面向不平衡微博数据集的转发行为预测方法

摘要：

针对微博转发预测方法研究中的数据集不平衡问题,提出了一种融合过采样技术和随机森林(RF)算法的微博转发行为预测方法.首先,定义了个体信息、社交关系和微博主题3类与微博转发行为相关的特征,并基于信息增益算法实现了关键特征选取;其次,综合微博特征数据的特点来改进少数类样本合成过采样技术(SMOTE),对原始数据集进行非参数概率分布估计,并根据近似概率分布对数据集进行过采样处理,从而使正反例数据量达到平衡;最后,利用随机森林算法,依据微博转发关键特征进行分类器训练,并利用袋外(OOB)数据误差估计来分析和设置随机森林算法的相关参数.通过与基于决策树(DT)、支持向量机(SVM)、朴素贝叶斯(NB)和随机森林等算法的微博转发预测方法进行对比,所提方法整体性能优于基准方法中性能最优的SVM方法,召回率提高了8％,F值提高了5％.实验结果表明,所提方法在实际应用中能够有效提高微博转发行为预测的准确率.

关键词：微博、转发预测、不均匀数据集、过采样、随机森林

所属期刊栏目：35

分类号：TP391.1(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272458

在线出版日期：2015-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1959-1964