赛题说明：近些年，一些研究表明，一条微博发出以后，只需要观察其在之后一小段时间内的转发情况，它的传播规模便可以被预测。但是不同类型的微博会有不同的传播方式，比如明星晒一张生活状态就能得到众多粉丝的热捧，具有较大的传播广度，但是往往在传播深度上稍显不足；相比之下，一些被广泛讨论的新闻类微博往往具有较深的传播深度。也有统计结果显示，一些谣言往往会得到大规模的传播，辟谣类的消息反而得不到广泛关注。不仅如此，我们在热门微博中能看到不少正能量的信息，同时也能看到一些话题被持正反两种不同意见的人掀起讨论热潮。简而言之，微博初期的传播速度、用户关系、信息类型、内容情感等特征都是影响微博传播规模和深度的重要影响因素。
为预测微博的传播规模，我们收集了大约1-3万条微博及其它们的转发微博，希望参赛者能够结合微博用户的关注关系、微博的内容类型和情感分析以及初期的传播模式，来预测微博的传播规模(传播规模定义：源微博一共有多少人转发)和传播深度（传播深度定义：源微博到其他转发微博的最长距离）。
特征工程：在这次赛题中，我们从开始一直到最后，找出来很多有用的特征，下面分别对这些特征做一个解释。
1：focus_num 当前样本博主的粉丝数（最重要的特征）
2：RepostBlogerFans15、30、45、60：每个微博在15 30 45 60分钟内的 转发者的“总”粉丝量
3：ExtraFans 截止60分钟，转发用户的粉丝数与原博主粉丝之差
4：ActiveFans 在转发记录中出现过的粉丝(不论转发还是被转发)定义为活跃粉丝
5:4的平方
6：UniqueReposter15、30、45、60 15 30 45 60分钟内每条微博的unique(转发人数)
7:
has_link 是否含有链接
has_topic是否含有 主题标签
has_cnbracket 是否含有 【】号
ContentLen 内容长度
8：
publish_time 发布时刻距当天零点的分钟数
9：
发布时间（具体到小时） 做哑变量离散
10：将微博根据博主的粉丝数分成4个等级
模型搭建：由于我们使用的特征过多，所以我们先用stacking方法对特征进行了降维，之后使用的xgboost这种树类模型做了回归预测，最终获得了一个不错的成绩
后续还可以改进的地方：在微博内容出进行分类，作为一个新的特征