响力来估算通过他/她的间接粉丝的转发量.新浪微博上的实验表明我们的模型比其他已有的方法效果好.

关键词: 转发量预测, 转发意愿, 转发影响力

Abstract:

Micro-blog has become the most popular information sharing tool in our daily life.The retweet behavior is a main method of information propagation in micro-blog.So the retweet number prediction is an interesting research topic and has much practical significance.However,most of current researches only regard this problem as aclassification or regression problem,and they did not consider the retweet propagation process.Considering the retweet propagation process,we propose a retweet number prediction model BCI.In our model,we think retweet messages are from two parts,direct followers and indirect followers.The retweet number of followers is decided by their retweet intention and influence.We use behavior and content information to estimate retweet intention for a direct follower and use the influence to estimate the indirect followers' retweet number.Experimental results on Sina Weibo dataset show that our retweet number prediction model has much better performance than other well-established methods.

Key words: retweet number prediction, retweet intention, the influence on retweeting

中图分类号:

TP391

赵惠东, 刘刚, 石川, 吴斌. 基于转发传播过程的微博转发量预测[J]. 电子学报, 2016, 44(12): 2989-2996.

ZHAO Hui-dong, LIU Gang, SHI Chuan, WU Bin. Retweet Number Prediction Based on Retweet Propagation Process[J]. Acta Electronica Sinica, 2016, 44(12): 2989-2996.

参考文献

[1] Ma H,Qian W,Xia F,et al.Towards modeling popularity of microblogs[J].Frontiers of Computer Science,2013,7(2):171-184.
[2] Yang Z,Guo J,Cai K,et al.Understanding retweeting behaviors in social networks[A].Proceedings of the 19th ACM International Conference on Information and Knowledge Management[C].Toronto,Ontario,Canada:ACM,2010.1633-1636.
[3] Yang J,Counts S.Predicting the speed,scale,and range of information diffusion in Twitter[A].Proceedings of the International AAAI Conference on Weblogs and Social Media[C].Washington,USA:AAAI,2010.355-358.
[4] Gao Q,Abel F,Houben G J,et al.A comparative study of users' microblogging behavior on Sina Weibo and Twitter[A].User Modeling,Adaptation,and Personalization[C].Montreal,Canada:Springer,2012.88-101.
[5] Stieglitz S,Dang-Xuan L.Political communication and influence through microblogging-an empirical analysis of sentiment in twitter messages and retweet behavior[A].System Science (HICSS),201245th Hawaii International Conference on[C].Hawaii:IEEE,2012.3500-3509.
[6] Morchid M,Dufour R,Bousquet P M,et al.Feature selection using principal component analysis for massive retweet detection[J].Pattern Recognition Letters,2014,49:33-39.
[7] Peng H K,Zhu J,Piao D,et al.Retweet modeling using conditional random fields[A].Data Mining Workshops (ICDMW),2011 IEEE 11th International Conference on[C].Vancouver,British Columbia,Canada:IEEE,2011.336-343.
[8] Cui P,Wang F,Liu S,et al.Who should share what?:item-level social influence prediction for users and posts ranking[A].Proceedings of the 34th International ACM SIGIR Conference on Research and Development in Information Retrieval[C].Beijing,China:ACM,2011.185-194.
[9] Lu X,Yu Z,Guo B,et al.Modeling and predicting the re-post behavior in SinaWeibo[A].Green Computing and Communications (GreenCom),2013 IEEE and Internet of Things (iThings/CPSCom),IEEE International Conference on and IEEE Cyber,Physical and Social Computing[C].Beijing,China:IEEE,2013.962-969.
[10] 李英乐,于洪涛,刘力雄.基于SVM的微博转发规模预测方法[J].计算机应用研究,2013,30(9):2594-2597. Y Li,H Yu,L Liu.Predict algorithm of micro-blog retweet scale based on svm[J].Application Research of Computers,2013,30(9):2594-2597.(in chinese)
[11] Liu G,Shi C,Chen Q,et al.A two-phase model for retweet number prediction[A].Web-Age Information Management[C].Macau,China:Springer International Publishing,2014.781-792.
[12] Koren Y,Bell R,Volinsky C.Matrix factorization techniques for recommender systems[J].Computer,2009,42(8):30-37.
[13] Breiman L,Friedman J H.Predicting multivariate responses in multiple linear regression[J].Journal of the Royal Statistical Society,1997,59(1):3-54.
[14] Ruck D W,Rogers S K,Kabrisky M,et al.The multilayer perceptron as an approximation to a Bayes optimal di44scriminant function[J].Neural Networks,IEEE Transactions on,1990,1(4):296-298
[17] Frank E,Wang Y,Inglis S,et al.Using model trees for classification[J].Machine Learning,1998,32(1):63-7

[1]	王子为, 鲁继文, 周杰. 基于自适应梯度优化的二值神经网络[J]. 电子学报, 2023, (): 1-10.
[2]	刘金平, 吴娟娟, 张荣, 徐鹏飞. 基于结构重参数化与多尺度深度监督的COVID-19胸部CT图像自动分割[J]. 电子学报, 2023, (): 1-9.
[3]	张笑宇, 沈超, 蔺琛皓, 李前, 王骞, 李琦, 管晓宏. 面向机器学习模型安全的测试与修复[J]. 电子学报, 2023, (): 1-35.
[4]	王炼红, 罗志辉, 林飞鹏, 李潇瑶. 采用多头注意力机制的C&RM-MAKT预测算法[J]. 电子学报, 2022, (): 1-9.
[5]	苏田田, 王慧敏, 张小凤. 基于多分支瓶颈结构的轻量型图像分类算法研究[J]. 电子学报, 2022, (): 1-9.
[6]	刘芳, 朱天贺, 苏卫星, 刘阳. 基于高斯隐马尔可夫模型的人机共享控制区域化决策算法[J]. 电子学报, 2022, 50(11): 2659-2667.
[7]	桑海峰, 陈旺兴, 王海峰, 王金玉. 基于多模式时空交互的行人轨迹预测模型[J]. 电子学报, 2022, 50(11): 2806-2812.
[8]	刘耿耿, 李泽鹏, 郭文忠, 陈国龙, 徐宁. 面向超大规模集成电路物理设计的通孔感知的并行层分配算法[J]. 电子学报, 2022, 50(11): 2575-2583.
[9]	魏博文, 全红艳. 基于语义与形态特征融合的语义分割网络[J]. 电子学报, 2022, 50(11): 2688-2697.
[10]	姚睿, 朱享彬, 周勇, 王鹏, 张艳宁, 赵佳琦. 基于重要特征的视觉目标跟踪可迁移黑盒攻击方法[J]. 电子学报, 2022, (): 1-10.
[11]	金紫凤, 潘思聪, 危辉. 可变环境下基于位姿变换矩阵的机器人无标定手眼协调方法[J]. 电子学报, 2022, 50(10): 2318-2328.
[12]	魏钰轩, 陈莹. 基于自适应层信息熵的卷积神经网络压缩[J]. 电子学报, 2022, 50(10): 2398-2408.
[13]	马百腾, 张士伟, 高常鑫, 桑农. 面向行为边界框生成的端到端时间全局相关网络[J]. 电子学报, 2022, 50(10): 2452-2461.
[14]	肖斌, 陈嘉博, 毕秀丽, 张俊辉, 李伟生, 王国胤, 马旭. 基于一维卷积神经网络与循环神经网络串联的心音分析方法[J]. 电子学报, 2022, 50(10): 2425-2432.
[15]	周登文, 李文斌, 李金新, 黄志勇. 一种轻量级的多尺度通道注意图像超分辨率重建网络[J]. 电子学报, 2022, 50(10): 2336-2346.

基于转发传播过程的微博转发量预测

Retweet Number Prediction Based on Retweet Propagation Process

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics