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%.
循环神经网络、微博转发行为、文本相似度、粉丝兴趣、转发趋势度
28
教育部创新促教基金项目2018B03005;四川省科技厅应用基础研究项目2018JY0510;成都市科技局技术创新研发项目2018-YF05-01206-SN
2019-08-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
155-161