傅熙雯

（云南大學(xué)，云南 昆明 650091）

隨著科學(xué)技術(shù)的不斷發(fā)展，在線社交平臺(tái)不斷增多，如微博、微信等，其不僅具有傳統(tǒng)媒體的“時(shí)空偏向”特征，同時(shí)還可實(shí)現(xiàn)信息傳播主體多元化、內(nèi)容碎片化，為人們提供多樣化選擇，滿足人們的個(gè)性化需求。

為促進(jìn)復(fù)雜網(wǎng)絡(luò)以及系統(tǒng)科學(xué)領(lǐng)域不斷發(fā)展，需對(duì)在線社交網(wǎng)絡(luò)信息傳播機(jī)制進(jìn)行深入探究，提升互聯(lián)網(wǎng)治理水平。因此，亟需對(duì)在線社交網(wǎng)絡(luò)信息傳播進(jìn)行建模分析，并進(jìn)行轉(zhuǎn)發(fā)預(yù)測(cè)。

1 分類預(yù)測(cè)模型

機(jī)器學(xué)習(xí)模型種類較多，常見(jiàn)的機(jī)器學(xué)習(xí)模型主要包括決策樹(shù)、支持向量機(jī)和樸素貝葉斯等，不同模型均有一定的應(yīng)用優(yōu)勢(shì)和弊端，本次在線分析社交網(wǎng)絡(luò)信息傳播建模中采用隨機(jī)森林模型。

對(duì)隨機(jī)森林本質(zhì)進(jìn)行分析發(fā)現(xiàn)，其屬于決策樹(shù)組合，是一種集成了bagging和具有隨機(jī)性特征分裂方法的組合分類器，對(duì)于輸入數(shù)量無(wú)需進(jìn)行預(yù)處理，在建模前無(wú)需進(jìn)行特征選擇，在模型運(yùn)行中，通過(guò)對(duì)變量的重要性進(jìn)行選擇，分析不同輸入變量對(duì)模型的重要程度。

另外，在實(shí)際應(yīng)用隨機(jī)森林模型時(shí)，泛化誤差率較低，數(shù)據(jù)集中可包含異常值和噪聲，即使數(shù)據(jù)確實(shí)，依然保持較高的預(yù)測(cè)準(zhǔn)確性，可有效提升預(yù)測(cè)結(jié)果準(zhǔn)確性，并且能夠平衡誤差，預(yù)測(cè)性能較好。除此以外，在模型中，各個(gè)決策樹(shù)均相互獨(dú)立，能夠避免過(guò)擬合問(wèn)題產(chǎn)生[1]。

2 預(yù)測(cè)結(jié)果評(píng)估方法

在數(shù)據(jù)分析過(guò)程中，需應(yīng)用多種度量指標(biāo)，在本次建模分析中采用召回率（recall）和精確度（precision），可準(zhǔn)確反映出稀類分類實(shí)際情況。

2.1 召回率和精確度

對(duì)于兩分類問(wèn)題，可用混淆矩陣表示，｛+，－｝指正負(fù)類的標(biāo)簽集合，“+”代表正類，“－”代表負(fù)類。根據(jù)給定分類模型，即可準(zhǔn)確計(jì)算測(cè)試機(jī)，共包含4種分類。

f++（TP）為真正類，樣本預(yù)測(cè)類別為正，真實(shí)類別為正；f+-（TP）為假負(fù)類，樣本預(yù)測(cè)類別為負(fù)，真實(shí)類別為正；f-+（TP）為假正類，樣本預(yù)測(cè)類別為正，真實(shí)類別為負(fù)；f--（TP）為真負(fù)類，樣本預(yù)測(cè)類別為負(fù)，真實(shí)類別為負(fù)。

根據(jù)混淆矩陣，即可對(duì)召回率（R）以及精確度（P）進(jìn)行計(jì)算：

在模型分類效果評(píng)估中，還可采用F1度量這一指標(biāo)，F(xiàn)1為召回率和精確度的平均值，如果R和P均最大，則F1即可最大化，三者之間的關(guān)系如下：

2.2 受試者工作特征曲線

受試者工作特征曲線即ROC曲線，在模型評(píng)估完成后，對(duì)于評(píng)估所得結(jié)果，可繪制成曲線，即可對(duì)不同分類模型的差異進(jìn)行對(duì)比分析。在曲線二維平面中，橫軸和縱軸分別為假正率及真正率，長(zhǎng)度均為1。在ROC曲線評(píng)估模型的實(shí)際應(yīng)用中，可采用以下2種分析方式：對(duì)ROC曲線的偏向進(jìn)行觀察，如果ROC曲線偏向左上角，則模型分類性能較好；對(duì)ROC曲線下面積（AUC）進(jìn)行觀察，如果AUC較大，則模型分類效果較好[2]。

ROC曲線繪制流程如圖1所示，其中a為樣本，如果閾值為C，則a為正類；如果閾值小于等于C，則a為正類。

圖1 ROC繪制流程

3 轉(zhuǎn)發(fā)預(yù)測(cè)模型設(shè)計(jì)

在本次在線分析社交網(wǎng)絡(luò)信息傳播建模中，采用隨機(jī)森林模型，對(duì)于模型參數(shù)可采用用戶特征關(guān)鍵詞權(quán)重，據(jù)此創(chuàng)建興趣加權(quán)隨機(jī)森林模型（WRF）。在無(wú)加權(quán)RF模型中，對(duì)于各個(gè)用戶的特征變量，可采用一個(gè)權(quán)重參數(shù)，其能夠?qū)?quán)重進(jìn)行調(diào)節(jié)，充分展現(xiàn)出各個(gè)用戶特征變量的差異。對(duì)興趣差異進(jìn)行分析發(fā)現(xiàn)，主要體現(xiàn)在興趣數(shù)量和興趣程度2個(gè)方面。各個(gè)用戶輸入變量的特征加權(quán)值計(jì)算方式如下：

式（1）中：weight（f）為特征f的最終權(quán)重；index（f）為該特征某用戶的興趣權(quán)重；index（f）mean為該特征權(quán)重值的平均值。

在本次研究中，計(jì)算模型的關(guān)鍵步驟如下：①清洗數(shù)據(jù)集，數(shù)據(jù)集主要分布在多個(gè)文本中，因此，通過(guò)對(duì)數(shù)據(jù)集進(jìn)行合并和去重處理，即可有效清洗數(shù)據(jù)集；②在數(shù)據(jù)集清洗完成后，可利用轉(zhuǎn)發(fā)屬性以及非轉(zhuǎn)發(fā)屬性，將數(shù)據(jù)集分為2種類型，再對(duì)各個(gè)數(shù)據(jù)集上各項(xiàng)指標(biāo)的累積度分布情況進(jìn)行計(jì)算，然后繪制CDF曲線；③創(chuàng)建轉(zhuǎn)發(fā)行為預(yù)測(cè)指標(biāo)體系，并根據(jù)式（1）對(duì)各個(gè)應(yīng)用戶的興趣加權(quán)參數(shù)進(jìn)行計(jì)算，然后再對(duì)各個(gè)特征進(jìn)行加權(quán)計(jì)算；④將原始特征變量以及特征變量輸入隨機(jī)森林模型中，對(duì)R、P以及F1進(jìn)行計(jì)算，然后在此基礎(chǔ)上繪制ROC曲線，對(duì)各個(gè)指標(biāo)在模型中的重要性進(jìn)行對(duì)比分析；⑤以多種用戶屬性作為基礎(chǔ)，并進(jìn)行分類預(yù)測(cè)，對(duì)各個(gè)屬性分類效果進(jìn)行比較[3]。

4 在線社交網(wǎng)絡(luò)信息轉(zhuǎn)發(fā)預(yù)測(cè)結(jié)果分析

4.1 模型預(yù)測(cè)分析

在模型分析前，在獲得原始數(shù)據(jù)后，需對(duì)所有數(shù)據(jù)進(jìn)行清洗，在此過(guò)程中，可利用Python編程語(yǔ)言中的Numpy以及Pandas工具包，對(duì)數(shù)據(jù)進(jìn)行拆分、合并處理，同時(shí)還可對(duì)缺失值進(jìn)行有效處理。在數(shù)據(jù)清洗完成后，即可利用R語(yǔ)言界面友好的“rattle”數(shù)據(jù)挖掘工具包對(duì)模型進(jìn)行計(jì)算分析。

在隨機(jī)森林模型計(jì)算中，決策樹(shù)數(shù)量的影響較大，在隨機(jī)森林模型計(jì)算分析中，一般默認(rèn)決策樹(shù)數(shù)量，但是在具體的計(jì)算過(guò)程中，為了對(duì)模型進(jìn)行優(yōu)化處理，要求合理定義最佳參數(shù)。隨機(jī)森林模型計(jì)算誤差和決策樹(shù)之間的關(guān)系如圖2所示，分析圖2發(fā)現(xiàn)，OBB指模型的泛化誤差，“0”指否定結(jié)論的誤判率，“1”指肯定結(jié)論的誤判率。比如選擇微博平臺(tái)作為研究對(duì)象，在用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)分析中，可對(duì)多個(gè)模型進(jìn)行對(duì)比。

圖2 決策樹(shù)數(shù)量與模型誤差關(guān)系

在預(yù)測(cè)分析中，可利用改進(jìn)后的隨機(jī)森林模型（WRF）與經(jīng)典森林模型RF和Logistic回歸模型相比，各項(xiàng)性能指標(biāo)均比較好，精度更高，同時(shí)召回率指標(biāo)和F1分值也有所提升。由此可見(jiàn)，在對(duì)用戶興趣加權(quán)進(jìn)行調(diào)整后，通過(guò)利用WRF，可對(duì)用戶轉(zhuǎn)發(fā)微博信息的行為進(jìn)行準(zhǔn)確預(yù)測(cè)。

為了能夠?qū)Σ煌Ｐ椭杏脩艮D(zhuǎn)發(fā)行為預(yù)測(cè)性能進(jìn)行對(duì)比，需對(duì)ROC曲線進(jìn)行繪制和分析，并對(duì)ROC曲線下方面積（AUC）進(jìn)行計(jì)算，據(jù)此對(duì)各個(gè)模型的性能進(jìn)行對(duì)比。當(dāng)AUC在1.0～0.5之間時(shí)，如果AUC接近1，則模型分類效果較好，如果AUC在0.9以上，則分類準(zhǔn)確性較高；當(dāng)AUC在0.7～0.9之間時(shí)，分類準(zhǔn)確性較高；當(dāng)AUC在0.5～0.7之間時(shí)，準(zhǔn)確性較低；如果AUC為1，則模型最完美；當(dāng)AUC為0.5時(shí)，模型效果最差[4]。

確定模型指標(biāo)重要性程度，可選擇2個(gè)度量標(biāo)準(zhǔn)，即精度平均減少值（Mean Decrease Accuracy）和節(jié)點(diǎn)不純度平均減少值（Mean Decrease Gini），如果2個(gè)值較大，則指標(biāo)重要性也較高。在2種度量標(biāo)準(zhǔn)下，各個(gè)指標(biāo)的排名差異較大，其中，轉(zhuǎn)發(fā)性以及轉(zhuǎn)發(fā)活躍度對(duì)于WRF分類效果的影響最大，而用戶分類關(guān)鍵詞數(shù)量以及性別對(duì)于模型分類的重要性最小。

4.2 不同用戶屬性的轉(zhuǎn)發(fā)預(yù)測(cè)性能

在對(duì)模型分類預(yù)測(cè)性能進(jìn)行評(píng)估后，即可確定不同指標(biāo)的重要程度，為了能夠?qū)τ脩艮D(zhuǎn)發(fā)行為進(jìn)行預(yù)測(cè)，可選擇3個(gè)屬性進(jìn)行分析，包括特征屬性、行為屬性及興趣屬性。

3類用戶屬性預(yù)測(cè)結(jié)果差異較大，其中，行為屬性預(yù)測(cè)結(jié)果準(zhǔn)確性較高，而用戶興趣屬性預(yù)測(cè)結(jié)果準(zhǔn)確性較低。另外，在3類指標(biāo)中，特征屬性的召回率較高，興趣屬性預(yù)測(cè)召回率和特征屬性預(yù)測(cè)召回率相近，行為屬性召回率最低。

通過(guò)對(duì)F1分值進(jìn)行對(duì)比發(fā)現(xiàn)，行為屬性效果最好，興趣屬性得分最低。數(shù)據(jù)集具有不平衡特征，因此，在對(duì)模型分類能力進(jìn)行分析時(shí)，需對(duì)精確度指標(biāo)以及召回率指標(biāo)進(jìn)行分析，通過(guò)對(duì)F1度量結(jié)果進(jìn)行對(duì)比分析發(fā)現(xiàn)，用戶行為屬性分類效果最好，由此可見(jiàn)，用戶的轉(zhuǎn)發(fā)行為、評(píng)論等會(huì)對(duì)轉(zhuǎn)發(fā)行為產(chǎn)生較大影響，另外，不同用戶粉絲屬性以及關(guān)注人屬性等會(huì)對(duì)用戶信息轉(zhuǎn)發(fā)行為產(chǎn)生較大影響，用戶興趣處于不斷變化中，對(duì)于用戶信息轉(zhuǎn)發(fā)行為的影響比較小。

在繪制ROC曲線后，通過(guò)對(duì)ROC曲線進(jìn)行分析，可發(fā)現(xiàn)用戶行為屬性的分類效果較好，對(duì)用戶轉(zhuǎn)發(fā)預(yù)測(cè)的影響較大。用戶3類屬性的ROC曲線如圖3所示，行為屬性ROC曲線最靠近左上角，因此，AUC值最大，由此可見(jiàn)，行為屬性對(duì)于用戶轉(zhuǎn)發(fā)行為的影響較大，其次為用戶特征屬性，最后為用戶興趣屬性。

圖3 3類屬性的ROC曲線

5 總結(jié)

綜上所述，本文主要對(duì)在線社交網(wǎng)絡(luò)信息傳播建模方法以及用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)方式進(jìn)行了詳細(xì)探究。在在線社交網(wǎng)絡(luò)平臺(tái)運(yùn)行中，在信息傳播方面，用戶行為驅(qū)動(dòng)為十分重要的內(nèi)在影響機(jī)制。在本次研究中，創(chuàng)建用戶興趣加權(quán)的隨機(jī)森林模型，在用戶轉(zhuǎn)發(fā)行為預(yù)測(cè)中選擇3個(gè)屬性，分別為特征屬性、行為屬性和興趣屬性，通過(guò)將隨機(jī)森林模型（WRF）與傳統(tǒng)森林模型以及Logistic回歸模型進(jìn)行對(duì)比發(fā)現(xiàn)，WRF模型的分類性能比較好。另外，在WRF模型的基礎(chǔ)上，對(duì)各項(xiàng)屬性評(píng)分以及ROC曲線進(jìn)行對(duì)比，確定行為屬性預(yù)測(cè)效果較好，能夠反映出用戶行為習(xí)慣對(duì)在線社交網(wǎng)絡(luò)平臺(tái)運(yùn)營(yíng)中信息傳播的影響。