论文题目：基于数据挖掘算法的微信公众号阅读量分析
摘要：近年来,随着网络和科技的迅猛发展,各种自媒体平台不断涌现。微信公众号作为新网络时代的社交工具,以其实用的便利性和发布信息的及时性得以迅速发展。不过,随着不同功能和类别的公众号层出不穷,微信用户的注意力越来越分散,微信公众号粉丝增长越来越难,文章打开率也越来越低。在此情境下,对影响微信公众号阅读量的因素进行研究和把握,有利于公众号提高发布信息的阅读量,从而在日趋激烈的竞争中充分发挥媒体特性。通过对微信公众号阅读量的研究分析,可以帮助公众号用户找到有价值的信息,并为公众号运营者提供相应的发展方向和策略。目前,对于微信公众号阅读量分析的研究尚处于起步阶段,因此探究影响微信公众号阅读量的关键因素,掌握微信公众号的运营策略具有重要的理论意义和实用价值。本文从微信公众号运营者的角度入手,对于某公众号分析网站上的998条数据进行详细分析。以公众号某个月平均每次发文所能获得的总阅读量为因变量,选取了包括公众号类型、发文时间等14个影响阅读量的特征指标,运用了决策树回归、Adaboost、Bagging、随机森林、支持向量机、线性回归6种数据挖掘算法构建模型。通过十折交叉验证法,对每种算法模型的拟合结果进行比较,确立了基于随机森林算法建立影响总阅读量的分析模型。首先基于全部数据集运用随机森林算法建模,选出模型拟合优度最佳的指标组合,包括公众号类型、公众号类别、名称长度、头像是否彩色、日均发文次数、单次篇数、原创占比、视频占比、标题长度、标题标点指数、标题正向情感得分、信息熵共12个特征指标。然后将全部数据集划分为800个训练样本集,198个测试样本集。利用训练集数据建立随机森林模型,一方面将预测集数据带入模型进行阅读量的预测和分析,发现该模型能够对公众号的阅读量给出较为合理的解释,符合实际情况,具有实际运用价值。另一方面,运用随机森林算法建立的模型将优选出来的12个特征指标进行重要性排序,得出了单次发文篇数、日均发文次数、公众号类别、信息熵、视频占比、原创占比、标题标点指数是运营公众号的重要因素,并针对运营公众号提出了相应的策略和建议。通过本文的研究,有力地为微信公众号平台的进一步建设和优化奠定了理论基础,并且提供了实用的运营策略和方向。
关键词：微信公众号阅读量;影响因素;数据挖掘;信息熵;交叉验证
学科专业：应用统计硕士（专业学位）
摘要
Abstract
第一章 绪论
1.1 选题背景
1.2 研究现状
1.3 研究目的与意义
1.4 研究思路及创新
第二章 相关理论综述
2.1 可供选择的算法模型
2.1.1 机器学习算法
2.1.2 模型选择依据
2.2 随机森林理论
2.2.1 随机森林基本原理
2.2.2 随机森林模型对特征变量重要性评价
2.2.3 随机森林方法的优点
2.3 信息熵
第三章 数据挖掘算法的比较与选择
3.1 数据选取与变量说明
3.2 模型的构建与选择
第四章 基于随机森林的阅读量分析模型
4.1 研究思路
4.2 模型的特征选择
4.2.1 特征选择思路
4.2.2 随机森林模型对特征指标进行重要性排序
4.2.3 优选分析模型的特征指标
4.3 随机森林参数的选择
4.3.1 描述性分析
4.3.2 mtry值的确定
4.3.3 ntree值的确定
4.4 模型的预测及评估
4.5 影响公众号阅读量的各因素重要性甄别
4.6 结果的分析与建议
第五章 总结与展望
参考文献
致谢