基于特征选择的企业微博转发机制-研究

《基于特征选择的企业微博转发机制-研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、摘要微博，作为新兴的信息发布及社交网络平台，以其即时性、交互性及高使用率为主要特征，其出现具有划时代的意义。微博自推出以来，迅速得到了广大网民的关注，企业也以官方微博的形态加入到微博的热潮中。对于企业而言，官方微博的本质是企业在社会化媒体平台上的自主传播媒体，其商业价值的核心是巨大的用户基础和流量。社会化营销时代的到来，要求企业完成在传统网络营销中角色的转变，从网络营销的控制者成为与消费者的互动者。与企业的官方网站相比，企业微博具有更多的互动性，能够引导用户对营销内容的再次传播，达到企业口碑营销的目的。因此，研究企业微博的转发机制具有重要的实际意义与应用价值。本文主要通过建立微博转发预测模型，

2、探究企业微博的转发规律。首先，基于对相关文献的研究以及实践经验，选取了可能对微博转发量产生影响的特征集合，从内容特征、形式特征、时间特征三个维度对影响因子进行了汇总与归类；其次，采用信息增益算法，在微博全特征集合的基础上进行属性选择，选出对微博转发量影响最大的特征集合，即最优微博特征集合。再次，基于最优特征集合，采用C4.5决策树、CART决策树、PART决策树三种算法建立微博转发预测模型，使用评估分类器性能的多重指标判定模型的优劣，并由最优的预测模型导出影响转发量的规则。最后，分别对不同产品的官方微博建立转发预测模型，对比模型的优劣及转发规则，并对影响微博转发的典型特征因子进行更为深入的分析

3、。另外，基于以上分析，本文总结出了影响微博转发的一般规律，为企业进行微博营销提供了新的思路与可行性的建议。总体而言，本文的应用价值不仅在于为企业提供了切实有效的提升微博转发量的途径，还在于通过决策树算法训练得到了判定微博转发量大小的分类器，为企业发布微博前进行转发量测试提供了有用的工具。关键词：企业微博，特征筛选，决策树算法，微博转发预测模型AbstractMicro-blog,asarisinginformationreleaseandsocialnetworkingplatform,hasepoch-makingsignificancewithcharacteristicsofinstan

4、taneity,interactivityandhighusagerate.Sinceitcomestothemarket,itquicklyarousestheattentionofnetizensandalargenumberofenterpriseshavefollowedthetrendintheformofstartingofficialmicro-blogs.Forenterprises,thenatureofofficialmicro-blogsisself-diffusingmediawithacorebusinessvalueoflargeuserbaseandflow.Th

5、eeraofsocialnetworkmarketingiscoming,whichrequiresthechangeofrolefromtraditionalonlinemarketing,i.e.changingfromonlinemarketingcontrollertointeractioninitiatorwithconsumers.Comparedwithofficialwebsites,micro-blogsboastmoreinteractivityandguideuserstospreadmarketing-relatedmessageagaininordertoachiev

6、ethegoalofword-of-mouthmarketing.Therefore,theresearchofmessageforwardingmechanismofenterprises’micro-bloghaspracticalsignificanceandapplicationvalue.Thisessayexploresintothemessageforwardingmechanismbybuildingmicro-blogmessageforwardingforecastmodel.Firstly,basedonrelevantresearchandpracticalexperi

7、ence,asetoffeaturesthatwillprobablyinfluencemessageforwardingisbuilt,whichmeansaggregationandclassificationoffeaturesfromthedimensionofcontent,formandtime.Secondly,usingtheinformationgainalgorithmtose