任敏捷，靳國慶，王曉雯，陳睿東，袁運新，聶為之，劉安安

（1.人民網(wǎng)傳播內(nèi)容認知國家重點實驗室，北京 100733；2.天津大學電氣自動化與信息工程學院，天津 300072）

引言

隨著互聯(lián)網(wǎng)的普及和媒體融合建設(shè)的推進，主流社交媒體的流行度預測是全媒體時代下備受矚目的研究課題［1］，可以廣泛應用于輿情監(jiān)測和數(shù)據(jù)話語權(quán)爭奪的領(lǐng)域中，具有相當可觀的現(xiàn)實意義。在我國，微博是一個影響力較廣的主流社交媒體，對微博流行度預測問題進行研究有助于計算信息未來的熱度、發(fā)現(xiàn)熱點話題和提取信息傳播的規(guī)律，進而廣泛應用于信息檢索、輿情研判和企業(yè)營銷等領(lǐng)域［2］。

流行度預測指的是對由用戶發(fā)布的信息未來所獲得的關(guān)注程度進行預測［3］。而流行度的定義往往取決于社交媒體的平臺，不同的網(wǎng)絡(luò)平臺有不同的數(shù)值指標度量。當前許多研究僅使用單一評價指標，例如，Pinto 等［4］將流行度定義為YouTube 上在線視頻的瀏覽數(shù)，提出通過訓練多元線性模型（Multivariate linear model，ML Model）和多元徑向基模型（Multivariate radial basis functions model，MRBF Model）來預測視頻的未來指定時刻的瀏覽數(shù)；孔慶超等［5］基于動態(tài)演化的論壇的討論帖展開流行度預測，認為相較于帖子的瀏覽數(shù)，將流行度的度量定義為討論帖的評論數(shù)更加能夠反映用戶的關(guān)注情況。Hong 等［6］將給定時刻Twitter 的轉(zhuǎn)發(fā)數(shù)作為Twitter 的流行度，Gao 等［7］同樣將轉(zhuǎn)發(fā)數(shù)作為Twitter 和微博的流行度度量，但這種度量沒有將微博的評論數(shù)和點贊數(shù)考慮在內(nèi)，對受歡迎程度的指標范圍覆蓋不夠全面，因此，為了使流行度的評價指標更具有代表性和普遍性，本文同時將微博的轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)和三者之和定義為互動值來作為微博流行度度量的標準。

目前社交媒體流行度預測的主流方法是基于特征的模型預測，即先進行有效特征的挖掘，再進行模型的構(gòu)造用以訓練學習，最后得到流行度的各項指標。有效特征的挖掘立足于社交媒體平臺信息特點的分析，Wu 等［8］在研究社交媒體流行度時針對Flickr 平臺進行了考察，認為Flickr 平臺上照片和帖子的時空信息對于最后流行度的影響十分重要。Mazloom 等［9］針對Instagram 上的帖子進行研究，發(fā)現(xiàn)其帖子的分類特征對流行度的準確預測大有益處。Vilares 等［10］在研究Twitter 上的信息時關(guān)注更多的是文本特征，流行度預測基于Twitter 信息的詞匯和句法處理。這些方法都立足于所研究社交媒體的特點，表明特征的提取依賴于社交媒體的特性分析。而關(guān)于微博流行度的特點，有研究表明微博信息的流行度呈現(xiàn)冪律分布［11］。這種現(xiàn)象的出現(xiàn)源于微博社會網(wǎng)絡(luò)中的信息過載導致的用戶注意力稀缺［12］，即微博信息的流行度與用戶密不可分。張旸等［13］采用信息增益法分析多種發(fā)帖用戶特征的重要性，證實了用戶影響力之于帖子流行度的重要地位，Jiang 等［14］發(fā)現(xiàn)在影響微博信息流行度的重要因素包括該信息內(nèi)容對相關(guān)用戶的提及率?？梢钥闯?，以上發(fā)現(xiàn)多基于單類影響因素重要性的分析，沒有綜合考慮多種影響因素，特征利用不夠全面，同時，不同社交媒體的特點具有獨特性，現(xiàn)有的基于其他社交媒體平臺的相關(guān)工作不能直接應用于微博的研究。

針對上述問題，本文對微博這一社交媒體平臺進行分析，針對其特點提出和構(gòu)造了對應的特征，設(shè)計了多種流行度預測方案?？紤]到XGBoost 可以有效地對所提特征進行聯(lián)合利用［15-16］，本文著重提出了一種基于XGBoost 的微博流行度預測算法。所提出的算法能夠從多方面充分考慮與微博流行度密切相關(guān)的影響因素，將涉及的相關(guān)特征進行提取和融合。首先，基于對原始數(shù)據(jù)分析，分別從博文信息、話題信息和用戶信息3 方面提取特征。在博文特征中，重點構(gòu)造了博文內(nèi)容數(shù)值化特征和博文時間特征，并基于博文特征衍生出話題特征。在用戶特征中，將用戶的影響力具象化，同時從統(tǒng)計學的角度對用戶的檔位分布特征進行比例計算，作為新的用戶特征。本文算法采用了分類式框架，多類特征融合之后，提前對流行度的檔位進行劃分，使用XGBoost 作為分類模型對微博的流行度檔位進行預測，將流行度預測問題轉(zhuǎn)換為流行度分類問題。最后，對用戶特征進行再構(gòu)造，基于新的用戶特征，將微博的流行度進行分類輸出，得到需要的微博轉(zhuǎn)發(fā)數(shù)、評論數(shù)、點贊數(shù)和互動值。

總而言之，本文的創(chuàng)新點可以歸納為以下3 個方面：

（1）針對國內(nèi)社交媒體流行度預測工作匱乏的情況，對微博這一國內(nèi)主流社交媒體平臺的流行趨勢特點進行分析和建模，著重挖掘了發(fā)博用戶、發(fā)博時間、博文話題等信息與博文流行度的關(guān)聯(lián)并構(gòu)造了對應的多種特征。

（2）基于提取和構(gòu)造的多種特征，設(shè)計了多種微博流行度預測方案，在實驗部分進行了性能比較。

（3）著重提出了一種基于XGBoost 的微博流行度預測算法，該算法采用了分類式框架，綜合考慮了點贊數(shù)、評論數(shù)和轉(zhuǎn)發(fā)數(shù)3 個指標，將提取好的博文特征、話題特征和用戶特征融合起來，對流行度進行分檔預測，在微博流行度預測數(shù)據(jù)集上取得準確率高達85.69%的良好效果。

1 相關(guān)技術(shù)

1.1 特征提取和特征融合

本文運用特征提?。‵eature extraction）和特征融合（Feature fusion）的思想。特征提取指的是對初始的某一模式的未處理數(shù)據(jù)進行變換，建立非冗余的能夠提供該模式有代表性信息的派生值，即特征，以便后續(xù)學習與泛化，特征提取被廣泛應用于模式識別和機器學習中，提取出特征的好壞與泛化能力密切相關(guān)［17］。

特征融合，是指對同一模式抽取不同的特征矢量進行優(yōu)化組合［18］。根據(jù)融合時間的不同，特征融合又可分為兩大類，一類為前期融合（Early fusion），即在模型訓練前就將不同的特征融合，融合后的特征用于訓練和學習，經(jīng)典的特征融合方法有串聯(lián)拼接（Concat）和并行策略（Add）。另一類為后期融合（Late fusion），這一類在特征未完全融合之前就進行模型訓練，根據(jù)結(jié)果改進后多次訓練后融合。后期融合典型的方法有Single shot multibox detector（SSD）［19］，Multi-scale CNN（MS-CNN）［20］和Feature pyramid network（FPN）［21］等?；谇捌谌诤显谏缃幻襟w領(lǐng)域流行度預測的良好表現(xiàn)［22］，本文算法采用的是前期融合中的串聯(lián)拼接方法。

1.2 機器學習模型的應用

社交媒體的流行度預測還依賴于良好模型的構(gòu)建。極端梯度提升決策樹（eXtreme gradient boosting，XGBoost）是在梯度提升決策樹（Gradient boosting decision tree，GBDT）的基礎(chǔ)上將速度和效率發(fā)揮到極致的機器學習模型［15，23］，其核心思想是根據(jù)樣本的特征，從零開始，每一次迭代都在現(xiàn)有基礎(chǔ)上增加一棵樹，即分類器，去擬合上一次迭代中預測值和真實值的殘差，訓練完成得到所有分類器的值相加，即為最終的預測結(jié)果。在整個迭代的過程中，需要定義一個目標函數(shù)，使整個樹群的預測值盡可能靠近真實值，同時保障有較大的泛化能力。

本文算法將采用在殘差學習中，表現(xiàn)比GBDT 更好的XGBoost［15-16］對微博信息的多模態(tài)特征進行訓練，在充分挖掘和構(gòu)造有效特征的基礎(chǔ)上，利用機器學習的模型提高算法的性能。

1.3 深度神經(jīng)網(wǎng)絡(luò)原理

在下文的對比實驗中，采用深度神經(jīng)網(wǎng)絡(luò)（Deep neural networks，DNN）［22］結(jié)構(gòu)設(shè)計了基于深度學習框架的流行度預測方法，與本文算法進行性能對比。

基于感知機的擴展，DNN 可以被理解為含有多層隱藏層的神經(jīng)網(wǎng)絡(luò)，其內(nèi)部可分為輸入層、隱藏層和輸出層3 類。見圖1，使用的DNN 網(wǎng)絡(luò)包含兩個隱藏層，最左邊一層是輸入層，中間兩層是隱藏層，分別為256 和128 維（此處分別用4 和2 個神經(jīng)元代替表達），最終輸出層為1 維的輸出。輸入層即為融合后的特征輸入。

2 基于XGBoost 的微博流行度預測算法

本文提出了一種基于XGBoost 的微博流行度預測算法（圖2）。在算法架構(gòu)中主要包括數(shù)據(jù)分析、特征的提取與融合以及XGBoost 訓練3 個模塊。

圖2 基于XGBoost 的微博流行度預測算法架構(gòu)Fig.2 Framework of microblog popularity prediction algorithm based on XGBoost

2.1 數(shù)據(jù)分析

微博流行度預測數(shù)據(jù)集中的用戶肖像信息和微博信息分別見表1 和表2。對以上數(shù)據(jù)進行分析，選取影響流行度預測的關(guān)鍵因素匯總，見表3。從表1～3 可以看出，原始數(shù)據(jù)主要可分為博文信息和用戶肖像信息兩大類，博文信息有博文文字內(nèi)容和博文發(fā)布時間，用戶肖像信息包含用戶的全部微博數(shù)量、該用戶的關(guān)注數(shù)和粉絲數(shù)。這兩類數(shù)據(jù)信息與流行度預測密切相關(guān)，都是微博流行度的重要影響因素［2］。但兩類數(shù)據(jù)包含的特征重要性各有差別，在此基礎(chǔ)上分別進行特征的提取與構(gòu)造是十分必要的。在進一步特征提取與構(gòu)造的過程中，本算法將有效特征分為3 類：博文特征、話題特征和用戶特征。

表1 用戶肖像信息Table 1 User portrait information

表2 微博信息Table 2 Microblog information

表3 微博流行度預測相關(guān)的原始數(shù)據(jù)Table 3 Original data related to microblog popularity prediction

2.2 特征提取與融合

2.2.1 博文特征提取

將原始的博文文字內(nèi)容和博文發(fā)布時間進一步分析可以提取和構(gòu)造出如表4 所示的博文特征。

表4 博文特征Table 4 Blog features

對于博文的文字內(nèi)容，關(guān)注到其包含著微博正文、標題和話題等重要內(nèi)容特征，且內(nèi)容結(jié)構(gòu)工整，格式較為統(tǒng)一。例如，標題一般由“【】”進行標注，話題存在于“##”之間，微博正文是剩余的文字內(nèi)容?；谝陨咸匦?，對原始的博文進行第一次數(shù)據(jù)清洗，得到了標題、話題和第一版微博正文。

針對所得第一版微博正文，部分博文帶有特殊符號@和網(wǎng)址，分別表示關(guān)聯(lián)其他用戶和存在視頻鏈接?；谠摪l(fā)現(xiàn)，對第一版微博正文進行第二次數(shù)據(jù)清洗，得到了最終的微博正文和是否有視頻及是否關(guān)聯(lián)其他用戶的布爾類型的附加特征，其中1 代表有，0 代表無。

得到微博正文、標題和話題等文本化的內(nèi)容特征并不能完全滿足模型訓練的要求，在此基礎(chǔ)上進一步對其進行數(shù)值化的構(gòu)造，得到正文長度、標題長度和話題個數(shù)3 個新的數(shù)值化特征。

對于博文的發(fā)布時間，基于一天中不同時刻社交媒體的流量存在高低峰差異，見圖3，橫軸為一天24 小時中不同的時段，縱軸表示數(shù)據(jù)集中所有博文在一天中該時段的平均或總互動值，可以看出不同時刻互動值相差較大，反映了流行度的時間敏感性，故重點關(guān)注博文的發(fā)布時刻，并從原始發(fā)布時間中提取出這個時間特征，認為其可以作為需要關(guān)注的有效博文特征。

圖3 博文發(fā)布時段與互動值關(guān)系Fig.3 Relationship between publishing period and interactive value

2.2.2 話題特征提取

話題特征是從博文特征中的話題衍生出來的新的特征，主要反映某話題的影響力，即話題指數(shù)。

表5 主要構(gòu)造了3 個話題特征：話題涉及的微博數(shù)、話題的總互動值和話題平均互動值。其中互動值表示為微博的轉(zhuǎn)贊評之和，總互動值是話題涉及微博的所有轉(zhuǎn)贊評之和，而平均互動值是話題涉及微博的單條微博的平均轉(zhuǎn)贊評之和。一般認為，話題指數(shù)越高，該話題的影響力越大。

表5 話題特征Table 5 Topic features

2.2.3 用戶特征提取

如表4 所示，用戶特征是從用戶肖像信息中提取和構(gòu)造得來。原始的用戶肖像特征如用戶全部微博數(shù)量、關(guān)注數(shù)和粉絲數(shù)可以大致反映用戶的影響力，但還不夠細致和全面。

在此基礎(chǔ)上，對用戶的影響力進一步具象化，主要反映在用戶的每條微博的平均轉(zhuǎn)發(fā)數(shù)（Avg_Repost）、平均評論數(shù)（Avg_Comment）、平均點贊數(shù)（Avg_Like）和平均互動值（Avg_Total）這4 個新構(gòu)造的用戶特征。他們之間存在如下關(guān)系

除此之外，還創(chuàng)造性地從統(tǒng)計的角度對用戶的微博在不同檔位的概率進行了計算。檔位劃分見表6。

表6 檔位劃分Table 6 Division of gears

用戶的微博在不同檔位的比例計算公式為

式中Counti+1表示用戶在i+1 檔位的微博數(shù)。最終，提取的用戶特征總結(jié)見表7。

表7 用戶特征Table 7 User features

特征工程的最后一步，是特征的融合，如圖2所示，將提取和構(gòu)造得到的博文特征fpost、話題特征ftag和用戶特征fuser進行串聯(lián)合并得到fall，即fall=fpost⊕ftag⊕fuser，作為XGBoost 模型的輸入特征。

2.3 XGBoost 訓練與輸出

2.3.1 模型分類訓練

得到特征工程輸出的特征fall后，利用XGBoost 對fall進行分類訓練，用以預測微博的流行度檔位，亦即互動值檔位。XGBoost 是一種廣泛應用于分類和回歸問題的決策樹模型，在本文算法架構(gòu)中，輸入數(shù)據(jù)表示如下

在輸入數(shù)據(jù)表示中，fi表示第i條微博的總體特征，ti表示該微博的互動值檔位，n為數(shù)據(jù)集中的微博總數(shù)，d表示特征的維度。訓練目的是得到預測的微博互互動值檔位t^i，定義如下

式中l(wèi)表示損失函數(shù)。目標函數(shù)ο越小，XGBoost 的訓練效果越好。

在訓練的過程中，還采取了丟棄過大互動值（大于等于10 000）的訓練策略，以提高模型對小數(shù)值的預測能力，在該訓練策略下模型對丟棄的大數(shù)值也有能將其預測到檔位5 的能力。

2.3.2 基于用戶特征的分類輸出

XGBoost 的分類訓練運用于微博檔位的預測事實上將互動值預測問題轉(zhuǎn)換為互動值的分類問題，在得到預測的檔位結(jié)果后，需要基于用戶的特征將微博的互動值乃至轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)進一步計算得到。

用戶在不同的檔位上會有不同的互動值，構(gòu)造一個新的用戶特征User_label_avg，計算公式為

式中：Label_repost 表示用戶的轉(zhuǎn)發(fā)比例，Label_comment 表示評論比例，Label_like 表示點贊比例，3 者共同構(gòu)成了label_distribution 這一新的用戶特征。

3 實驗結(jié)果

3.1 數(shù)據(jù)集

微博流行度預測數(shù)據(jù)集由隨機抽取的500 個主流價值觀微博用戶數(shù)據(jù)，以及這500 個用戶于抽取日期前發(fā)布的共100 萬條原創(chuàng)博文數(shù)據(jù)所構(gòu)成。實驗取每個用戶隨機90%博文內(nèi)容數(shù)據(jù)形成訓練集，而每個用戶剩下10%數(shù)據(jù)為測試集。在訓練過程中，隨機選取訓練集的80%用于模型訓練，剩下的20%用于算法驗證。

數(shù)據(jù)集中的用戶數(shù)據(jù)包含用戶Id（抽樣&字段加密）、用戶簡介、微博認證、全部微博數(shù)量、關(guān)注數(shù)、粉絲數(shù)和抽取日期這些用戶肖像信息。訓練集中原創(chuàng)博文數(shù)據(jù)包含帖子Id（抽樣&字段加密）、用戶Id（抽樣&字段加密）、博文文字內(nèi)容、博文發(fā)布時間、博文在抽取日期時的轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)。測試集的博文轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)不公開。

3.2 評價指標

實驗的評價指標按照分檔規(guī)則，將每條微博的互動值（轉(zhuǎn)贊評之和）劃分為5 檔，0～10 為1 檔，11～50 為2 檔，51～150 為3 檔，151～300 為4 檔，大于300 為5 檔。每個檔位對應的權(quán)重見表8。

表8 檔位權(quán)重Table 8 Weight of gears

在這個分檔規(guī)則下，將對于每一條博文抽取日期時的互動值（轉(zhuǎn)贊評之和）的預測準確率進行評測，準確率（Accuracy）計算公式為

式中：Weighti為第i個檔位的權(quán)重，Count_ri為第i個檔位預測正確的博文數(shù)量，Counti為第i個檔位的博文數(shù)量。

3.3 對比實驗

除了上文提出的基于XGBoost 的分類式流行度預測算法，本文還提出了基于深度學習框架的方法、基于XGBoost 的預測式流行度預測算法和用戶匹配方法3 類不同的設(shè)計方案與本文算法進行性能比較。

具體的實驗細節(jié)為XGBoost 訓練時采用5 次交叉驗證，主要參數(shù)設(shè)置如下：“n_estimators”設(shè)為500，“ base_score”設(shè)為0.5，“gamma”設(shè)為0.1，“l(fā)earning_rate”設(shè)為0.02，“min_child_weight”設(shè)為3，“max_depth”設(shè)為7?；谏疃葘W習框架的方法在PyTorch 環(huán)境下訓練，學習速率為10-4，訓練驗證次數(shù)設(shè)為10。

3.3.1 與深度學習方法對比

表9 給出了深度學習方法和本文方法在微博流行度預測數(shù)據(jù)集上的性能對比實驗。

表9 與基于深度學習框架的方法對比實驗Table 9 Comparative experiments with methods based on deep learning framework

深度學習的方法即基于前文介紹的DNN 結(jié)構(gòu)，見圖4，在此將所有特征分為兩大類，文本特征使用BERT 模型處理，數(shù)字特征進行串聯(lián)拼接處理，最后將所有特征融合，送入DNN 中訓練學習。

圖4 深度學習方法框架Fig.4 Framework of deep learning methods

如表9 所示，在深度學習的各種方法中，發(fā)現(xiàn)僅基于DNN 模型［22］進行全數(shù)據(jù)集的訓練準確率只有39.10%。

而丟棄無需預測的用戶數(shù)據(jù)，即數(shù)據(jù)集內(nèi)其所發(fā)微博有95%以上處于某一固定分類，在測試計算準確率時，將這部分權(quán)重單獨計算，取測試集比例折合到訓練結(jié)果中，和丟棄互動值過大（≥10 000）的數(shù)據(jù)，分別提高了6.12%和7%的準確率。同時將兩種數(shù)據(jù)丟棄并將預測目標歸一化用于DNN 訓練，則可以將準確率提高到48.89%。另一種數(shù)據(jù)處理的方案是對用戶進行分類（圖5），不同的用戶類別賦予不同權(quán)重，分類依據(jù)如下：

圖5 用戶分類示例Fig.5 Example of user classification

（1）用戶類別1：95%以上博文全屬于某一分段的用戶（0，1，2，3，4）；

（2）用戶類別2：90%以上博文屬于兩個相鄰分段的用戶（01，12，23，34）；

（3）用戶類別3：90%以上博文屬于3 個相鄰分段的用戶（012，123，234）；

（4）用戶類別4：剩余用戶。

如表9 所示，對訓練集進行用戶分類處理后，準確率達到68.57%，性能得到大幅度提升，基于此，將所有對性能提升有益的方案加以融合，最終的準確率達到了74.92%。

盡管深度學習的方法對數(shù)據(jù)的特征利用率已經(jīng)很高，但是最終的性能并沒有超過本文方法。這是由于與深度學習的方法相比，XGBoost 模型對數(shù)字特征的敏感性較強，在本文微博流行度預測的情境下，結(jié)合用戶信息博文信息數(shù)字特征占比很大的情況，本文方法所使用的XGBoost 模型能更好地利用這些數(shù)字特征的關(guān)聯(lián)信息，具有一定的優(yōu)勢，因此優(yōu)于深度學習算法。

3.3.2 預測與分類對比

本文的方法基于機器學習下的XGBoost 模型構(gòu)建，其中預測對象是區(qū)別預測類型的重要關(guān)注項，預測對象為互動值或轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)的方法，視作預測方法；預測對象為互動值所處檔位的方法，則稱之為分類方法。表10 列出了基于XGBoost 的預測與分類方法的不同數(shù)據(jù)劃分方案的對比實驗。

如表10 所示，考慮到互動值過大的數(shù)據(jù)對預測結(jié)果的不良影響以及其導致的訓練樣本分布不均衡的問題，在機器學習的所有方法中，訓練時均丟棄了互動值過大的數(shù)據(jù)。對比發(fā)現(xiàn)，分類方法的性能明顯高于預測方法，由于分類方法在流行度預測過程中對檔位邊緣的數(shù)據(jù)具體互動值容錯率較高，提高了其檔位預測的準確性。進一步分析可知，在預測方法中，對用戶進行分類較其他數(shù)據(jù)劃分方案性能更好，而預測方法中對互動值的預測較轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)的預測更為準確，準確率高了1.53%。在分類方法中，對全數(shù)據(jù)集的訓練性能要略高于丟棄部分用戶數(shù)據(jù)，這表明在分類方法中，即使存在不同用戶微博互動值差異過大的損失，提高數(shù)據(jù)量即使用所有的用戶數(shù)據(jù)對提升互動值檔位分類準確度仍有貢獻。

表10 基于XGBoost 的預測與分類方法對比實驗Table 10 Comparative experiments with prediction and classification methods based on XGBoost

3.3.3 與用戶匹配方法對比

表11 展示了本文方法和用戶匹配等其他方法的綜合對比實驗。

表11 與用戶匹配方法的對比實驗Table 11 Comparative experiments with user matching methods

用戶匹配方法是一類基于用戶特征的，不依靠于任何模型訓練的方法。這類方法依賴于已知的用戶微博流行度統(tǒng)計信息，將微博流行度情況與微博用戶緊密聯(lián)系在一起。用戶匹配方法分為按用戶最大權(quán)重檔位匹配方法和按用戶對應時段最大權(quán)重檔位匹配方法。

按用戶最大權(quán)重檔位匹配方法的匹配策略是通過計算出用戶微博各檔位總權(quán)重分布，將某檔位博文數(shù)量乘該檔位權(quán)重。按用戶對應時段最大權(quán)重檔位匹配方法的匹配策略是先按用戶一天中各個時段（0～23）統(tǒng)計所發(fā)博文獲得最大權(quán)重的檔位，然后按用戶和時間進行匹配，若測試集中出現(xiàn)訓練集中未出現(xiàn)的時段，匹配兩側(cè)相鄰時段中權(quán)重大的那一個檔位。見表11，實驗結(jié)果表明，用戶匹配方法準確率最高可達81.75%，這體現(xiàn)出用戶特征在分類處具有顯著作用，盡管用戶匹配的方法對用戶特征的挖掘十分全面，但是缺少模型的支持，在準確率上仍未超過本文方法。

所有實驗結(jié)果表明，本文方法在評價指標上優(yōu)于用戶匹配和深度學習的所有方法。

4 結(jié)束語

針對全媒體時代下，社交媒體流行度預測在信息處理領(lǐng)域的重要性和必要性，本文提出了一種基于XGBoost 的微博流行度預測算法。首先，通過對微博數(shù)據(jù)的特點進行分析，梳理提煉出需要重點考慮的數(shù)據(jù)；其次，算法運用特征工程的思想詳盡地挖掘、提取和構(gòu)造了與微博博文及微博用戶相關(guān)的包括博文特征、話題特征和用戶特征在內(nèi)的有效特征，并將有效特征進行融合；最后，將融合后的特征與XGBoost 模型進行結(jié)合用于訓練學習，對用戶特征進行二次構(gòu)造利用，構(gòu)建一個分類式的流行度預測架構(gòu)，實現(xiàn)對微博的流行度預測。本算法證實了用戶特征在流行度預測上的高影響力，并且在微博流行度預測的數(shù)據(jù)集上取得了優(yōu)越效果，進一步驗證了本文算法的合理性和優(yōu)越性。在實際的應用中，本文算法可用于揭示社交媒體中個人偏好和公眾關(guān)注，有助于預判社會輿情趨勢，提前做出應對決策。同時，高準確率的流行度預測還可以提高用戶體驗和服務(wù)效率，并有利于廣泛的應用，如內(nèi)容推薦、在線廣告和信息檢索等，具有巨大的商業(yè)價值。但基于算法與用戶的高度關(guān)聯(lián)性，對缺乏用戶信息的流行度預測或存在一定的局限性。