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

最近，微博客服务加速了人们之间的信息传播，而报纸，电视，论坛，博客和门户网站等传统媒体则远远落后。通过微博转发，各种消息Swift而广泛地传播。本文以新浪微博为例，根据其前n条转发的时间序列分布，预测一个月内某条推文可能转发的次数。为了解决该问题，我们提出了一条tweet生命周期的概念，它主要由三个因素决定，即响应时间，内容的重要性和间隔时间分布，然后是给定的时间序列分布曲线。它的前n个推文配有一个两阶段功能，以预测一个月内的转发数。该功能的各个阶段除以原始推文的生命周期，然后在两个阶段中使用不

微博转发预测对微博突发性检测和微博影响力评估具有重要意义，现有微博转发预测主要集中在微博属性和传播网络特征的研究，此处针对微博能见度和用户兴趣，研究（ 1 ）提出了基于用户活跃期和时间窗的转发行为，忽略行为，未接收行为识别方法；（ 2 ）提出了基于兴趣衰减的用户兴趣计算的方法。模型，有效调整用户兴趣及其变化特性对用户转发行为的影响程度；（ 3 ）提出了用户转发率，相互频率等用户行为特征，有效纠正了用户历史行为模式和用户影响力传递效应的差异性对用户转发行为的影响，最后建立基于分类模型的转发行为预测

微博平台上的流行度预测旨在根据早期阶段的转发动态来预测该消息的未来流行度。 现有的工作主要集中在探索有效的预测功能上，而忽略了转推的潜在到达过程。 此外，在早期阶段，用户活动变化对转发动态的影响已被忽略。 在本文中，我们提出了带有时间映射过程的扩展增强型Poisson过程模型，以对转发动态进行建模并预测未来的流行度。 所提出的模型通过捕获与消息老化能力相对应的幂律时间松弛函数来显式地描述消息获得其转发的过程，该函数随消息吸引新转发的能力的老化以及表征“越丰富”的指数增强机制。丰富”的现象。 此外