在線社會媒體的流行性預(yù)測研究.pdf

1、在線社會媒體的流行性預(yù)測旨在利用在線系統(tǒng)中商品和用戶的交互數(shù)據(jù)預(yù)測在線商品在未來一段時間的流行度。在線社會媒體的流行性預(yù)測研究在理論層面和現(xiàn)實社會中都有巨大的意義。理論層面上，流行性預(yù)測可以使幫助人們明白哪些因素可能導(dǎo)致商品的流行，商品流行性的動態(tài)演化以及微觀行為如何匯聚到宏觀的商品流行性；現(xiàn)實層面上，商品的流行性預(yù)測可以幫助在線用戶更有效的過濾掉無用的信息，在線服務(wù)商更好的組織和管理他們的平臺，以及為廣告商提供策略指導(dǎo)等。傳統(tǒng)的流行性

2、預(yù)測方法大都是從宏觀層面進行預(yù)測，然而，這類方法往往不能預(yù)測出那些當前雖然不流行但即將會流行的“潛力商品”，同時也不利于解釋商品流行的原因。因此，本文綜合分析了國內(nèi)外流行性預(yù)測方法的研究現(xiàn)狀，通過引入推薦算法和社交關(guān)系，提出了一些有效的解決方案。本文主要工作如下：
　　1.結(jié)合流行度預(yù)測的基本工作流程，深入的分析了流行度預(yù)測方法中常用的評價指標；根據(jù)預(yù)測方法的不同思想，總結(jié)了常見的流行度預(yù)測算法，并指出了各類算法的應(yīng)用場景及相關(guān)代

3、表性算法的具體流程；最后詳細的闡述了流行性預(yù)測算法的理論基礎(chǔ)和算法的流程。
　　2.本文將推薦算法引入到流行度的預(yù)測算法中，并提出了一種基于推薦的流行度預(yù)測算法框架?；谕扑]的流行度預(yù)測算法首先是通過推薦算法從微觀層面上發(fā)掘各個用戶在未來一段時間可能感興趣的商品，然后將不同的單個用戶的潛在興趣匯聚起來最后進行商品流行度的預(yù)測。所有的預(yù)測器的預(yù)測效果都通過三個來源于不同在線服務(wù)商的數(shù)據(jù)集（Movielens，Netfl ix和Dig

4、g）進行評估，實驗結(jié)果表明，相比于傳統(tǒng)的基于流行度的預(yù)測算法，本文提出的算法在預(yù)測流行商品和“潛力商品”的問題上都有更好的表現(xiàn)。此外，通過在Digg數(shù)據(jù)集上的分析說明，通過引入用戶的影響力，預(yù)測算法的效果特別是針對”潛力商品”還可以得到明顯地提高。
　　3.本文提出了一種基于社交關(guān)系的流行性預(yù)測算法。該算法基于早期選擇商品的用戶之間社交關(guān)系數(shù)據(jù)，構(gòu)建用戶之間的社交網(wǎng)絡(luò)，提取相應(yīng)的社交網(wǎng)絡(luò)特征來提高算法的預(yù)測準確率；接著，本文還首次

5、定義并量化了能夠促進商品傳播的傳播達人，并根據(jù)定義的傳播達人，提取了相應(yīng)的傳播達人類特征，并將其加入到了基于社交關(guān)系的流行性預(yù)測算法中進行預(yù)測。本文在Digg數(shù)據(jù)集上進行了實驗，實驗結(jié)果表明，通過引入社交網(wǎng)絡(luò)特征和傳播達人特征，可以提高算法的預(yù)測效果。此外，通過對實驗結(jié)果的分析，本文發(fā)現(xiàn)朋友之間的“人情性”投票不利于商品的流行，而文章定義的傳播達人選擇商品的次數(shù)與商品的最終流行度存在一定的相關(guān)性，以上結(jié)果也從不同用戶的選擇對商品流行度的