基于内容分析的微博转发行为研究.pdf摘要：【目的/意义】微博转发行为反映了微博用户对所感兴趣微博

文件名称: 基于内容分析的微博转发行为研究.pdf

所属分类: 其它

开发工具:

文件大小: 1mb

下载次数: 0

上传时间: 2019-09-07

提供者: maoma*****

下载 (1mb)

不能下载？报告错误

详细说明：摘要：【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现，对微博转发行为的研究有助于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度，对微博转发行为进行了预测。量化分析了微博内容中一组低水平特征和高水平特征，采用逻辑回归模型对微博转发概率进行预测，并在微博数据集中进行了训练和验证。【结果/结论】基于模型中的参数学习，证实这些内容特征对于微博转发有着密切的联系，据此进一步推断微博用户主要的兴趣点。关键字：微博；转发；内容分析；情感理论研究情报科学第36卷第4期2018年4月悲伤找正面和负面词语。有研究发现微博中带有情感色彩的生气词语对于社交气动会有影响,因此我们猜想止面和负面词语曾恨在使微博有趣或无趣中发挥了作用。直接信息:直接信息是指那些直接发送给某些用户的信按照前面带有感叹号的语句促进微博转发的思路,具有息(某人)如图1。这些信息一般以收信人的用户名开始。强烈情感色彩(正面或负面)的词语同样可能促进用户对于而其他的用户仍然可以看到这些消息,它不同于发送私信微博的转发。 (只有发送者和接收者可见)。直接信息很像公开谈话,而不表情符号。表情符号或符号是表达情感的短字符序是般的信息广播。鉴于直接信息主要是为了引赳某些用列。解析微博发现,微博中有两类表情符号:正面表情符号户的注意,我们认为这种信息被转发的几率较小。因此,微如J和负面表情符号如L,设定这两类表情符号为二进制。博是否是直接信息将成为预测微博是否被转发的重要特征。微博现在推出了一系列有意思的表情符号供用户使用,图3 给出了较常用的进行了分类的表情符号上海小秒前宋自微博 weibo con 已经发现情感表达会影响微博用户间的互动,表情符号妹合Tmo新午灯吗则是微博中兴趣度的指标。除了传递情感,它们也可以用来 L转表达笑话、有趣地点评或讽刺。徵博中的这类信息有被转发图1直接信息示例或传递的倾向,先前有学者对邮件转发行为的研究中巳发现 URLs、用户名和#标签。这些都是微博中特定存在的符这种情况号。它们是链接地址、提及用户名和关注某个话题的特定符。用户名在微博文本中主要用于直接指定其他用户,或者回e②“忠与他直接谈话。#标签则更简单,用于标记特定主题。它们可以放在微博文本中也可以在微博文本后进行追加。URIA 醅粤豳甾晒励回曾駟被普遍用于表示止在谈论的完整文本和视频的链接地址铆韶潘凹咿导在微博中,用户名和#标签可以使用模式用户名和#标签龉s巡凸园。进行识别。微博中识别URLs如图2所示。这些用三个二进器里画齿鲁醪题制特征表示。想相关研究已经认识到LRLs、用户名和#在微博转发行为图3微博中的表情符号中的影响。由于这些是纯粹的基于内容的特征,本文将这些凊感。很多微博是个人的情感表达。为了检测徵博中因素也考虑到设置当中的情感表达。我们采用前期的研究成果-基于情感本休的关艺滚国物微博情感分析。该研究中使用了基于知网的模糊情感本 3月15E2025来自 iPhone7Pus 又见好朋,作为乐别专业的接纸,我北常动我们叫国膏乐又要新的大体库,构建的模糊情感词本体总共包含2090个词条,其中作。下月初我要去看她演的音乐剧。阿尔兹记忆维属于八种基本情感类(期待,高兴,喜爱,惊讶,焦虑,悲伤,生新爱间医生V 气和憎恨)的词条数分别为170,395,39,65,271,20,201, 月15日1720来自可医生母女同的什48岁的李女士怀改了,是二胎,还是双胞,更罕见的是,她 429。本研究中采用八类情感类捕捉微博中的情感,能够比女儿也怀上了二。喜悦之后李女士开始大眠,担心孩子以后的育问题,亲反简单地进行止面和负面情感分析来得夏为细致和深入。论,经济玉力,高龄产妇怀二胎易失眠虑,家人千万不要忽观孕妇的心理状考虑稈度词、否定词和文本影响力等因素的影响,最终高.如问游第二孩妈妈信点共眼呢?48岁国崇2多岁女儿两怀二胎产下双微博y中情感值计算如式(1) 拍 1)value.: Sensibility(km) 图2URIs,用户名和#标签示例 e=10, ikn∈e(1) 感叹号和问号。将微博结尾处出现的感叹号和问号当其中1≤i≤8 作二元特征。感叹号一般用于个人交流中标记强烈和潜在 Sensibility(k)表示情感词汇k的情感值(即情感类的隶情感的表达。问号在各种文本中表示疑问。由于两种符号属度)0≤Snii(k)≤1,n表示窗口出现的否定词个的多种用途,不能在所有情况下轻易地判断问号是否真的表数,m表示同条微博中出现的属于同一情惑类词语的个数示疑问或者感叹号表示强烈陈述。尽管如此,在微博信息结alue表示程度词取值,w,表示微博y的影响因子,最终每条尾处定位这内种符号作为一种特征指标还是合适的微博帖子可以用y=1/2的这个特征表2列出了使用逻辑回归得到的不同特征的权重,权重时,具有更高的转发概率。正值表示对微博被转发正面的贡献,负值表示对微博被转发负面的贡献。通过逻辑回归得到的二进制特征i(其值为O 4评价和结果讨论 1)的权重w;可以解释为县有这个特社的微博的对数概率通过训练逻辑回归模型,获得了影响微博被转发概率的 p(retuceel, /, =1) lr (4) 特征权重。观察这些权重,我们就可以了解微博中的转发行 p(retuceel 5=0) 为,最终可以推断出关于微博用户兴趣话题的假设。通过计从获得的特征权重中,可以做些有趣的观察: 算一条新微博的特征并应用公式(3)中定义的函数,得到这 (1)直接信息的权重为比较大的负值,表示这类信息不条微博被转发的概率。计算出的概率有两方面的应用:作为太可能被转发。这个发现比较符合我们的直觉,因为私人信预测一条微博是否被转发的衡量,也可以成为微博兴趣度的息在大互联环境下別人不会感兴趣。指标。 (2)信息如果包含#、用户名和URL等比较可能被转发。但从图4这些特征的转发预测准确率可以发现,它们不 4.1准确率预测能单独地用于转发预测,需要将它们跟其它特征结合起来进为了验证学习得到的模型参数,对微博转发预测的准确行应用。率进行测量。基于微博时间戳将微博集分成两组,一组用于 (3)微博中的情感在微博的转发行为中也扮演着重要角训练,一组用于测试。其中训练集由最低时间戳值的微博组色。从表2中可以发现8类情感特征权重中有一半是正值一成,包含了70%的有效数据集。剩下的30%的数据作为测试半是负值,这里要说明一点,负的权重值并不表示对转发行集用于对预测质量的评估。如上节所述,我们将在训练和测为起到负面影响,相反一个负的权重表示特征负值对转发概试集中计算微博中所有的特征。最后运用得到的权重在测率的增加,而正的权重表示特征正值对转发概率的增加。因试集中计算微博被转发的概率。此,如果微博中“期待”、“高兴”、喜爱”和¨惊讶”等情感为负 30 21994-2018ChinaAcademicJournalElectronicPublishingHouse.alLrightsreservedhttp://www.cnki.net 理论研究情报科学第36卷第4期2018年4月值,则这条微博较易被转发,同样的,如果微博中“焦虑”、“悲接下来的研究工作中,我们将完善已有方法,考虑更多伤”、¨生气”和¨憎恨”等情感为止值则微博更易被转发。的内容特征,比如不同主题对于微博转发行为的影响。微博 (4)另外,正面表情符号会降低转发概率,而在微博中增中的情感分析对于转发行为的更深人的影响也值得进一步加负面表情符号则会提高被转发的概率,这与上面提到的不研究。还有将兴趣性作为微博信息检索中的考虑指标等同情感对转发行为的影响相似。 (5)正面和负面词语都能使微博更易被转发,其中正面参考文献词语的影响效果更强。这说眀在微博中极端和强硬的话语1M,cha.H. Haddadi,F. Beneyenut,andK.P.Gum- 更能激发用户的转发行为。 d i. Measuring user influence in 'Twitter: the mil (6)徵博如果以“!”结尾不太容易被转发,而以“?”结尾 lion follower fallacy[C]// Proc. Int. Conf. on We- 则更易被转发。这是一个有意思的发现,微博用户可能对疑 blogs and Social Media, Menlo Park, Califo orila 问式的话语更感兴趣,急于找到专业的回答而进行转发 USA: AAAI Press 2010: 10-17 (⑦)词语概率是微博被转发的一个重要指标。如图42H.Kwak,C.Lee,H.Park.andS.Moon. What is 中所示这个内容对于微博信息被转发的概率有很强的影响 Witter, a social network or a news media cl// proc. 效果 Int World widc wcb ont. 2010: 591-600 表2通过逻辑回归获得的特征权重 3李志清.基于LDA主题特征的微博转发预测凹.情报杂权重w 志,2015,34(9):158-162 直援信息 -118.21 4李英乐,于洪涛,刘力雄.基于SVM的微博转发规模预测包括用广名方法计算机应用研究,2013,30(9):259 包括科枟签 35.16 马晓峰,王磊,陈观淡.基于混合特征学习的微博转发包括URL 198.56 12.89 预测方法叮.计算机应用与软件,2016,33(11):2494 18.36 正面词语 1153 6赖胜强。影响用户微博信息转发的因素研究.图书馆工负面词语作与研究,2015,(8):31-37 正面表情符号 29.32 7刘玮,贺敏,王丽宏,等,基于用户行为特征的徵博转负面表情符号 11.65 词语概率发预测研究.汁算机学报,2016,39(10):1992-2006. 1653 常数罗知杕,陈挺,蔡皖东.一个基于随机森林的微博转发期待 19.36 预测算法门计算机科学, 2014,41(4):62-74 高以 9 B. Suh, L. Hong, P. Pirolli, and E.h. Chi. Want t 喜爱 20.21 be retweeted? large scale analytics on factors impact 惊讶 16.62 ing rctwcct in Twitter nctwork[C]// Proc. Int. Conf 焦虑 on Social Computing, Minnesota, USA: ACM, 2010 悲伤 1891 177-184 生气憎恨 15,21 10 L. Hong, O. Dan, and B. D. Davison. Predicting popular messages in twitter[C// www(Companion Volume 5结语 Hydcrabad. India: ACM, 2011: 57-58 11史伟,王洪伟,何绍义.基于知网的模糊情感本建硏本文介绍和评价了一种确定微博信息兴趣性的方法,根究情报学报,2012,31(6:595-602 12 S. Petrovi'c M. Osborne and V. lavrenko. The edinburgh 据我们的方法将微博转发的概率作为衡量信息兴趣性的标志。为了克服语境偏见,比如微博用户的社交网络或使用时 Twitter corpus(C)// Proc. Workshop on Computational 间等,采用了一种基于纯内容特征的学习方法进行信息被转 Linguistics in a World of Social Media, Michiga USA, 发概率的预测。为∫获取内容,我们既利用低水平特征 2010:25-26 URs、#、用户名、?、!表情符号、正面和鱼面词语,也运用高13史伟,王洪伟,何绍义.基于微博平台的公众情感分析水平特征如情感等。并得到了关于微博用户转发行为的相情报学报,2012,3311:1171-1178 关结论:作为一般规则,当微博的话题是关于公共的话题而 14 M. F. Porter. An algorithm for suffix stripping]. Readings 不是个人的话题时更易被转发,比如·条直接微博信息不太 in Information Retrieval, 1980, 1403): 130-137. 15 D. W. IIc 可能被转发。进一步有趣的发现是微博中坏消息传播的速 nd S. Lemeshow. Applied logistic regres sion[M. US John Wiley and Sons, 2000: 130 度更快些。责任编辑:毛秀梅) 31 21994-2018ChinaAcademicJournalElectronicPublishingHouse.alLrightsreservedhttp://www.cnki.net

(系统自动生成,下载前可以参看下载内容)