微博个性化转发行为预测新算法

doi:10.3969/j.issn.1001-2400.2016.04.010

西安电子科技大学学报 ›› 2016, Vol. 43 ›› Issue (4): 51-56+62.doi: 10.3969/j.issn.1001-2400.2016.04.010

微博个性化转发行为预测新算法

唐兴1;权义宁1;宋建锋1;邓凯1;朱海2;苗启广1

(1. 西安电子科技大学计算机学院，陕西西安 710071；
2. 周口师范学院计算机科学与技术学院，河南周口 466001)

收稿日期:2015-04-20 出版日期:2016-08-20 发布日期:2016-10-12
作者简介:唐兴(1988-)，男，西安电子科技大学博士研究生，E-mail：tangxing@stu.xidian.edu.cn．
基金资助:
国家自然科学基金资助项目(61472302，61272280，U1404620，41271447)；教育部新世纪优秀人才支持计划资助项目(NCET-12-0919)；中央高校基本科研业务费专项资金资助项目(K5051203020，JB150313，JB150317，K5051303018，BDY081422）；陕西省自然科学基金资助项目(2010JM8027)；西安市科技局资助项目(CXY1441(1))；地理信息工程国家重点实验室开放研究基金资助项目(SKLGIE2014-M-4-4)；NSFC-广东联合基金(第二期)超级计算科学应用研究立项和国家超级计算广州中心资助项目；模式识别国家重点实验室开放课题基金资助项目(201600031)

Novel algorithm for predicting personalized retweet behavior

TANG Xing1;QUAN Yining1;SONG Jianfeng1;DENG Kai1;ZHU Hai2;MIAO Qiguang1

(1. School of Computer Science and Technology, Xidian Univ., Xi'an 710071, China;
2. School of Computer Science and Technology, Zhoukou Normal Univ., Zhoukou 466001, China)

Received:2015-04-20 Online:2016-08-20 Published:2016-10-12

摘要/Abstract

摘要：

目前，对微博转发行为预测主要是对所有微博用户的历史数据进行学习，从而得到转发模型．但是这类模型需要对所有用户的转发行为进行全局预测，存在同质性且无法对具体用户进行个性化预测的缺陷．针对这些问题，提出了基于多任务学习的个性化微博转发行为预测算法．对新浪微博进行了数据抓取、分析和特征选择，根据社会学中影响力的理论，针对微博用户之间进行社交信息交流而导致相互影响的特点，引入了多任务学习方法，以逻辑回归预测模型作为基准算法，将预测模型分为全局模型与个性模型进行学习．预测模型把对每个用户转发行为的预测对应为多个任务，根据微博用户间的社交交互对这些任务进行关联．实验结果表明，所提出的模型能够有效地对单个用户的微博转发行为进行预测，并且提高了转发行为预测的准确率．

关键词: 多任务学习, 个性化, 转发行为, 社交网络, 微博, 数据挖掘

Abstract:

Recently, models for predicting the user retweet behavior are based mainly on the historical retweet data of all users. However, these models are of homogeneity and could not predict a particular user's behavior. To overcome these problems, we propose an algorithm for predicting personalized retweet behavior. Based on crawled Weibo data, we have conducted an analysis and a selection of retweet features. According to the influential theory, we introduce the multi-task learning framework to divide the tasks into common global tasks and many individual tasks. Our massive experiments show that our algorithm is effective in predicting personalized retweet behavior.

Key words: multi-task learning, personalization, retweet behavior, social networks, microblog, data mining

唐兴;权义宁;宋建锋;邓凯;朱海;苗启广. 微博个性化转发行为预测新算法[J]. 西安电子科技大学学报, 2016, 43(4): 51-56+62.

TANG Xing;QUAN Yining;SONG Jianfeng;DENG Kai;ZHU Hai;MIAO Qiguang. Novel algorithm for predicting personalized retweet behavior[J]. Journal of Xidian University, 2016, 43(4): 51-56+62.

参考文献

［1］李栋, 徐志明, 李生, 等. 在线社会网络中信息扩散［J］. 计算机学报, 2014,37(1): 189-206.
LI Dong, XU Zhiming, LI Sheng, et al. A Survey on Information Diffusion in Online Social Networks ［J］. Chinese Journal of Computers, 2014, 37(1): 189-206.
［2］ PETROVIC S, OSBORNE M, LAVRENKO V. RT to Win! Predicting Message Propagation in Twitter［C］//Proceedings of the 5th International Conference on Weblogs and Social Media. Barcelona: AAAI , 2011:586-589.
［3］张旸, 路荣, 杨青. 微博客中转发行为的预测研究［J］. 中文信息学报, 2012, 26(4): 109-114,121.
ZHANG Yang, LU Rong, YANG Qing. Predicting Retweeting in Microblogs ［J］. Journal of Chinese Information Processing, 2012, 26(4): 109-114,121.
［4］ XU Z H, YANG Qing. Analyzing User Retweet Behavior on Twitter［C］//Proceedings of the 2012 International Conference on Advances in Social Networks Analysis and Mining. Washington: IEEE Computer Society, 2012:46-50.
［5］曹玖新, 吴江林, 石伟, 等. 新浪微博网信息传播分析与预测［J］. 计算机学报, 2014,37(4): 779-790.
CAO Jiuxin, WU Jianglin, SHI Wei, et al. Sina Microblog Information Diffusion Analysis and Prediction ［J］. Chinese Journal of Computers, 2014, 37(4): 779-790.
［6］ ARGYRIOU A, EVGENIOU T, PONTIL M. Multi-task Feature Learning［C］//Advances in Neural Information Processing Systems 19. Vancouver: MIT Press, 2007: 41-48.
［7］ EVGENIOU T, PONTIL M. Regularized Multi-task Learning［C］// Proceedings of the Tenth ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. New York: ACM, 2004: 109-117.
［8］ CARUANA R. Multitask Learning ［J］. Machine Learning, 1997, 28(1): 41-75.
［9］ ZHU Y, ZHONG E, PAN S J, et al. Predicting User Activity Level in Social Networks［C］//Proceedings of the 22nd ACM International Conference on Conference on Information and Knowledge Management. New York: ACM, 2013: 159-168.
［10］ FEI H, JIANG R, YANG Y, et al. Content Based Social Behavior Prediction: a Multi-task Learning Approach［C］//Proceedings of the 20th ACM International Conference on Information and Knowledge Management. New York: ACM, 2011: 995-1000.
［11］ LIU Z, LIU L, LI H. Determinants of Information Retweeting in Microblogging ［J］. Internet Research, 2012, 22(4): 443-466.
［12］陈庆丽，张志勇，向菲，等. 面向多媒体社交网络的访问控制模型［J］. 西安电子科技大学学报, 2014, 41(6): 181-187.
CHEN Qingli, ZHANG Zhiyong, XIANG Fei, et al. Research on the Access Control Model for Multimedia Social Networks ［J］. Journal of Xidian University, 2014, 41(6): 181-187.
［13］ PAGE L, BRIN S, MOTWANI R, et al. The PageRank Citation Ranking: Bringing Order to the Web ［R］. Palo Alto: Stanford InfoLab, 1999.
［14］ BLEI D M, NG A Y, JORDAN M I. Latent Dirichlet Allocation ［J］. The Journal of Machine Learning Research, 2003, 3(4/5): 993-1022.

[1]	徐智诚,李响,毛剑,刘建伟,周志洪. 分布式架构中的Sybil攻击及防御综述[J]. 西安电子科技大学学报, 2021, 48(1): 39-49.
[2]	屠守中,闫洲,卫玲蔚,朱小燕. 异构社交网络用户兴趣挖掘方法[J]. 西安电子科技大学学报, 2019, 46(2): 83-88.
[3]	唐兴;权义宁;董泽;苗启广. 一种融合信息熵的个人网络主题圈子发现算法[J]. 西安电子科技大学学报, 2017, 44(3): 43-48.
[4]	徐丹蕾;杜兰;王鹏辉;刘宏伟. 采用多任务稀疏学习的雷达HRRP小样本目标识别[J]. 西安电子科技大学学报, 2016, 43(2): 23-28.
[5]	王永程;孟艳红. 针对有向社交网络的Sybil检测方法[J]. 西安电子科技大学学报, 2016, 43(2): 199-204.
[6]	陈庆丽;张志勇;向菲;王剑. 面向多媒体社交网络的访问控制模型[J]. J4, 2014, 41(6): 181-187.
[7]	马国峻;裴庆祺;张红祥. 一种支持个性化共享的DRM模型[J]. J4, 2014, 41(3): 187-191.
[8]	吕锡香;杨波;裴昌幸;苏晓龙. 基于数据挖掘的入侵检测系统检测引擎的设计[J]. J4, 2004, 31(4): 574-580.
[9]	张建军1;张静波2. 一种新的基于粗糙集理论的决策表离散化算法[J]. J4, 2004, 31(3): 469-472.
[10]	郑建国1;2;周明全1;耿国华1. 智能数据挖掘理论体系研究[J]. J4, 2004, 31(1): 143-147.
[11]	邹晓峰;陆建江;宋自林. 一种构建分类系统的新方法[J]. J4, 2003, 30(4): 556-561.
[12]	郑建国;刘芳;焦李成. 自适应子波神经网络数据挖掘方法[J]. J4, 2002, 29(4): 474-477.
[13]	陆建江;宋自林;钱祖平. 挖掘区间值关系数据库的模糊关联规则[J]. J4, 2002, 29(3): 387-392.
[14]	暂时无作者信息. Internet/Web数据挖掘研究现状及最新进展[J]. J4, 2001, 28(1): 114-120.

微博个性化转发行为预测新算法

Novel algorithm for predicting personalized retweet behavior

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 14

Metrics

本文评价

推荐阅读 10