微博转发预测的的结论与参考文献,微博是什么样的参考？
微博转发预测的的结论与参考文献
微博是什么样的参考？先前引用的安捷伦仪器在线说明，没有标记代码。。。这似乎无关紧要，是吗
微博论文参考文献都有哪些
你什么意思，你的论文是关于微博的？我不知道你的主题是什么~我为你找到了几篇文章~关于“微博时代”的网民道德素养建设~广州广播电视大学学报王稼祥2012/02微博经济时代的品牌营销研究李弘文微博营销在中国集体经济中能持续多久2012/09？王定彪先锋国家2012，
微博是什么样的参考？
微博是什么样的参考？先前引用的安捷伦仪器在线说明，没有标记代码。。。这似乎无关紧要，是吗
微博论文参考文献都有哪些
微博转发预测的的结论与参考文献范文
本文的目录导航:
[标题]探索微博用户转发预测专用证书
[第1章]微博转发预测特征选择介绍
[第2章]用户转发预测特征相关知识介绍
[第3章]用户转发预测的数据预处理
[第4章]转发特征的分析与提取
[第5章]微博用户转发特征选择实验
[第6章]过滤特征子集与包装特征子集的比较
[第7章]微博转发
总结与展望
微博转发预测研究在个性化推荐、舆情管控、商业营销等地方有较强的实用性。微博用户转发预测能够及早发现用户的兴趣倾向，针对性地为其推荐相应的微博账号，有助于帮助用户高效地获取信息，同时使相关微博得到更好的推广。微博用户规模庞大，提前判断与预测用户转发行为，及早发现可能引发大规模爆发的微博，可以通过一定措施抵制不良事件的发生，防止舆论扩大。微博平台提供了企业、个人与目标客户沟通的桥梁，掌握用户转发取向，有助于获取用户的一些潜在消费意愿，为企业进行产品宣传和推广，制定针对性的微博营销策略提供了参考。微博转发预测研究中一个关键的问题是高质量特征的研究，本文所做的工作明确了各种特征和特征组合对微博用户转发行为预测的影响程度，有助于理解各种特征与特征组合在微博用户转发预测中的贡献，筛选出表征用户微博转发的优化组合模式，在提高分类模型预测性能的同时，提高了运行效率。
本文细致分析了用户转发行为的影响因素，从用户特征、作者特征、微博特征、兴趣特征和社交特征多方面汇总了影响用户转发行为的众多特征，并在真实的新浪微博数据集上实现了所有特征的提取。分别使用不同类型的特征训练建立因子分解机预测模型，比较分析了不同类型的特征对模型预测效果的影响。实验结果表明，兴趣特征和微博特征对分类模型预测的贡献最大。对微博特征全集同时实现了基于卡方检验的Filter特征选择和基于递归特征消除的Wrapper特征选择，比较分析了不同特征和特征组合在微博用户转发行为预测上的有效性。实验结果表明，转发相似度特征与用户转发行为的相关性最大，而用户与作者是否共同认证与用户的转发行为没有关系。递归特征消除方法选择的最优特征子集，在测试集上的预测精度达到了89.0%,查准率达到了79.0%,F1度量达到了66.8%,AUC面积为95.0%,预测性能较好，在大幅降低维度的同时，几乎不影响模型预测性能。
本文仍存在一些不足，需要改进的地方还有很多，比如：
（1）因为实验数据集的限制，本文提取的特征还不够全面，实验数据集中不含图片和视频信息，而图片和视频形象生动，很可能是吸引用户和影响用户转发行为的重要因素。今后将获取更完整的数据，重点研究这些特征对用户转发预测的影响。
（2）本文将提取的特征划分为五种类型的五组特征，分析了每一组特征对分类模型预测的影响，但在对特征分组的过程中没有非常严格的判断标准，会对分组预测的解释性产生一定影响。今后将尝试结合应用场景，探索更好的分组类型并将特征准确分组。
参考文献
[1]第42次中国互联网络发展状况统计报告[R].北京：中国互联网络信息中心，2018
[2]KwakH,LeeC,ParkH,etal.WhatisTwitter,aSocialNetworkorNewsMedia?[C].InternationalConferenceonWorldWideWeb,2010:591-600
ShriverS.K,NairH,HofstetterR.SocialTiesandUserGeneratedContent:EvidencefromanOnlineSocialNetwork[J].ManagementScience,2013,59（6）：1425-1443
LiH,SakamotoY.Socialimpactsinsocialmedia:Anexaminationofperceivedtruthfulnessandsharingofinformation[J].ComputersinHumanBehavior,2014,41:278-287
SakakiT,OkazakiM,MatsuoY.EarthquakeshakesTwitterusers:real-timeeventdetectionbysocialsensors[C].InternationalConferenceonWorldWideWeb,2010:851-860
邓青，马晔风，刘艺，等。基于BP神经网络的微博转发量的预测[J].清华大学学报，2015,12:1342-1347
齐超，陈鸿昶，于岩。基于行为分析的微博信息传播效果[J].计算机应用，2014,34（8）：2404-2408
ChengJ,AdamicL,DowP.A,etal.Cancascadesbepredicted?[J].2014:925-936
曹玖新，吴江林，石伟，等。新浪微博网信息传播分析与预测[J].计算机学报，2014,4:779-790
GomezR.M,LeskovecJ,KrauseA.InferringNetworksofDiffusionandInfluence[M].ACM,2012
李英乐，于洪涛，刘力雄。基于SVM的微博转发规模预测方法[J].计算机应用研究，2013,30（9）：2594-2597
HongLiangjie,DoumithA.S,DavisonB.D.Co-factorizationmachines:modelinguserinterestsandpredictingindividualdecisionsinTwitter[C].ACMInternationalConferenceonWebSearch&DataMining,2013:557-566
[13PanYe,CongFeng,ChenKailong,etal.Diffusion-awarepersonalizedsocialupdaterecommendation[C].ACMConferenceonRecommenderSystems,2013:69-76
张旸，路荣，杨青。微博客中转发行为的预测研究[J].中文信息学报，2012,26（4）：109-114
匡冲，刘知远，孙茂松。微博转发者的个性化排序[J].山东大学学报（理学版），2014,49（11）：31-36
SuhB,HongL,PirolliP,etal.Wanttoberetweeted?LargescaleanalyticsonfactorsimpactingretweetinTwitternetwork[C].IEEEInternationalConferenceonSocialComputing-SocialCom,USA,2010:177-184
[17FuK.W,ChauM.RealitycheckfortheChinesemicroblogspace:arandomsamplingapproach[J].PlosOne,2013
[18GuilleA,HacidH.Apredictivemodelforthetemporaldynamicsofinformationdiffusioninonlinesocialnetworks[C].InternationalConferenceonWorldWideWeb,2012:1145-1152
[19FengWei,WangJianyong.Retweetornot?:personalizedtweetre-ranking[C].ACMInternationalConferenceonWebSearchandDataMining,2013:577-586
马晓峰，王磊，陈观淡。基于混合特征学习的微博转发预测方法[J].计算机应用与软件，2016,33（11）：249-252
PengH.K,ZhuJ,PiaoD,etal.RetweetModelingUsingConditionalRandomFields[C].InternationalConferenceonDataMiningWorkshops,2011:336-343
PetrovicS,OsborneM,LavrenkoV.RTtoWin!PredictingMessagePropagationinTwitter[J].DentistryToday,2011,19（11）
周志华，杨强。机器学习及其应用[M].清华大学出版社，2011
ScottD.W.MultivariateDensityEstimation:Theory,Practice,andVisualization[M].Wiley,1992
JainA.K,RobertP.W,Duin,etal.statisticalpatternrecognition:Areview[J].IEEETransactionsonPatternAnalysis&MachineIntelligence,2000
CoverT.M.TheBestTwoIndependentMeasurementsAreNottheTwoBest[J].IEEETransactionsonSystemsMan&Cybernetics,2010,4（1）：116-117
孙鑫。机器学习中特征选择问题研究[D].吉林大学，2013
KohaviR,JohnG.H.WrappersforFeatureSubsetSelection[C].artificialintelligence,1997:273-324
RendleS.FactorizationMachines[C].InternationalConferenceonDataMining,2011:995-1000RendleS.FactorizationMachineswithlibFM[J].ACMTransactionsonIntelligentSystems&Technology,2012,3（3）：1-22
RendleS,GantnerZ,FreudenthalerC,etal.Fastcontext-awarerecommendationswithfactorizationmachine[C].InternationalACMSIGIRConferenceonResearchandDevelopmentinInformationRetrieval,2011:635-644
ZhangJing,LiuBiao,TangJie,etal.Socialinfluencelocalityformodelingretweetingbehaviors[C].InternationalJointConferenceonArtificialIntelligence,2013:2761-2767
孔雪娜，孙红。中文微博文本采集与预处理综述[J].软件导刊，2017,16（2）：186-189
SunJunyi.jieba[EB/OL].https://github.com/fxsjy/jieba,2012
[35YangYiming.AComparativeStudyonFeatureinTextCategorizatio[C].FourteenthInternationalConferenceonMachineLearning,1997
官琴，邓三鸿，王昊。中文文本聚类常用停用词表对比研究[J].数据分析与知识发现，2017,1（3）：72-80
BoydD,GolderS,LotanG.Tweet,Tweet,Retweet:ConversationalAspectsofRetweetingonTwitter[C].IEEEComputerSociety,2010:1-10
OulasvirtaA,LehtonenE,KurvinenE,etal.Makingtheordinaryvisibleinmicroblogs[J].Personal&UbiquitousComputing,2010,14（3）：237-249
MathioudakisM,KoudasN.TwitterMonitor:trenddetectionoverthetwitterstream[C].ACMSigmoidInternationalConferenceonManagementofData,2010:1155-1158
AdamicL.A.TheSmallWorldWeb[J].LectureNotesinComputerScience,2001:443-452
KangS,ZhangC,LinZ,etal.ComplexityResearchofMassivelyMicrobloggingBasedonHumanBehaviors[C].InternationalWorkshoponDatabaseTechnologyandApplications,2010:1-4
WengJ,LimE.P,JiangJ,etal.TwitterRank:findingtopic-sensitiveinfluentialtwitters[J].2010:261-270
NarayanamR,NarahariY.AShapleyValue-BasedApproachtoDiscoverInfluentialNodesinSocialNetworks[J].IEEETransactionsonAutomationScience&Engineering,2010,8（1）：130-147
RamosJ.Usingtf-idftodeterminewordrelevanceindocumentqueries[J].2003
SaltonG,WongA,YangC.S.AVectorSpaceModelforAutomaticIndexing[J].CommunicationsoftheACM,1975,18（11）：613-620
RealR,VargasJ.M.TheProbabilisticBasisofJaccard\'sIndexofSimilarity[J].SystematicBiology,1996,45（3）：380-385
FawcettT.AnintroductiontoROCanalysis[J].PatternRecognitionLetters,2005,27（8）：861-874
MchughM.L.Thechi-squaretestofindependence[J].BiochemiaMedica,2013,23（2）：143
PandisN.Thechi-squaretest.[J].AmericanJournalofOrthodontics&DentofacialOrthopedics,2016,150（5）：898-899
CortesC,VapnikV.Support-VectorNetworks[J].MachineLearning,1995,20（3）：273-297
[51]GuyonI,WestonJ,BarnhillS,etal.GeneSelectionforCancerClassificationusingSupportVectorMachines[J].MachineLearning,2002,46（1-3）：389-422
[52]Sch?lkopB.AnIntroductiontoSupportVectorMachine[J].RecentAdvances&TrendsinNonparametricStatistics,2003,32（8）：3-17
[53]唐明董，张婷婷，杨亚涛，等。基于因子分解机的质量感知Web服务推荐方法[J].计算机学报，2018（6）