基于微博信息热度评价与预测分析基于微博的信息热度评价与预测分析摘要微博已成为时下非常热门的社交媒体平台，是一个庞大的关于信息分享和话题交流的平台，在人们线上社交活动中发挥着不可替代的作用，由于网络信息鱼龙混杂，所以本文通过了解微博的热度机制进而研究微博热度和预测微博的热门程度，本文研究内容对于监控预测微博舆情有重要的借鉴意义。
本文主要以新浪微博作为研究对象，首先进行爬取工具的选取，随后通过分析信息传播特征，从微博的用户、内容与传播三个方面提炼影响微博热度的主要因素，并提取关键指标建立热度体系评价指标，运用因子分析法建立微博热度评估模型，得到各微博信息维度表达式以及热度计算公式，对数据进行整理分析，最终对其结果进行排序和对比，发现模型比较符合实际情况，表明本模型具有较高的准确性。
随后又提出了基于PSO优化BP神经网络的话题热门程度预测模型。
构建出话题热门程度的时间序列模型作为预测模型的输入，依照优化后的预测模型，完成了对话题热门程度值的预测。
实验结果表明基于PSO优化BP神经网络的话题热门程度预测模型能够很好的模拟话题热门程度的变化趋势，对现实具有一定的指导意义。
在微博平台中，任何用户都可以自由发布内容，还可以对其他用户发送的内容发表自己的评论并转发，另外由于近些年视频信息传播愈发火热，图像处理技术也变得更加成熟，传播信息鱼龙混杂，可靠程度有待考量，于是了解微博的热度机制并对微博热度进行评估与预测,对于监控预测微博舆情，推动传播真实有效信息，营造活跃健康的社交平台具有重要作用。
1.1.2研究意义在微博信息热度评估中，曝光度高、阅读数量或者互动数较高的内容信息比较容易成为热门微博，平台中包括“热搜排行榜”和“热门话题”等对每位用户进行推送，还会根据热度大小对热门微博的内容进行排序。
本文在分析了影响热门微博传播的一些因素之后，拟建立热度评价模型与热门微博预测模型，通过计算热门微博的热度与热门程度的变化趋势，来对话题热度的监控与预测，从而可以更加有效的缩小平台的负面信息与虚假信息的传播范围，使大众浏览到更多真实可靠的时政信息。
本文结合微博信息内容和用户行为，主要运用因子分析法建立微博热度评估模型，对微博热度进行量化处理，随后利用BP神经网络学习建立了热门微博预测模型，来判断微博内容能否成为热点微博，并判断热门程度的变化趋势。
本文研究在促进真实的时政信息传播，研究平台商品营销推送以及推动政府对舆情监测与预警等方面，提供了可以借鉴的理论与实践依据。
衡量微博热度，研究重心应该放在微博内容与用户行为两个方面，其中用户不仅指发布者，还指该用户所面向的粉丝群体。
尽管平台会根据内部的排序机制对所有微博按大小进行排序，包括首页热搜以及指定话题搜索排名等，但缺点是其并不知道其排序时热度的计算原理以及热度差距产生的原因，基于此，本文运用因子分析法建立了微博热度评估模型，得出热度的计算公式，将热度进行量化，并得出了新的排序结果与原排序进行对比。
1.2.2热门话题预测现状分析对于各类热门话题的预测，学术界一般主要采取以下两种预测方法，第一种是指比较典型的线性预测方法，但仅仅适合对平稳曲线进行预测，不适合预测多种类型的热门话题。
第二种是指基于非线性理论建立预测模型，该种分析方法更具系统性与智能性，如支持向量机，可以对数据进行广义线性分类，大致实现非线性拟合，不足之处是会经常陷入局部最优，无法得到全局最优解[11-12]。
Suh等人选取了话题类型、粉丝人数等属性,基于主成分分析法提炼了影响用户互动行为的主要因素,并建立了精确度较高的因子图模型，对用户行为进行了合理预测[13-14]。
刘功申等人通过定量计算用户对微博的影响，对已有算法进行优化，可以凭借微博发出者的用户属性预测该微博是否会被大量转发，进而给出舆情预警[15]。
张敬基于话题热度，提出微博热度预测算法，结合多维度数据建立回归预测模型，实现对话题热度的预测[17]。
F.D.Sahneh，C.Scoglio根据传染模型的多层网络传播原理建立预测模型，预测话题的未来走向，并详细地阐述了信息扩散时的传播规律以及信息的相互作用。
因为BP神经网络在面对比较错综复杂的问题上，收敛速度慢，处理时间长，而且很容易收敛到局部最优值,不能达到全局最优[18]。
对于上述问题，许多研究者提出了相关改进方法。
颜文俊等基于遗传算法优化BP神经网络的预测模型，利用光伏输出等原理，提高了算法的收敛速度，进而提高了预测的效率与精度，但并未改进结果局部最优这一缺陷[19]。
丁硕与巫庆辉通过对比多种经典的优化算法的渐近函数，分析各改进算法对不同数据规模的分析效果，发现每种算法都有适用范围，在各自适用范围内逼近效果接近良好。
周爱武等通过利用最优样本集相关原理，改进了原始算法，缩短了算法的运行时间，迭代次数也大大降低，但算法自身仍然有局限性[20]。
1.3研究内容研究基于微博客户端，运用爬虫软件python中的Selenium爬取工具，采集5个话题热门微博的相关数据，就内容、用户、传播三个角度运用因子分析法建立微博热度评估模型，并验证模型准确性。
随后利用BP神经网络研究基于PSO算法的热门微博预测算法，最后通过实例验证热点话题预测结果的可靠性。
1.4组织结构本文共包括四章，下面介绍每章的主要内容：第一章绪论本章简要从微博热度评价与热门程度预测的选题背景、研究意义进行了简要阐述，对话题热度评价与预测的国内外研究现状以及课题研究内容与流程进行了概括。
第二章预备知识本部分阐述了研究开始前需要了解的预备知识，包括爬取工具的选取，热度评价与热门预测等方面的理论知识，奠定了全文的理论基础。
第三章热度评价模型的建立，本章基于爬取的热门微博数据，运用因子分析法提取重要因素建立热度体系评级指标，就内容、用户、传播三个角度运用因子分析法建立微博热度评估模型，基于该模型对内容热度进行排序对比，实行热度评估模型的验证。
第四章本章建立了结合PSO算法，基于BP神经网络的热门微博预测模型，首先分析热门话题的表现形式，运用算法原理，将进行预测的微博信息作为模型的输入，来完成对微博热门程度与趋势的预测，最终进行了实际检验。
第2章预备知识在进行实际操作之前，首先对涉及到的基础理论知识进行简单介绍。
2.1爬取工具的选取微博相较于其他网站，涉及功能比较齐全，所以对微博页面内容进行爬取并非易事，除此之外其反爬虫技术更为先进，一半的爬虫工具无法快速获取到目标信息，但总的来说其数据格式比较统一，综上我们基于微博网站的运行机制，借助python中的技术与手段，可以快捷地爬取到微博中的指定内容及相关数据。
网络爬虫原理是基于爬虫语句对目标网站的信息进行获取，而近年来反爬虫技术发展迅速，由此获取网站信息也变得没那么容易。
在爬取数据时往往会遇到各种各样的拦截，比如常见的“403Forbidden“错误，它表示服务器已经识别出爬虫并拒绝处理用户的请求。
而SeleniumPythonAPI技术，是以一种非常直观的方式来访问浏览器的技术，包括定位元素、自动操作键盘鼠标提交页面表单、抓取所需信息。
Selenium的爬虫原理是先识别所需爬取内容的HTML源码，通过其所提供的方法定位到所需信息的结点位置,并获取其文本内容。
本文利用python中的pip工具来安装selenium和对应的浏览器驱动，以便进行后续的数据爬取。
用户关注度也是衡量话题热度的关键因素。
用户关注度中的用户，是指各类时事报道的阅读者。
一条微博信息包括了用户阅读量，转发数，评论数等数据，可以反映用户对该信息或者该话题的关注程度，还可以间接反映话题在用户中的影响范围与程度。
2.2.2媒体影响力媒体影响力是决定微博热度的第二个要素，一般来说，自媒体指每个独立且普遍的信息传播者，他们以各种类型的线上方式，向粉丝用户推送时下信息或推广商品的信息。
同一事件相关的微博内容会有很多自媒体平台进行转发评论，但是不同的自媒体其传播范围与影响力都不尽相同。
一般来说，微博信息的传播呈树状传递，一些加v用户的微博发出后通过粉丝的阅读和互动不断扩大影响力，而且粉丝数量越多，传播范围就会越广，阅读量与互动数也会越高，会比较容易成为热点话题。
一般来说，媒体是指通过现代和电子手段向大多数人或特定的个人传递规范性和非规范性信息的私人、公共、普遍和独立的传播者。
同一事件相关的微博内容会在不同的自媒体用户之间复制传播，但不同个体媒体的传播能力和影响程度不同。
2.2.3内容的丰富程度在微博平台上，用户发布信息几乎没有限制，很多用户发布的内容比较随意，有的是对日常生活的记录，有的是倾诉悲喜遭遇，有的是对时事的思考评论。
根据互联网上的随机调查报告显示，42.52%的“加V用户”会发布新锐观点、时事评论等，37.47%会在微博上分享日常，13.69%的“加V用户”会经常发布一些专业领域的知识，而仅仅只是转发不加以任何评论的用户较少，只有7.69%，并且越是可以表达自己思想的微博用户，越会引起人们的评论转发与关注。
2.2.4话题的时效性话题的热度衡量依据是各类媒体报道数量与用户关注程度，若某话题被评为热门话题，该话题下必定有许多关于该话题的内容信息。
一般情况下，热门话题里面所讨论的事件都是最近的或者时下发生的事件，用户或者表达自己的立场或者发表自己的见解。
因此最新发布的新信息的热度比之前发布的信息的热度要高，随着描述的事件慢慢过时，人们对事件的讨论的热度会逐渐下降。
热点话题是收集大量已发表的信息，热点话题是收集的每一篇新闻报道的热点之和。
一般来说，热门话题下的用户描述当前事件并报告最近的事件2.3热门预测算法2.3.1预测依据新浪微博近年来已经成为被人们广泛使用的社交媒体平台，话题经过形成与不断传播，最终可成为热门话题。
对于平台上的每一条微博信息都包括以下七个部分:用户ID、发送时间、内容（包括图片与视频）、评论数、转发数和点赞数以及阅读量。
微博，粉丝与发布者的互动行为（包括主观性评论、转发与点赞）都可以反映用户对该话题的兴趣程度。
这些互动行为对预测微博传播趋势有重要意义，它可以衡量某条微博的热门程度。
因此，新浪微博为了提高用户的阅读效率，使用户快速获取到热门信息，按照一定标准对所有热门微博按规律进行排序，该标准是综合考虑微博的所有内容信息得到的，包括热搜榜与热门话题等，根据其是否在排行榜或热搜话题内，所有微博可以分为非热门微博与热门微博。
显而易见，要判断某条微博是否热门，就要分析微博的所有信息特征，所以可以依据信息增益原理，按照微博所有信息特征衡量其热门程度，预测微博能否成为热门，或者判断热门微博的变化趋势。
2.3.2基于PSO算法的BP神经网络上世纪八十年代，McCelland与Rumelhart提出BP神经网络这一概念，该算法拥有非线性映射能力等优势，只要在输入层输入信号，经过隐含层处理，由输出节点产出输出信号，若输出信号并未达到预期期望，就会通过转入误差，调整权值，将误差分摊给每个隐含单元，及时进行参数修正重新计算结果，直到得到期望的输出结果。
