1、“.....韩志帅基于传播加速度的微博流行度预测方法计算机研究与发展，。传染病建模的基本建模思路是把微博网络中的用户节点划分为多个仓室，通常有未知者传播者和免疫者。对于条微博，未知者表示没有接触过这条微博的用户，传播者表示接触过并且会以定概率转发该微博的用户。免疫者表示接触过微博后不会进行传播的用户。微博的转发扩散就表示为用户节点在不同仓室之间的转移。在经典模型的基础上，等增加了接触基于微博关注网络的转发预测算法研究论文原稿，李洋，陈毅恒，刘使得虚拟网络成为当今社会热点话题和舆情传播的主要渠道。在此背景下，预测用户生成内容的受欢迎程度，其在众多应用中的实用价值而引起了广泛关注......”。

2、“.....结语本文基于微博转发的实际规律，结合传染病建模理论，建立了个针对微博转发量的预测模型。首先用参与传播者的粉丝作为微博的关注者，代替传染病模型固定数量的初始未感染者，并建立了微博关注者与转发者数量关系方程，利丝数，但是由于整体的转发数量较多，因此也会使潜在关注者的数量在短时间内有明显的增长。之后随着转发率和单位时间内转发数的进步下降，新接受到信息的潜在关注者较少，因此信息较少发生传播，总转发量在较长时间上维持稳定。基于微博关注网络的转发预测算法研究论文原稿。摘要针对目前研究转发预测的方法忽视了微博传播过程中用户关注网络的问题，基于微博信息的转发机制，结合传染病建模理论，提出种基于微博关注网络的转发预测模可以看出，在该模型中......”。

3、“.....分别是转发者，以及潜在关注者。这个模型的个重要特征就是并不是个定值，而是根据初始微博传播的数据，建立和之间的数量关系。我们将分别定义为在时刻潜在关注者和转发者的数量。因此在的时间段内，新增的数量可计算为通过对微博传播数据的分析，发现潜在关注者数量与微博传播初期的转发者数量，以及初期转发者的平均粉丝数相关，其中和之间存在较为明显的函数关系。当转发数的模型进行实验，以每条微博发布后的数据为训练集，对未来的微博转发量进行预测。模型对不同热度的微博预测结果如图。根据实验结果可以看出，本文提出的转发量预测模型能够较为准确的对微博的未来转发量进行预测。特别是对于微博转发量较大热度较高的微博，预测效果较好......”。

4、“.....用本文提出的模型以及对比的模型进行测试，对比模型分别采用。基于微博关注网内，新增的数量可计算为通过对微博传播数据的分析，发现潜在关注者数量与微博传播初期的转发者数量，以及初期转发者的平均粉丝数相关，其中和之间存在较为明显的函数关系。当转发数量较小时，微博处在个快速传播的阶段，此阶段转发数会大幅增加，在这个阶段，平均粉丝数较大，反映了在传播初期，参与传播的用户多为活跃用户，微博影响力较大。此时，每个参与转发的用户会带来较多的潜在关注者，因此总的数量相对数量呈现出其被关注粉丝之间的数量关系，然后建立微博传播者预测模型。微博数据集上的实验结果表明，与基准模型相比，该模型能够取得更好的预测效果......”。

5、“.....例如新浪微博作为国内最活跃的社交网络之，在年其月活跃用户达亿，连续年增长数量超过万。在线社交网络已经成为互联网时代最重要的人际交互平台，使得虚拟网络成为当今社基于微博关注网络的转发预测算法研究论文原稿络的转发预测算法研究论文原稿。基于上述的信息传播机制，我们的模型以下列方式定义。在每个时间步里，转发者和其他用户之间的交互行为有以下规则定义转发者为，每个转发者的粉丝会收到微博信息，因此，这个转发者的粉丝会成为这条微博的潜在关注者。全部的潛在关注者构成个仓室，并且会有的概率转发这条微博，即以的速度转变为转发者......”。

6、“.....这个用户的粉丝会在下个时刻加入到仓室中。，我们的模型以下列方式定义。在每个时间步里，转发者和其他用户之间的交互行为有以下规则定义转发者为，每个转发者的粉丝会收到微博信息，因此，这个转发者的粉丝会成为这条微博的潜在关注者。全部的潛在关注者构成个仓室，并且会有的概率转发这条微博，即以的速度转变为转发者。当该仓室内的用户转变为转发者后，这个用户的粉丝会在下个时刻加入到仓室中。实验分析微博热度对模型预测效果的影响首先，在实验数据集上用本文提出李洋，陈毅恒，刘挺微博信息传播预测研究综述软件学报更加快速的增长。随着时间的增加，转发快速增长阶段结束后，总转发次数在慢慢趋于平稳，这个阶段转发率下降到个较低程度。此时......”。

7、“.....他们拥有较小的粉丝数，但是由于整体的转发数量较多，因此也会使潜在关注者的数量在短时间内有明显的增长。之后随着转发率和单位时间内转发数的进步下降，新接受到信息的潜在关注者较少，因此信息较少发生传播，总转发量在较长时间上维持稳定。基于上述的信息传播机会热点话题和舆情传播的主要渠道。在此背景下，预测用户生成内容的受欢迎程度，其在众多应用中的实用价值而引起了广泛关注，因此预测信息传播的流行程度已成为了在线社交网络研究的重要内容。可以看出，在该模型中，存在两种状态，分别是转发者，以及潜在关注者。这个模型的个重要特征就是并不是个定值，而是根据初始微博传播的数据，建立和之间的数量关系......”。

8、“.....因此在的时间段朱海龙，云晓春，韩志帅基于传播加速度的微博流行度预测方法计算机研究与发展，。摘要针对目前研究转发预测的方法忽视了微博传播过程中用户关注网络的问题，基于微博信息的转发机制，结合传染病建模理论，提出种基于微博关注网络的转发预测模型。首先建立微博转发者基于微博关注网络的转发预测算法研究论文原稿与信息学报，吴越，陈晓亮，蒋忠远微博信息流行度预测研究综述西华大学学报，息者，建立了基于转发机制的信息传播模型，接触信息者表示阅读了这条微博，但还没有决定是否要转发。等在模型的基础上提出了种网络增长模型，将信息在社交网络上的传播过程转化为网络的增长，实现了对社交网络中用户数量变化的预测......”。

9、“.....更加精确地描述了网络的变化过程。基于微博关注网络的转发预测算法研究论文原稿。结语本文基于微博转发的实际规律，结朱海龙，云晓春挺微博信息传播预测研究综述软件学报用已知数据拟合其中的参数，然后又建立了转发者数量的预测模型。将本文建立的模型在真实数据集上進行实验，证明该模型有较好的预测效果。参考文献微博用户发展报告北京新浪微博数据中心，胡长军，许文文，胡颖，等在线社交网络信息传播研究综述电子与信息学报，吴越，陈晓亮，蒋忠远微博信息流行度预测研究综述西华大学学报型。首先建立微博转发者与其被关注粉丝之间的数量关系，然后建立微博传播者预测模型。微博数据集上的实验结果表明，与基准模型相比，该模型能够取得更好的预测效果......”。