您的位置：山东大学 -> 科技期刊社 -> 《山东大学学报（理学版）》

《山东大学学报(理学版)》 ›› 2020, Vol. 55 ›› Issue (1): 94-101.doi: 10.6040/j.issn.1671-9352.1.2018.136

•   • 上一篇    下一篇

基于多维度特征的主题标签流行度预测

王新乐1,2(),杨文峰3,廖华明1,王永庆1,刘悦1,俞晓明1,程学旗1   

  1. 1. 中国科学院计算技术研究所, 中国科学院网络数据科学与技术重点实验室, 北京 100190
    2. 中国科学院大学, 北京 100190
    3. 中国移动(苏州)软件技术有限公司, 江苏 苏州 215000
  • 收稿日期:2018-10-17 出版日期:2020-01-20 发布日期:2020-01-10
  • 作者简介:王新乐(1992—),男,硕士研究生,研究方向为机器学习. E-mail:wangxinle92@163.com
  • 基金资助:
    国家自然科学基金资助项目(61472400);国家自然科学基金资助项目(61572473);国家自然科学基金资助项目(61425016);国家重点研发计划资助项目(2016QY03D0504)

Topic tag popularity prediction based on multi-dimensional features

Xin-le WANG1,2(),Wen-feng YANG3,Hua-ming LIAO1,Yong-qing WANG1,Yue LIU1,Xiao-ming YU1,Xue-qi CHENG1   

  1. 1. CAS Key Laboratory of Network Data Science and Technology, Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190, China
    2. Graduate Universityof Chinese Academyof Sciences, Beijing 100049, China
    3. China Mobile (Suzhou) Software Technology Co. LTD, Suzhou 215000, Jiangsu, China
  • Received:2018-10-17 Online:2020-01-20 Published:2020-01-10

RichHTML

14

PDF (PC)

651

摘要：

对用户网络结构信息和主题标签的情感性、地域性等信息进行特征分析,提出了一种考虑用户粉丝网络结构特征以及主题标签自身特性的流行度预测模型。实验表明,新提出的特征是有效的,对以后主题标签的流行度预测具有较高的参考价值。

关键词: 主题标签, 流行度预测, 多维特征

Abstract:

The characteristics of user network structure information and topic tags such as sentiment and regionality are analyzed. A popularity prediction model that considers the user's fan network structure characteristics and the subject tag's own characteristics is proposed. Experiments have proved that the newly proposed feature is effective and has a high reference value for predicting the popularity of future topic tags.

Key words: topic tag, popularity prediction, multiple feature

中图分类号: 

  • TP391

图1

Hashtag频率时间分布图"

表1

微博数据"

属性 属性值
文件大小/GB 130
微博消息数量 2×108
Hashtag数量 5 923 117

表2

Hashtag训练数据"

属性 属性值
文件大小/GB 1.1
训练样本数 370 633
特征类型数量 7
微博特征维度 7
Hashtag特征维度 4
时间序列特征维度 30
区地域特征维度 8
省地域特征维度 35
主题特征维度 60
用户向量表示维度 100
用户自身特征维度 2

表3

用户粉丝网络结构数据"

属性 属性值
文件大小/GB 5.6
具有粉丝的用户数量 167 114
用户总量 2 529 073
用户粉丝连接边的数量 5.5×108

表4

SVM、随机森林和xgboost结果对比"

模型 MSE MAE MSLE Time/s
SVM 4 740 092.8 6.09 1.60 55 800
随机森林 1 492 180.4 5.25 1.09 12 647
xgboost 1 228 629.5 4.86 0.97 10 237

表5

各个特征在xgboost上的表现"

特征 MSE MAE MSLE
all 1 228 629.50 4.86 0.97
-time 1 482 928.60 5.1 1.12
-topic 1 386 303.30 5.84 1.15
-location 1 472 190.20 5.63 1.13
-user embedding 1 503 357.10 5.38 1.11
-user feature 1 514 726.90 6.26 1.21
-weibo feature 1 475 384.30 5.22 1.09
-hashtag feature 1 509 744.40 5.22 1.1

表6

去掉某些特征后指标变化情况 (%)"

特征 MAE MSLE
topic 20.10 18.10
location 15.80 16.00
User embedding 10.10 14.10
Hashtag feature 7.00 13.00

图2

消息在用户网络上的传播过程"

表7

主题标签传播详情"

用户ID编号 消息类型 消息内容
0 原发 晚安,王嘎一王嘉尔自作曲WOLO, #王嘉尔拜托了冰箱#王嘉尔透鲜滴星期天王嘉尔Jackson
1 转发 @浅蓝之季:#王嘉尔拜托了冰箱#还有英智和bambam
2 转发 #王嘉尔拜托了冰箱#Jackson真的适合这种风格呢,特别青春洋溢另外我看到了何哥哥有爱滴小眼神,一直盯着我嘉@irene_hhy:#拜托了冰箱MC王嘉尔#
3 转发 #王嘉尔拜托了冰箱#哈哈哈,多点真诚啊首掌!@边际未明:?我学生卡都掏出来了车呢车呢?马赛克啥玩意儿?@jacky王嘉尔-是WANG:哈哈看截图真的好萌啊
4 转发 #王嘉尔拜托了冰箱#冰箱家族@supercalifragilisticexpialido7:p2—黄老师和嘉嘉的糖…第一次吃,我嘎跟个贴心小棉袄似的

表8

主题标签的地域特征"

地域 具体地区 Hashtag
海外 中国以外的其他国家 韩国水晶防晒喷雾,龟岛
东北三省 黑龙江,吉林,辽宁 二人转,冰雪大世界
西北 青海,新疆,宁夏,甘肃,陕西 羊肉泡馍,青海湖旅游攻略

表9

主题特征随着时间的变化"

Hashtag Day-1 Day-2 Day-3
文化新闻
脱口秀		 优酷,分享,新闻,故事,沙和,文化,微笑,老师,客户,一起,看看 今波,贞观,李世民,孟姜女哭,土豆,文化,天子,新闻,故事,什么,中国,下载 今波,季-,朱由校,秘招,文化,新闻,故事,花絮,独家,明朝,皇帝,救国,个人,前世,八仙,今生,录制,爱好,中国
周杰伦中国
好声音		 冯小刚,声音,大赞,领悟力,宣传片,给力,奥特曼,才情,满分,电影,幽默,合作 声音,杰伦,我的,偶像,中国,一直,我家,歌词,只有,随便,超级,长大,忘记,出来,好听 叶湘伦,忽高,颜值,只服,周杰伦歌迷,后援会,声音,音乐,杰伦,拜拜,窒息,崩溃,中国,现场,赶往,录制
家族世代 信托,视野,观点,商界,全球,中外,大佬,产品, 18年,人物,所有,结果,默默无闻,帝国 行善,莫忘,订阅,微信,简史,任正非,信托,工具,观点,斗争,对方,制度,迷茫,政经,技术 美国通用,海尔,惊天,马云,王健林,订阅,微信, 5年, 56亿美金,沉寂,筹谋,背后,故事,年前,人物

表10

xgboost特征重要性排序前30维"

Rank Feature
1 时间序列特征
2 省地域特征-第十维
3 地区地域特征-第一维
4 微博长度
5 主题向量-第一维
6 消息类型
7 主题向量-第五维
8 是否包含URL
9 评论数
10 转发数
11 省地域特征-第二十维
12 主题向量-第十维
13 地区地域特征-第五维
14 用户向量-第四维
15 粉丝数
16 主题向量-第十二维
17 主题向量-第十五维
18 地区地域特征-第七维
19 用户向量-第十维
20 地区地域特征-第二维
21 朋友数
22 微博情感性
23 省地域特征-第三维
24 地区地域特征-第六维
25 用户向量-第三十四维
26 主题向量-第十九维
27 省地域特征-第九维
28 是否包含数字
29 用户向量-第五十二维
30 用户向量-第六十四维
1 吴越, 陈晓亮, 蒋忠远. 微博信息流行度预测研究综述[J]. 西华大学学报(自然科学版), 2017, 36 (1): 1- 6.
doi: 10.3969/j.issn.1673-159X.2017.01.001
WU Yue , CHEN Xiaoliang , JIANG Zhongyuan . Survey on predicting popularity of information in microblogs[J]. Journal of Xihua University(Natural Science Edition), 2017, 36 (1): 1- 6.
doi: 10.3969/j.issn.1673-159X.2017.01.001
2 邵健, 章成志, 李蕾. Hashtag研究综述[J]. 现代图书情报技术, 2015, 31 (10): 40- 49.
doi: 10.11925/infotech.1003-3513.2015.10.06
SHAO Jian , ZHANG Chengzhi , LI Lei . Survey on Hashtag[J]. New Technology of Library and Information Service, 2015, 31 (10): 40- 49.
doi: 10.11925/infotech.1003-3513.2015.10.06
3 HUGHES A L . Twitter adoption and use in mass convergence and emergency events[J]. International Journal of Emergency Management, 2009, 6 (3/4): 248- 260.
doi: 10.1504/IJEM.2009.031564
4 DELLER R . Twittering on: audience research and participation using Twitter[J]. Participations, 2011, 8 (1): 216- 245.
5 SMALL T A . What the Hashtag? a content analysis of canadian politics on twitter[J]. Information, Communication & Society, 2011, 14 (6): 872- 895.
6 SZABO G , HUBERMAN B A . Predicting the popularity of online content[J]. Communications of the Acm, 2010, 53 (8): 80- 88.
doi: 10.1145/1787234.1787254
7 PINTO H, ALMEIDA J M, GONÇALVES M A. Using early view patterns to predict the popularity of youtube videos[C]// Proceedings of the Sixth ACM International Conference on Web Search and Data Mining. Italy: ACM, 2013: 365-374.
8 CHENG J, ADAMIC L, DOW P A, et al. Can cascades be predicted?[C]// Proceedings of the 23rd International Conference on World Wide Web. Korea: ACM, 2014: 925-936.
9 SHULMAN B, SHARMA A, COSLEY D. Predictability of popularity: gaps between prediction and understanding[C]// Tenth International AAAI Conference on Web and Social Media. Menlo Park: AAAI, 2016.
10 BAKSHY E, HOFMAN J M, MASON W A, et al. Everyone's an influencer: quantifying influence on twitter[C]// Proceedings of the Forth International Conference on Web Search and Web Data Mining. Hong Kong: ACM, 2011.
11 ROMERO D M, TAN C, UGANDER J. On the interplay between social and topical structure[C]// Seventh International AAAI Conference on Weblogs and Social Media. Menlo Park: AAAI, 2013.
12 TSUR O, RAPPOPORT A. What's in a Hashtag? content based prediction of the spread of ideas in microblogging communities[C]// Proceedings of the Fifth International Conference on Web Search and Web Data Mining. Seattle: ACM, 2012.
13 YANG J, LESKOVEC J. Patterns of temporal variation in online media[C]// Proceedings of the Fourth ACM International Conference on Web Search and Data Mining. Hong Kong: ACM, 2011: 177-186.
14 MATSUBARA Y, SAKURAI Y, PRAKASH B A, et al. Rise and fall patterns of information diffusion: model and implications[C]// Proceedings of the 18th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. Beijing: ACM, 2012: 6-14.
15 FIGUEIREDO F , ALMEIDA J M , GONÇALVES M A , et al. Trendlearner: early prediction of popularity trends of user generated content[J]. Information Sciences, 2016, 349: 172- 187.
16 HU Y , HU C , FU S , et al. Predicting the popularity of viral topics based on time series forecasting[J]. Neurocomputing, 2016, 210: 55- 65.
doi: 10.1016/j.neucom.2015.10.143
17 MA Z , SUN A , CONG G . On predicting the popularity of newly emerging hashtags in Twitter[J]. Journal of the Association for Information Science & Technology, 2014, 64 (7): 1399- 1410.
[1] 李妮,关焕梅,杨飘,董文永. 基于BERT-IDCNN-CRF的中文命名实体识别方法[J]. 《山东大学学报(理学版)》, 2020, 55(1): 102-109.
[2] 张迪,查东东,刘华勇. 带两类形状参数的三次λμ-α-DP曲线的构造[J]. 《山东大学学报(理学版)》, 2019, 54(9): 114-126.
[3] 杨亚茹, 王永庆, 张志斌, 刘悦, 程学旗. 基于多元信息融合的用户关联模型[J]. 《山东大学学报(理学版)》, 2019, 54(9): 105-113.
[4] 郝长盈,兰艳艳,张海楠,郭嘉丰,徐君,庞亮,程学旗. 基于拓展关键词信息的对话生成模型[J]. 《山东大学学报(理学版)》, 2019, 54(7): 68-76.
[5] 廖祥文,徐阳,魏晶晶,杨定达,陈国龙. 基于双层堆叠分类模型的水军评论检测[J]. 《山东大学学报(理学版)》, 2019, 54(7): 57-67.
[6] 徐洋,孙建忠,黄磊,谢晓尧. 基于WiFi定位的区域人群轨迹模型[J]. 《山东大学学报(理学版)》, 2019, 54(5): 8-20.
[7] 董哲瑾,王健,钱凌飞,林鸿飞. 一种用户成长性画像的建模方法[J]. 《山东大学学报(理学版)》, 2019, 54(3): 38-45.
[8] 王雪梅,陈兴蜀,王海舟,王文贤. 基于标签和分块特征的新闻网页关键信息自动抽取[J]. 《山东大学学报(理学版)》, 2019, 54(3): 67-74.
[9] 包恒泽,周栋,吴谈. 融合多源异构网络信息的标签推荐方法[J]. 《山东大学学报(理学版)》, 2019, 54(3): 56-66.
[10] 吴洁,朱小飞,张宜浩,龙建武,黄贤英,杨武. 基于用户情感倾向感知的微博情感分析方法[J]. 《山东大学学报(理学版)》, 2019, 54(3): 46-55.
[11] 余传明,左宇恒,郭亚静,安璐. 基于复合主题演化模型的作者研究兴趣动态发现[J]. 山东大学学报（理学版）, 2018, 53(9): 23-34.
[12] 严倩,王礼敏,李寿山,周国栋. 结合新闻和评论文本的读者情绪分类方法[J]. 山东大学学报（理学版）, 2018, 53(9): 35-39.
[13] 龚双双,陈钰枫,徐金安,张玉洁. 基于网络文本的汉语多词表达抽取方法[J]. 山东大学学报（理学版）, 2018, 53(9): 40-48.
[14] 原伟,唐亮,易绵竹. 基于本体的俄文新闻话题检测设计与实现[J]. 山东大学学报（理学版）, 2018, 53(9): 49-54.
[15] 张军,李竞飞,张瑞,阮兴茂,张烁. 基于网络有效阻抗的社区发现算法[J]. 山东大学学报（理学版）, 2018, 53(3): 24-29.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
[1] 周娟,郭卫华,宗美娟,韩雪梅,王仁卿 . 房干村不同植被下可培养细菌多样性研[J]. J4, 2006, 41(6): 161 -167 .
[2] 章东青,殷晓斌,高汉鹏. Quasi-线性Armendariz模[J]. 山东大学学报（理学版）, 2016, 51(12): 1 -6 .
[3] 张方国. 椭圆曲线在密码中的应用:过去,现在,将来…[J]. J4, 2013, 48(05): 1 -13 .
[4] 杨伦，徐正刚，王慧*，陈其美，陈伟，胡艳霞，石元，祝洪磊，曾勇庆*. RNA干扰沉默PID1基因在C2C12细胞中表达的研究[J]. J4, 2013, 48(1): 36 -42 .
[5] 刘艳萍,吴群英. 优化权重下高斯序列最大值几乎处处中心极限定理[J]. 山东大学学报（理学版）, 2014, 49(05): 50 -53 .
[6] 张申贵. 局部超线性p-基尔霍夫方程的多重解[J]. 山东大学学报（理学版）, 2014, 49(05): 61 -68 .
[7] 王开荣,高佩婷. 建立在DY法上的两类混合共轭梯度法[J]. 山东大学学报（理学版）, 2016, 51(6): 16 -23 .
[8] 李守巨1，上官子昌2,3，孙伟4，栾茂田1，刘博3. 盾构机密封舱渣土非线性本构模型参数识别[J]. J4, 2010, 45(7): 24 -27 .
[9] 伍代勇, 张海. 具有Allee效应和时滞的单种群离散模型的稳定性和分支[J]. 山东大学学报（理学版）, 2014, 49(07): 88 -94 .
[10] 马巧灵,单伟,吴建良 . Halin图的有点面约束的边染色[J]. J4, 2007, 42(4): 24 -27 .
版权所有 © 2018 《山东大学学报(理学版)》编辑部　
地址: 山东省济南市山大南路27号山东大学中心校区（250100）　电话: +86-0531-88366917　E-mail: xblxb@sdu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发