新浪微博的信息传播预测---数学建模Word文档格式.docx
- 文档编号:3690685
- 上传时间:2023-05-02
- 格式:DOCX
- 页数:2
- 大小:37.92KB
新浪微博的信息传播预测---数学建模Word文档格式.docx
《新浪微博的信息传播预测---数学建模Word文档格式.docx》由会员分享,可在线阅读,更多相关《新浪微博的信息传播预测---数学建模Word文档格式.docx(2页珍藏版)》请在冰点文库上搜索。
传染病传播
微博传播
传染性疾病
微博信息
疾病传染
转发
已感染个体
微博信息的转发者
易感染个体
原创者/转发者的直接粉丝
基于SIR模型的改进(定义为SIRE模型)
在微博信息传播建模中,由于微博具有开放性,外来用户可以在没有关注转发微博用户的时候,自主的阅读和转发此微博,这就不同于SIR模型中传染病只能来自于已感染者。
并且根据微博用户转发特性,大部分用户转发微博之后,不会再次转发同一条微博,
根据微博信息传播机制,我们的定义状态如下:
1)一条微博信息的发布者传递一条微博信息(病毒)给他的跟随者(易感染者)的概率是β,即转发此微博信息成为转发者(已感染者)。
2)转发之后,转发用户(已感染者)被治愈的概率为α,并且成为具有免疫能力的免疫者R,即不再转发此微博。
3)一个没有跟随已感染者的外来用户转发此微博的概率为γ。
在t时刻,给定一条微博信息,函数S(t)、I(t)、R(t)、E(t)分别表示转发微博的人数;
在t时刻,直接跟随转发用户的数量;
已转发微博的用户数量,已转发微博并且不再转发此微博的用户数量;
外来用户(外来用户就是转发了此微博,但是跟转发过得用户没有直接关注或者间接关注关系的用户)数量。
根据上述定义,我们可以得出SIRE的表达式为:
其中
β:
微博信息转发的概率
α:
转发者成为免疫者(不再转发同一条微博)的概率
γ:
外来者主动转发的概率
ω:
外来者占实时转发者的比例
3、先用逻辑斯蒂回归(LogisticRegression)算法训练样本得出模型最优系数(β,α,γ,ω),(训练样本采用200条微博信息和它的转发信息)
4、再通过得到的最优系数,用到模型中,再用另外200条数据进行拟合和预测实验。
5、利用SISe+(就是参考文献中的模型)与我们提出的SIRE模型做对比试验,采用RMSE(均方根)回归系统的拟合标准差来评估模型的好坏。
得出SIRE模型更好。
要得到对比图形展示,还有误差数值表格。
6、对比分析拟合和预测结果,
7、另外单独做一个我们的SIRE模型的预测曲线和真实数据曲线图,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 新浪 信息 传播 预测 数学 建模