基于评论对象的新闻影响力预测算法：量化与时间预测研究

该篇论文《基于评论对象的新闻影响力预测算法》由中国科技论文在线发布，由魏忠祥、郭林和彭勤科三位作者共同完成，他们在西安交通大学电子与信息工程学院的系统工程研究所展开研究。论文背景指出，随着网络媒体影响力的日益增长，精确预测新闻事件的影响力变得至关重要。当前的研究往往局限于新闻的点击量和回复率等基础统计数据，而忽视了网民评论这一关键因素。 文章的核心贡献在于构建了一个全新的新闻影响力预测模型，特别关注评论对象的传播特性。研究者首先对评论对象在新闻发布后的一段时间内的传播特性进行了深入分析，揭示了评论对象具有小范围性和优先选择机制的特点。他们发现，新闻报道初期的评论对象往往受到高度关注，并且这些评论的情感倾向性（正向或负向情绪量）对新闻的最终影响力有显著影响。 模型的构建过程中，研究人员考虑了预测期内评论集中每个评论对象的受关注度，将这段时间内评论对象的情绪量作为输入向量，而新闻报道最终获得的评论量作为输出变量。这种新颖的方法旨在通过分析评论数据来预测新闻报道的未来影响力，以便及时提供决策支持。 实验证明，该方法对于短时间内准确预测新闻报道的影响力非常有效。论文的研究成果对于网络媒体运营者、内容提供商以及社会科学研究者来说，具有重要的实际应用价值，特别是在新闻传播策略制定、舆情监控和新闻价值评估等领域。 论文的关键词包括“评论对象”、“小范围性”、“机制优选”、“情绪倾向性”以及“新闻报道影响力”，这表明了研究者专注于评论数据的深度挖掘和影响力预测的精准度。这篇论文不仅拓展了新闻影响力分析的传统视角，也为未来的社交媒体和信息传播研究提供了新的理论依据和技术手段。