文献类型：期刊文章

作　　者：曹玖新[1] 吴江林[1] 石伟[1] 刘波[1] 郑啸[1,2] 罗军舟[1]

机构地区：[1]东南大学计算机科学与工程学院,南京210096 [2]安徽工业大学计算机学院,安徽马鞍山243002

出　　处：《计算机学报》

基　　金：国家"九七三"重点基础研究发展规划项目基金(2010CB328104);国家自然科学基金(61272531;61202449;61272054;61370207;61370208;61300024;61320106007);国家"八六三"高技术研究发展计划项目基金(2013AA013503);高等学校博士点学科专项科研基金(2011009213002);江苏省网络与信息安全重点实验室项目(BM2003201);计算机网络和信息集成教育部重点实验室(东南大学)项目(93K-9)资助~~

年　　份：2014

卷　　号：37

期　　号：4

起止页码：779-790

语　　种：中文

收录情况：BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20141817659679)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：文中以新浪微博为研究对象,以分析新浪微博的信息转发与传播特征为研究目的,并对传播行为进行预测.在获取大量新浪微博在线数据的基础上,对各种可能影响用户转发行为的因素进行统计、分析,挖掘各种影响因素特征并进行建模.提出基于用户属性、社交关系和微博内容三类综合特征,使用机器学习的分类方法,对给定微博的用户转发行为进行预测.基于微博网关注关系拓扑,利用概率级联模型对给定微博的转发路径进行预测,为预测微博的影响范围提供依据.文中通过实验分析了新浪微博符合复杂网络特征、社交类特征对转发行为有重要影响,并验证了传播预测的有效性.

关 键 词：微博  转发 信息传播 预测  社交网络 社会计算

分 类 号：TP393]