基于邏輯回歸的信息轉(zhuǎn)發(fā)預(yù)測模型研究

李倩　趙中英

摘要 面向社會(huì)化媒體數(shù)據(jù)信息的傳播及預(yù)測，是當(dāng)前研究熱點(diǎn)。提出基于邏輯回歸的用戶轉(zhuǎn)發(fā)行為預(yù)測模型，采用Fmeasure和ROC曲線作為評(píng)價(jià)標(biāo)準(zhǔn)驗(yàn)證了該模型的有效性。在Twitter數(shù)據(jù)集上的結(jié)果表明，所提模型能夠很好地預(yù)測用戶的信息轉(zhuǎn)發(fā)行為。

關(guān)鍵詞 信息傳播；社交媒體；邏輯回歸；信息轉(zhuǎn)發(fā)預(yù)測

DOI DOI： 10.11907/rjdk.162439

中圖分類號(hào)： TP302

文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào) 文章編號(hào)： 16727800（2017）002000403

0 引言

互聯(lián)網(wǎng)的發(fā)展及移動(dòng)智能終端的普及，對(duì)人們的生產(chǎn)生活產(chǎn)生了重大影響，越來越多的人選擇通過網(wǎng)絡(luò)渠道表達(dá)自身的利益訴求和對(duì)社會(huì)事件的意見與看法。因此，以網(wǎng)絡(luò)為媒介的網(wǎng)絡(luò)輿論成為公眾輿論的主要形式之一。研究社交網(wǎng)絡(luò)中的信息傳播機(jī)制，有助于各級(jí)政府部門更好地了解與把握社情民意，對(duì)有效引導(dǎo)和管理社會(huì)輿論、化解輿情危機(jī)具有重要意義，因而受到眾多學(xué)者的廣泛關(guān)注。

已有諸多學(xué)者從事在線社交網(wǎng)絡(luò)的信息傳播分析與建模。曹玖新等[1]以新浪微博為研究對(duì)象，對(duì)各種可能影響用戶轉(zhuǎn)發(fā)行為的因素進(jìn)行統(tǒng)計(jì)、分析，并建立數(shù)學(xué)模型。基于微博網(wǎng)關(guān)注關(guān)系拓?fù)洌酶怕始?jí)聯(lián)模型對(duì)給定微博的轉(zhuǎn)發(fā)路徑進(jìn)行預(yù)測，為預(yù)測微博的影響范圍提供依據(jù)。周東浩等[2]結(jié)合網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn)、節(jié)點(diǎn)內(nèi)容屬性、歷史傳播數(shù)據(jù)等信息，提出了一個(gè)基于隨機(jī)游走模型的傳播能力排序算法DiffRank，選擇傳播能力最強(qiáng)的topk個(gè)節(jié)點(diǎn)作為觀察節(jié)點(diǎn)來檢測網(wǎng)絡(luò)中可能出現(xiàn)的信息傳播。劉繼等[3]對(duì)網(wǎng)絡(luò)輿情傳播模式中單關(guān)鍵點(diǎn)型、多關(guān)鍵點(diǎn)型、鏈?zhǔn)叫蛡鞑ツＪ竭M(jìn)行分析，對(duì)網(wǎng)絡(luò)結(jié)構(gòu)中的強(qiáng)勢節(jié)點(diǎn)和橋節(jié)點(diǎn)的作用進(jìn)行了討論。李洋等[4]介紹了微博信息的傳播過程，通過介紹微博信息傳播的定性研究工作，揭示微博信息傳播的特點(diǎn)；并從3個(gè)不同的角度（以信息為中心、以用戶為中心、以信息和用戶為中心）對(duì)微博信息傳播工作進(jìn)行探索，最后展望了微博信息傳播預(yù)測研究的問題與挑戰(zhàn)。韓佳等[5]針對(duì)在線社交網(wǎng)絡(luò)中信息傳播模式的形式特點(diǎn)，結(jié)合傳染病動(dòng)力學(xué)原理，提出了在線社交網(wǎng)絡(luò)中的信息傳播模型，分析了不同類型的用戶在網(wǎng)絡(luò)中的行為特征以及影響信息傳播的主要因素。王超等[6]結(jié)合傳染病動(dòng)力學(xué)的SEIR模型，建立了適用于社交網(wǎng)絡(luò)的信息傳播模型。該模型基于社交網(wǎng)絡(luò)用戶的行為特征，分析了社交網(wǎng)絡(luò)的傳播機(jī)理和網(wǎng)絡(luò)參數(shù)對(duì)信息傳播過程的影響，得出了動(dòng)力學(xué)演化方程組，揭示了信息傳播隨時(shí)間的演化規(guī)律。郭海霞[7]針對(duì)新型社交網(wǎng)絡(luò)開放平臺(tái)來研究社交網(wǎng)絡(luò)中信息傳播問題，就其傳播方式、傳播行為、傳播路徑和傳播特點(diǎn) 進(jìn)行了分析研究，同時(shí)以新浪微博為例，在分析大量實(shí)例的基礎(chǔ)上，討論了信息傳播的幾種主要模型及特點(diǎn)。其他學(xué)者[810]也進(jìn)行了相關(guān)研究工作。

本文提出基于邏輯回歸的用戶轉(zhuǎn)發(fā)行為預(yù)測模型，并在Twitter數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)分析與評(píng)價(jià)。相關(guān)研究結(jié)果表明，該模型能夠較好地預(yù)測用戶的信息轉(zhuǎn)發(fā)行為，幫助政府各部門了解并控制網(wǎng)絡(luò)輿論，同時(shí)為相關(guān)研究領(lǐng)域提供參考。

1 基于邏輯回歸的信息轉(zhuǎn)發(fā)預(yù)測模型

1.1 邏輯回歸模型構(gòu)建

邏輯回歸模型是一種預(yù)測分類模型，假設(shè)訓(xùn)練集為Train，測試集為Test，對(duì)于數(shù)據(jù)集Train中的每個(gè)記錄，分類結(jié)果是y=1或y=0，其中，y=1表示用戶轉(zhuǎn)發(fā)某篇推文，y=0表示用戶未轉(zhuǎn)發(fā)某篇推文。邏輯回歸模型可以對(duì)測試集Test的每一個(gè)記錄進(jìn)行預(yù)測，判斷其是否轉(zhuǎn)發(fā)某篇推文。因此運(yùn)用邏輯回歸模型解決問題時(shí)，首先運(yùn)用訓(xùn)練集構(gòu)建邏輯回歸模型，然后針對(duì)測試集對(duì)分類結(jié)果進(jìn)行預(yù)測。邏輯回歸方程如式（1）：

2 實(shí)驗(yàn)與分析

2.1 實(shí)驗(yàn)數(shù)據(jù)

本文所用的數(shù)據(jù)為Twitter中某篇推文在2012年7月1日到7月7日之間的傳播數(shù)據(jù)，數(shù)據(jù)包括4個(gè)部分：轉(zhuǎn)發(fā)網(wǎng)絡(luò)（Retweet Network）、回復(fù)網(wǎng)絡(luò)（Reply Network）、提及網(wǎng)絡(luò)（Mention Network）、關(guān)注網(wǎng)絡(luò)（FollowingFollower Network），數(shù)據(jù)描述如表1所示。

2.2 評(píng)價(jià)指標(biāo)

運(yùn)用Fmeasure和ROC曲線來評(píng)價(jià)邏輯回歸模型。式（6）中α是調(diào)節(jié)系數(shù)，準(zhǔn)確率（precision）和召回率（recall）可通過混淆矩陣計(jì)算得出。

F1= 1+α 2×recall×precision α2×recall+precision （6）

ROC曲線是以靈敏度TPR為縱坐標(biāo)，以特異度FPR為橫坐標(biāo)，繪制成曲線形式。ROC關(guān)注的兩個(gè)指標(biāo)可用式（7）、式（8）計(jì)算得到。TPR= TP TP+FN （7）

FPR= FP FP+TN （8）

其中，TP表示預(yù)測轉(zhuǎn)發(fā)并且實(shí)際轉(zhuǎn)發(fā)，F(xiàn)N表示預(yù)測未轉(zhuǎn)發(fā)但是實(shí)際轉(zhuǎn)發(fā)，F(xiàn)P表示預(yù)測轉(zhuǎn)發(fā)但是實(shí)際未轉(zhuǎn)發(fā)，TN表示預(yù)測未轉(zhuǎn)發(fā)并且實(shí)際未轉(zhuǎn)發(fā)。

AUC值是ROC曲線下方面積的大小，其取值范圍介于0.5～1.0，AUC值越大表示模型判斷力越強(qiáng)。如果模型較好，則其ROC曲線呈凸形，即AUC大于0.5；否則若為凹形，說明模型分類結(jié)果不理想。

2.3 實(shí)驗(yàn)結(jié)果與分析

運(yùn)用邏輯回歸模型對(duì)測試集進(jìn)行預(yù)測，然后對(duì)預(yù)測結(jié)果進(jìn)行評(píng)價(jià)。以0.5為界限劃分結(jié)果，當(dāng)概率Pi>=0.5，認(rèn)為該節(jié)點(diǎn)轉(zhuǎn)發(fā)推文，當(dāng)概率Pi<0.5，認(rèn)為該節(jié)點(diǎn)未轉(zhuǎn)發(fā)推文。試驗(yàn)中測試了不同的α值對(duì)評(píng)價(jià)結(jié)果的影響，如圖1所示。

3 結(jié)語

本文構(gòu)建了基于邏輯回歸的信息轉(zhuǎn)發(fā)預(yù)測模型并實(shí)現(xiàn)了模型參數(shù)求解，提出了基于邏輯回歸的信息轉(zhuǎn)發(fā)預(yù)測算法。運(yùn)用Fmeasure和ROC曲線對(duì)邏輯回歸模型進(jìn)行評(píng)價(jià)，同時(shí)將該模型應(yīng)用在Twitter數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)分析，相關(guān)結(jié)果表明，本文設(shè)計(jì)的邏輯回歸模型能夠很好地預(yù)測用戶的轉(zhuǎn)發(fā)行為。

參考文獻(xiàn) 參考文獻(xiàn)：

[1] 曹玖新，吳江林，石偉，等.新浪微博網(wǎng)信息傳播分析與預(yù)測[J].計(jì)算機(jī)學(xué)報(bào)，2014（4）：779790.

[2] 周東浩，韓文報(bào).DiffRank：一種新型社會(huì)網(wǎng)絡(luò)信息傳播檢測算法[J].計(jì)算機(jī)學(xué)報(bào)，2014（4）：884893.

[3] 劉繼，李磊.基于微博用戶轉(zhuǎn)發(fā)行為的輿情信息傳播模式分析[J].情報(bào)雜志，2013（7）：7477.

[4] 李洋，陳毅恒，劉挺.微博信息傳播預(yù)測研究綜述[J].軟件學(xué)報(bào)，2016，27（2）：247263.

[5] 韓佳，肖如良，胡耀，等.在線社交網(wǎng)絡(luò)中信息傳播模式的特征分析[J].計(jì)算機(jī)應(yīng)用，2013，33（1）：105107.

[6] 王超，楊旭穎，徐珂，等.基于SEIR的社交網(wǎng)絡(luò)信息傳播模型[J].電子學(xué)報(bào)，2014（11）：23252330.

[7] 郭海霞.新型社交網(wǎng)絡(luò)信息傳播特點(diǎn)和模型分析[J].現(xiàn)代情報(bào)，2012，32（1）：5659.

[8] ZHANG J，TANG J，LI J，et al.Who influenced you？ predicting retweet via social influence locality[J].ACM Transactions on Knowledge Discovery from Data，2015，9（3）：126.

[9] TAHANI M，HEMMATYAR A M A，RABIEE H R，et al.Inferring dynamic diffusion networks in online media[J].ACM Transactions on Knowledge Discovery from Data，2016，10（4）：122.

[10] SAITO K，KIMURA M，OHARA K，et al.Detecting changes in information diffusion patterns over social networks[J].ACM Transactions on Intelligent Systems & Technology，2013，4（3）：325352.

（責(zé)任編輯：孫 娟）