模式识别与人工智能
2025年1月12日 星期日   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2015, Vol. 28 Issue (1): 27-34    DOI: 10.16451/j.cnki.issn1003-6059.201501004
论文与报告 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于热度曲线分类建模的微博热门话题预测*
刘业政,杜亚楠,姜元春,杜非
合肥工业大学 管理学院 合肥 230009
Trend Prediction for Microblog Based on Classification Modeling of Heat Curves
LIU Ye-Zheng, DU Ya-Nan, JIANG Yuan-Chun, DU Fei
School of Management, Hefei University of Technology, Hefei 230009

全文: PDF (967 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 及时掌握大众关心的热点话题是企业进行商业创新和商务营销的重要前提.现有方法大都依赖于非结构化数据的处理或反复遍历样本集,使算法复杂性较高.文中从话题的统计特性出发,提出建立在结构化数据上的非参数方法.首先对单个话题构建表征话题传播扩散程度和关注聚焦程度的热度曲线;然后对这些形态丰富的热度曲线进行分类建模,得到不同类别曲线的共性特征及发展规律;最后使用分类模型上的加权投票规则预测新话题是否会发展成为热门话题.基于新浪微博平台进行数据收集和实验,结果表明该方法数据结构简单、效果良好、复杂度低且易于控制.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘业政
杜亚楠
姜元春
杜非
关键词 热度曲线分类建模加权投票热门话题预测    
Abstract:Timely acquiring of hot topics is of great significance for commercial innovation and business marketing. Existing methods mostly need to cope with non-structured data or repeated traversal sample set, which results in high complexity. In this paper, emphasizing the topic statistical properties, a non-parameter method based on structured data is proposed to acquire the hot topics in time. Firstly, diffusion degree and focus degree are introduced to build heat curves to characterize the topics. Then, the varied heat curves are classified to determine the common behaviors of the topics. Finally, the weighted-vote scheme is employed to predict whether a topic is trend or not. The experimental results on Sina microblog show that the proposed method has simple data structure and works well with low time complexity and simple manipulation.
Key wordsHeat Curve    Classification Modeling    Weighted-Vote    Trend Prediction   
收稿日期: 2014-03-10     
ZTFLH: TP 181  
  C 934  
基金资助:973国家重点基础研究发展计划项目(No.2013CB329603)、国家自然科学基金项目(No.71071047)、教育部人文社科基金项目(No.12YJC630073)资助
作者简介: 刘业政,男,1965年生,教授,博士生导师,主要研究方向为电子商务、数据挖掘、智能决策理论方法、社会性网络等.E-mail:liuyezheng@hfut.edu.cn.杜亚楠(通讯作者),女,1985年生,博士研究生,主要研究方向为电子商务、数据挖掘等.E-mail:duyanan2046@163.com.姜元春,男,1980年生,博士,副教授,主要研究方向为电子商务、网络营销、数据挖掘等.杜非,男,1990年生,博士研究生,主要研究方向为电子商务、数据挖掘等.
引用本文:   
刘业政,杜亚楠,姜元春,杜非. 基于热度曲线分类建模的微博热门话题预测*[J]. 模式识别与人工智能, 2015, 28(1): 27-34. LIU Ye-Zheng, DU Ya-Nan, JIANG Yuan-Chun, DU Fei. Trend Prediction for Microblog Based on Classification Modeling of Heat Curves. , 2015, 28(1): 27-34.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.201501004      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2015/V28/I1/27
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn