吴 婷

(西南交通大学 经济管理学院，成都 610031)

基于和声算法的微博传播预测研究

吴 婷

(西南交通大学 经济管理学院，成都 610031)

微博信息传播预测研究已成为广大学者研究的重点，而微博转发是其中一个关键机制。本文结合传统的传染病模型，融入外来用户影响因子，得到改进的微博预测SIRE模型。通过对比SISe模型，SIRE模型能够更好地拟合和预测微博转发规律。从算法性能上通过对比和声算法、粒子群算法、遗传算法，结果表明，采用和声算法进行微博转发预测模型参数寻优，其性能最佳，并能很好地表征微博传播趋势。

传染病模型；转发行为；和声算法；参数优化

微博作为当前国内社交网络的一种新兴事物，已经成为重要的社交通信工具，并能够在短期内快速传播[1]。微博的高效传播特性，已成为国内外广大学者研究的焦点[2]。

对于微博的传播模型研究：Watts 和 Strogatz[3]在提出 SW（small world）网络模型的开创性工作中指出SW效应会加快传染病的传播过程。Chakrabarti D等[4]提出通用流行阀值条件，利用传染病模型的方法预测微博的转发规模，但模型只进行仿真验证，未进行真实数据的模型验证。Li.Y等[5]利用扩展的传染病模型对腾讯微博信息的转发次数进行准确的预测。M.Cha 等[6]假定 Twitter上用户关注数的数量不是衡量用户影响力的有效方法，提出了3种不同的测量用户影响力的方法—用户的粉丝数、用户的微博被转发的次数以及用户的提及数。Yang J等[7]基于数据挖掘中的“生存分析”理论研究了Twitter中主题的扩散情况和标签内容的传播情况。……