陈振春 刘学军 李 斌

(南京工业大学计算机科学与技术学院 江苏 南京 211816)

基于内容和信任度的舆情扩散研究

陈振春 刘学军 李 斌

(南京工业大学计算机科学与技术学院 江苏 南京 211816)

为提高微博网络中预测舆情转发规模和扩散深度的准确度，提出一种基于内容和信任度的舆情扩散预测算法。首先，依据微博网络中用户和舆情的内容信息，提取影响舆情扩散的特征指标，同时，结合用户间的信任关系，建立在单一邻居已转发舆情情况下用户转发行为的预测模型。继而，基于该模型和线性阈值模型，对多邻居已转发舆情的情况进行深入分析，最终完成对舆情转发规模和扩散深度的预测。实验结果表明，该算法显著提高了转发规模和扩散深度的预测准确性。

舆情 内容 信任度 转发规模 扩散深度 预测

0 引 言

随着科学技术的发展，社会网络作为一种网络应用，为用户提供了信息共享和交互式服务，逐渐变成了舆情扩散的重要平台。如新浪微博，作为国内最大的社会网络，截止2015年9月30日，仅微博日均活跃用户数(DAU)已达到1亿，月活跃用户数(MAU)达到2.22亿。在微博网络中用户可以通过手机终端在任意时间进行访问和交互，高效的信息交互模式极大地缩短了舆情产生和扩散的时间。

目前主要的舆情扩散预测方法包括基于内容的预测、基于信息扩散模型与内容的预测、基于时间序列的预测等。其中基于内容的预测是目前微博网络上舆情扩散预测研究中所采用的最为重要也是最成功的技术之一，其认为要分析用户的转发行为[1-2]，首先要从用户、舆情中提取内容，然后建立用户转发行为的预测模型。……