一种融合采样技术和RE算法的微博转发行为预测方法

　　针对微博转发预测方法研究中的数据集不平衡问题，提出了一种融合过采样技术和随机森林（RF）算法的微博转发行为预测方法。首先，定义了个体信息、社交关系和微博主题3类与微博转发行为相关的特征，并基于信息增益算法实现了关键特征选取；其次，综合微博特征数据的特点来改进少数类样本合成过采样技术（ SMOTE），对原始数据集进行非参数概率分布估计，并根据近似概率分布对数据集进行过采样处理，从而使正反例数据量达到平衡；最后，利用随机森林算法，依据微博转发关键特征进行分类器训练，并利用袋外（OOB）数据误差估计来分析和设置随机森林算法的相关参数。通过与基于决策树（DT）、支持向量机（SVM）、朴素贝叶斯（NB）和随机森林等算法的微博转发预测方法进行对比，所提方法整体性能优于基准方法中性能最优的SVM方法，召回率提高了8%，F值提高了5%。实验结果表明，所提方法在实际应用中能够有效提高微博转发行为预测的准确率。