社交媒体传播效果的预测模型

（三）社交媒体传播效果的预测模型

在实验中，我们通过新浪微博获取了972515个帖子，并在硬件为①cpu：Intel Core i7 2.6GHz，②gpu：NVIDIA Tesla V100 32GB，③ram：128GB 2400 MHz DDR4的环境中进行了处理。从数据中我们可以知道所有帖子的互动数分布如下（见表4-1）。我们发现大多数帖子的互动数在0～100之间，并且获取了不同类型突发事件的互动数分布。它表明互动数服从幂律分布和长细节分布（见图4-11）。

表4-1　因素和案例

图4-11　微博互动数分布情况(https://www.daowen.com)

我们根据以下三个标准比较了SVM、随机森林、CatBoost和LightGBM这四种模型的预测效果。从结果中不难发现，无论我们选择哪种标准，随机森林都是这四种模型中表现最好的一种，并且通过分析不同系数，可知它们对交互行为的影响（见表4-2）。

表4-2　四种模型对比

粉丝数是影响新浪微博公众互动的重要因素，发帖数和发布年份也同样重要。诚然，发布时刻、VIP等级和突发事件的类型也对人们与帖子的互动有一定的影响，但一般来说，它受用户的粉丝数的制约。粉丝数、发帖数显示了用户的活跃度并决定了帖子互动的程度如何，而那些与图片、主题标签、@数和原创性等内容有关的特征等只是普通的影响因素。