摘要:社交网络己成为公众获取信息和交流的重要媒介。影响力传播是社交网络的重要特性之一。对社交网络上信息传播的影响因素展开分析与挖掘有利于信息扩散、商业营销、以及舆情管控等应用。

本课题以新浪微博为研究对象，以分析社交网络上信息传播的影响因素为研究目的，并对信息传播行为进行预测。在获取大量新浪微博数据的基础上，对多种可能影响用户转发行为的影响要素进行统计、分析，并对各种影响因素特征进行建模，提出了用户关注关系、时间序列和微博文本的三类综合特征。本文基于关注关系的拓扑结构，利用训练模型的方法，对这三种综合特征通过实验对比分析，发现用户关注关系特征、时间序列特征、微博文本特征对信息传播有重要影响作用，并验证了信息传播预测的有效性。信息传播的影响因素的研究对信息学传播领域、商业活动和社交网络管理有着重要意义。

关键词：社交网络；新浪微博；信息传播；影响因素

目录

摘要

Abstract

1 绪论-1

1.1 研究背景和意义-1

1.1.1 研究背景-1

1.1.2 研究意义-1

1.2 社交网络发展现状-2

1.3 研究方法-2

1.4 研究内容-3

2 Python技术-4

2.1 Python语言简述-4

2.2 GraphLab开源库-4

2.3 TF-IDF算法-4

2.3.1 算法简介-4

2.3.2 算法原理-5

2.4 本章小结-5

3 方案设计-6

3.1 整体分析-6

3.2 技术路线-6

3.3 数据及技术使用-7

3.3.1 数据预处理-7

3.3.2 特征工程-7

3.3.3 特征选择-7

3.3.4 模型设计与分析-8

3.4 本章小结-8

4 社交网络上信息传播影响因素的指标分析-9

4.1 用户关注关系特征指标分析-9

4.2 时间序列特征指标分析-10

4.2.1 转发时间特征-10

4.2.2 发布时间特征-11

4.3 微博文本特征指标分析-12

4.4 本章小结-13

结    论-14

参 考 文 献-15

附录 程序-16

致    谢-21