贝叶斯视角下社交媒体数据的挖掘与应用研究  

Mining and Modeling Social Media Data Based on Bayesian Theory

作　　者：董现垒[1] Bollen Johan 胡蓓蓓[1] 

机构地区：[1]北京工业大学经济与管理学院,北京100124 [2]印第安纳州立大学信息与计算机学院,美国印第安纳州47408

出　　处：《软科学》2015年第9期96-101,共6页Soft Science

基　　金：国家自然科学基金项目(71261026)

摘　　要：基于MCMC算法,实现了状态空间模型和贝叶斯先验下的变量选择模型的迭代过程,分别解决了对CCI的时间及季节性趋势的估计问题和对社交媒体的信息挖掘问题,进而拟合了中国消费者信心指数。结果表明,社交媒体的信息挖掘可以在一定程度上成为测算CCI的一种新方法。研究还发现:中国CCI随时间有缓慢下降的趋势;中国消费者信心总会在新年前较低而新年过后更高;从大众的社交媒体行为来看,人们对于中国当前的经济运行和经济前景抱有一定的消极情绪。Based on a Markov Chain Monte Carlo（ MCMC） algorithm,this paper iterates a state-space process and a Bayesian variable selection process,which solves the estimation problem of trends and seasonality and data mining problem from social media respectively. By this model,traditional methods for CCI calculation could be changed by mining people’s behavior from social media in some degree. Result shows that,Chinese CCI has a slight downward trend over time,Chinese tend to be more confident after each Spring Festival,the public have negative moods to current Chinese economy.

关 键 词：消费者信心 谷歌趋势 马尔科夫链蒙特卡洛模拟 状态空间 变量选择模型 

分 类 号：C37[社会学] F279[经济管理—企业管理]