Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Large-Scale Scene Recognition Based on Extreme Learning Machines Kapitel lesen Erstes Kapitel lesen

2016 | OriginalPaper | Buchkapitel

Self Forward and Information Dissemination Prediction Research in SINA Microblog Using ELM

verfasst von : Huilin Liu, Yao Li, He Liu

Erschienen in: Proceedings of ELM-2015 Volume 2

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

With the popularity of social network, information propagation prediction based on social network is also becoming popular. As far as we know, people do not concern the user who forwards its own microblog in information propagation prediction. In our investigation the self forward behavior can cause the further spreading of the information. Thus in this paper we propose a self forward prediction model to predict the self forward behavior. We use ELM to train and predict self forward behavior. Based on this model we proposed an algorithm to predict the information dissemination. The experiment results show that our algorithm is real and effective and it significantly improves the forecast accuracy. It also can be seen in the experimental results that the results of ELM has a better performance than SVM.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Sentiment Analysis of Chinese Micro Blog Based on DNN and ELM and Vector Space Model
Nächstes Kapitel Sparse Coding Extreme Learning Machine for Classification
Fußnoten
1
 
Literatur
1.
Ye, S., Wu, S.F.: Measuring Message Propagation and Social Influence on Twitter.com[C]. SocInfo, pp. 223–228 (2010)
2.
Cao, J., Wu, J., Wei, S., et al.: SINA microblog information diffusion analyse and prediction [J]. Chin. J. Comput. 37(4), 779–790 (2014)
3.
Ren, D., Zhang, X., Wang, Z., et al.: WeiboEvents: a crowd sourcing weibo visual analytic system [C]. In: Pacific Visualization Symposium (PacificVis), 2014 IEEE, Yokohama, pp. 330–334 (2014)
4.
Jansen, B.J., Zhang, M., Sobel, K., Chowdhury, A.: [J] Twitter power: tweets as electronic word of mouth. J. Am. Soc. Inf. Sci. Technol. (2009)
5.
Szabo, G., Huberman, B.A.: Predicting the popularity of online content [C]. Commun. ACM 80–88 (2010)
6.
Lerman, K., Hogg, T.: Using a model of social dynamics to predict popularity of news [J]. In: Proceedings of International Conference on World Wide Web, pp. 621–630 (2010)
7.
Page, L., Brin, S., Motwani, R. et al.: The PageRank citation ranking: bringing order to the Web [J]. Stanford University: Technical Report SIDL-WP, pp. 99–120 (1999)
8.
Weng, J., Lim, E.P., Jiang, J. et al.: TwitterRank: finding topic-sensitive influential twitterers[C]. In: Proceedings of the Third ACM International Conference on Web search and Data Mining. ACM, pp. 261–270 (2010)
9.
Yamaguchi, Y. et al.: TURank: Twitter user ranking based on user-tweet graph analysis [C]. WISE 243–246 (2010)
10.
Song, G., Li, Z., Tu, H.: Forward or ignore: user behavior analysis and prediction on microblogging [C]. In: 2012 IEEE 16th International Conference on Computer Supported Cooperative Work in Design (CSCWD). IEEE, pp. 678–684 (2012)
11.
Luo, Z., Osborne, M., Tang, J. et al.: Who will retweet me? Finding retweeters in Twitter [C]. In: Proceedings of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval. ACM (2013)
12.
Cha, M., Haddadi, H., Benevenuto, F. et al.: Measuring user influence in Twitter: the million follower fallacy. In: Proceedings of the 4th International AAAI Conference on Weblogs and Social Media, Washington, pp. 10–17 (2010)
13.
Suh, B., Hong, L., Pirolli, P. et al.: Want to be retweeted? Large scale analytics on factors impacting retweet in Twitter network [C]. In: IEEE International Conference on Social Computing/IEEE International Conference on Privacy, Security, Risk and Trust. IEEE, pp. 177–184 (2010)
14.
Bandari, R., Asur, S., Huberman, B.: The pulse of news in social media: forecasting popularity [A]. In: Proceedings of Association of the Advancement of Artificial Intelligence (AAAI-12) [C], Toronto, pp. 26–33 (2012)
15.
Petrovic, S., Osborne, M., Lavrenko, V.: RT to Win! Predicting message propagation in Twitter. ICWSM 586–589 (2011)
16.
Huang, G.B., Zhu, Q.Y., Siew, C.K.: Extreme learning machine: a new learning scheme of feedforward neural networks [C]. In: International Joint Conference on Neural Networks (IJCNN2004), Budapest, Hungary, pp. 985–990 (2004)
17.
Huang, G.B., Zhu, Q.Y., Siew, C.K.: Extreme learning machine: theory and applications [J]. Neurocomputing 70(1), 489–501 (2006)CrossRef
18.
Huang, G., Song, S. Wu, C., You, K.: Semi-supervised and unsupervised extreme learning machines. IEEE Trans. Syst. Man Cybern. 44, 2405–2417 (2014)
19.
Huang, G.B., Wang, D.H., Lan, Y.: Extreme learning machines: a survey [J]. Int. J. Mach. Learn. Cybern. 2(2), 107–122 (2011)CrossRef
20.
Huang, G.B., Zhou, H., Ding, X., et al.: Extreme learning machine for regression and multiclass classification [J]. IEEE Trans. Syst. Man Cybern. Part B: Cybern. 42(2), 513–529 (2012)CrossRef
21.
Shi, C., Xu, C., Yang, X.: Study of TFIDF algorithm [J]. J. Comput. Appl. 6(29), 167–170 (2009)
22.
Lin, X., Wang, W.: Set and string similarity queries: a survey [J]. Chin. J. Comput. 34(10), 1853–1862 (2011)CrossRef
23.
Liu, H., Li, Y.: Weibo information propagation dissemination based on user behavior using ELM. Math. Probl. Eng. (2015)
Metadaten
Titel
Self Forward and Information Dissemination Prediction Research in SINA Microblog Using ELM
verfasst von
Huilin Liu
Yao Li
He Liu
Copyright-Jahr
2016
Buch
Proceedings of ELM-2015 Volume 2

Print ISBN: 978-3-319-28372-2

Electronic ISBN: 978-3-319-28373-9

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-319-28373-9_11