在线社会媒体的流行性预测研究

《在线社会媒体的流行性预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、—一一ｎ＇｜；ｙ？４击种成＊著ＮＤ白ＹＯＦＣＨＩＮＡＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＭＣ巨ＡＴＥＣＨＮＯＬＯ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ：；ｉｒ韩．．唉＾爹＼＇心雌＂＾１ｆｒＨ纯戶；－论义题固在线社会媒御勺流巧距誦妍寃＾＇＾Ｉ学科专业计算机软件与理论＞２０１３２１０６０Ｍ）学号作者姓名陈威＾ｙ－指韋教师蔡世民副教授．？－．．．．．．．．－．？？．是，．：＇＇：读：：靖Ｖ！ｖｒ壑諸：苗气，．！

2、．乂，．．、，．－已二－‘？护，．：；１－，＾驾！一＆占巧ｉｉ独削性卢刚本人声明所呈交的学位论文是木人化导师指导Ｆ进巧的研究了作及取衍的研究成果。据我所知，除了文中特別加标注和致谢的地方夕ｈ论文中小化含其他人ｄ给发表城撰ｙ过的硏究成巧，也不包含为获巧屯子科技大学或其它教育机构的学巧或证书而使川过的材料。与我？同Ｔ作的同点对本研光所做的巧何贵献均已化论义中化Ｔ明蛹的说明并巧示谢意。：作巧篇名：鞭口巧］之引＾小台ｊｉｎ每论义使用授权木学位论文作者完全／解Ｉ、ｉｉ子科技火常包关保巧使用学位论文的规定，有权保巧并向家化关

3、ｍ构送交论：，圃部ｎ或义的妇印件和磁盘许论文被巧阅和借阅。Ｗ将学化论允木人梭权电Ｔ科巧乂学可义的伞、部或部分内容编入巧义数据巧逊巧检柴，可缩引采用影印印或描－等复制乎段化巧、Ｃ编学化。论义（保）密的学位论文化解密巧应迸守此规化ｉＩ作：：女若综名诚谋削｜籍名令跨、＇－：ｎ測ｚｔ４分类号密级注1UDC学位论文在线社会媒体的流行性预测研究（题名和副题名）陈威（作者姓名）指导教师蔡世民副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业计算机软件与理论提交论文日期2016.03.27论文答辩日期2016.05.16学位授予单位和日期电子科技大

4、学2016年06月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。RESEARCHONPOPULARITYPREDICTIONOFONLINESOCIALMEDIAAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:ComputerSoftwareandTheoryAuthor:ChenWeiAdvisor:AssociateProf.CaiShiminSchool:SchoolofComputerScience&Engineering摘要摘要在线社会媒体的流行性

5、预测旨在利用在线系统中商品和用户的交互数据预测在线商品在未来一段时间的流行度。在线社会媒体的流行性预测研究在理论层面和现实社会中都有巨大的意义。理论层面上，流行性预测可以使帮助人们明白哪些因素可能导致商品的流行，商品流行性的动态演化以及微观行为如何汇聚到宏观的商品流行性；现实层面上，商品的流行性预测可以帮助在线用户更有效的过滤掉无用的信息，在线服务商更好的组织和管理他们的平台，以及为广告商提供策略指导等。传统的流行性预测方法大都是从宏观层面进行预测，然而，这类方法往往不能预测出那些当前虽然不流行但即将会流行的“潜力商品”，同时也不利于解释商品流行的原因。因此，本文综合分析了国内外流

6、行性预测方法的研究现状，通过引入推荐算法和社交关系，提出了一些有效的解决方案。本文主要工作如下：1.结合流行度预测的基本工作流程，深入的分析了流行度预测方法中常用的评价指标；根据预测方法的不同思想，总结了常见的流行度预测算法，并指出了各类算法的应用场景及相关代表性算法的具体流程；最后详细的阐述了流行性预测算法的理论基础和算法的流程。2.本文将推荐算法引入到流行度的预测算法中，并提出了一种基于推荐的流行度预测算法框架。基于推荐的流行度预测算法首先是通过推荐算法从微观层面上发掘各个用户在未来一段时间可能感兴趣的商品，然后将不同的单个用户的潜在兴趣汇聚起来最后进行商品流行度的预测。所有的

7、预测器的预测效果都通过三个来源于不同在线服务商的数据集（Movielens,Netflix和Digg）进行评估，实验结果表明，相比于传统的基于流行度的预测算法，本文提出的算法在预测流行商品和“潜力商品”的问题上都有更好的表现。此外，通过在Digg数据集上的分析说明，通过引入用户的影响力，预测算法的效果特别是针对”潜力商品”还可以得到明显地提高。3.本文提出了一种基于社交关系的流行性预测算法。该算法基于早期选择商品的用户之间社交关系数据，构建用户之间的社交网络，提取相应的