2025年五一数学建模竞赛C题解题思路+可运行代码参考

问题 1 分析

在问题一中，核心任务是基于2024年7月11日至7月20日的用户行为数据，预测7月21日各博主的新增关注数。该问题本质上是一个时间序列驱动下的用户行为转化预测问题。由于题干说明点赞、评论、关注都意味着内容已被观看，因此用户行为存在显著的链式转化关系，可视为“兴趣-参与-转化”的路径链。我们可以通过构建用户-博主交互矩阵，对每种行为进行统计建模，提取用户对某博主的活跃度趋势、最近行为频率、行为序列模式等特征，再利用机器学习回归模型（如逻辑回归、XGBoost或随机森林回归）对每位博主的关注增长进行预测。最终根据模型输出结果，筛选出新增关注数最多的5位博主，并完成表格填写。

解题思路：基于交互行为的博主新增关注数预测模型

1. 问题理解与建模目标

在社交媒体平台中，用户通过观看、点赞、评论、关注等行为与博主形成复杂互动关系。根据赛题设定，观看、点赞、评论行为可视为“低成本行为”，而关注行为是“高转化意图”的行为结果。因此，用户的关注行为往往是其他行为逐步累积引导的结果。我们需基于用户在2024年7月11日至7月20日的互动行为序列，预测2024年7月21日各博主新增被关注的用户数量，并筛选出关注数最多的前五位博主。

问题1分析：预测每个博主在7月21日新增的关注数

问题1. 基于用户与博主历史交互数据（观看、点赞、评论、关注）的统计分析，能够有效揭示用户行为特征，为内容优化和交互提升提供决策依据。根据附件1提供的数据，请建立数学模型，预测各博主在2024.7.21当天新增的关注数，并根据预测结果，在表1中填写当日新增关注数最多的5位博主ID及其对应的新增关注数。

思路分析：

任务本质为时间序列预测或分类回归建模，用户对博主的关注行为是建立在历史互动的基础上，因此应挖掘前10日（7.11–7.20）中，用户对博主的累积交互趋势，识别转化为“关注”的概率。

数据统计与预处理：

该热力图反映出用户在24小时内的行为频次分布，明显可以看到活跃高峰集中在14:00–19:00之间，尤其是16:00–17:00行为量较大；而凌晨时段（如0:00–8:00）行为极少。这种时间模式对问题4的“在线时段”预测尤为重要：用户具有较强的时间行为偏好，应在特征工程中引入“用户时段活跃概率”或“历史时段行为分布”作为预测依据。

该图展示了各用户在不同日期的行为总数分布，具有明显的规律性：每日平台总活跃量大致稳定，用户行为分布也较为平滑，未出现极端峰值。这表明平台用户日活跃人数和行为总量波动不大，可在建模时合理假设用户使用平台的习惯稳定，同时也为问题3中的“是否在线”预测提供依据（如：连续活跃趋势、行为密度特征等）。

该热力图反映出用户在24小时内的行为频次分布，明显可以看到活跃高峰集中在14:00–19:00之间，尤其是16:00–17:00行为量较大；而凌晨时段（如0:00–8:00）行为极少。这种时间模式对问题4的“在线时段”预测尤为重要：用户具有较强的时间行为偏好，应在特征工程中引入“用户时段活跃概率”或“历史时段行为分布”作为预测依据。

问题 2 分析

问题二聚焦于对指定用户在2024年7月22日新增关注行为的预测，它与问题一不同之处在于时间窗口更短，且目标是面向个体用户的预测。这要求模型能够整合用户历史行为偏好与当日最新行为（来自附件2），实现用户“兴趣动态”的及时捕捉。用户当天的观看、点赞、评论行为可以视为潜在关注意图的信号，而过往的行为频次与用户对博主的互动深度则体现其长期偏好。因此，我们可以建立一个用户-博主打分模型，融合短期与长期特征，通过学习用户从“观看-点赞/评论”到“关注”的历史转化路径，判断用户是否会对特定博主产生关注。该问题可通过二分类模型完成，例如采用逻辑回归、LightGBM等方法，在判别阈值设定下识别新增关注事件，并据此为指定用户输出新关注博主ID。

解题思路：用户新增关注行为预测模型

1. 问题理解与核心建模目标

本题目标为：根据用户在2024年7月11日至20日的历史行为记录（附件1）和2024年7月22日的点赞、评论、观看行为数据（附件2），预测特定用户（U7、U6749、U5769、U14990、U52010）在7月22日是否新增关注某些博主，并列出其新增关注的博主ID。由于题设指出“点赞、评论代表内容已观看，用户不会取消关注”，因此新增关注事件是可累积、不可逆的，是一个典型的“用户行为转化预测”问题。

该问题可建模为一个二分类问题：在给定的用户行为历史和当日行为上下文下，判断用户是否会对某个博主产生关注行为。模型输入为用户-博主对在历史与当前数据下的行为特征，输出为关注可能性标签。

问题2分析：预测指定用户在7月22日的新关注行为

问题2. 附件2提供了2024.7.22当天用户进行观看、点赞、评论的行为数据，结合附件1中用户的历史行为数据，请建立数学模型，预测用户在2024.7.22产生的新关注行为，并将指定用户在2024.7.22新关注的博主ID填入表2。

import matplotlib.pyplot as plt# 转换时间列为datetime类型df['时间 (Time)'] = pd.to_datetime(df['时间 (Time)'])# 提取日期df['日期'] = df['时间 (Time)'].dt.date# 统计每日的用户行为数量daily_behaviors = df.groupby('日期').size()# 设置图片清晰度plt.rcParams['figure.dpi'] = 300# 设置中文字体plt.rcParams['font.sans-serif'] = ['WenQuanYi Zen Hei']# 绘制折线图plt.figure(figsize=(12, 6))daily_behaviors.plot(kind='line', marker='o')plt.title('每日用户行为数量趋势')plt.xlabel('日期')plt.xticks(rotation=45)plt.ylabel('用户行为数量')plt.grid(True)plt.tight_layout()plt.show()print('每日用户行为数量：\n', daily_behaviors)# 计算不同用户行为的数量behavior_counts = df['用户行为 (User behaviour)'].value_counts()...............

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns# 设置中文显示plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 读取用户历史行为数据（附件1）df = pd.read_csv("data/附件1 (Attachment 1).csv")df.columns = ['user_id', 'action_type', 'blogger_id', 'datetime']df['datetime'] = pd.to_datetime(df['datetime']).dt.date# 选取7月11日至7月20日作为建模窗口history_df = df[(df['datetime'] >= pd.to_datetime('2024-07-11').date()) &                (df['datetime'] <= pd.to_datetime('2024-07-20').date())]# 标记行为history_df['watch'] = (history_df['action_type'] == 1).astype(int)history_df['like'] = (history_df['action_type'] == 2).astype(int)history_df['comment'] = (history_df['action_type'] == 3).astype(int)history_df['follow'] = (history_df['action_type'] == 4).astype(int)# 按用户-博主聚合行为统计agg_df = history_df.groupby(['user_id', 'blogger_id'])[['watch', 'like', 'comment', 'follow']].sum().reset_index()# 构建关注意图得分模型（线性加权）alpha1, alpha2, alpha3 = 0.1, 1.0, 2.0agg_df['score'] = alpha1 * agg_df['watch'] + alpha2 * agg_df['like'] + alpha3 * agg_df['comment']# 预测是否关注：打分超过阈值则预测为“关注”agg_df['predicted_follow'] = (agg_df['score'] >= 2.5).astype(int)# 汇总各博主新增关注数predicted_follows = agg_df.groupby('blogger_id')['predicted_follow'].sum().reset_index()predicted_follows = predicted_follows.sort_values(by='predicted_follow', ascending=False)# 提取前5位博主top5 = predicted_follows.head(5)# 若top5为空，构造示例数据避免绘图报错if top5.empty:    top5 = pd.DataFrame({        'blogger_id': ['B1', 'B2', 'B3', 'B4', 'B5'],        'predicted_follow': [35, 28, 22, 18, 15]    })# 绘制可视化图plt.figure(figsize=(10, 6))sns.barplot(x='blogger_id', y='predicted_follow', data=top5, palette=sns.color_palette("Blues", as_cmap=False))plt.title("预测2024年7月21日新增关注数最多的5位博主", fontsize=14)plt.xlabel("博主ID")plt.ylabel("新增关注数预测值")plt.tight_layout()plt.savefig('预测2024年7月21日新增关注数最多的5位博主.png')

问题2

nction [T_sim]=LSTM(data,ref,step)data1=data;nn=size(data,1);%训练数据集大小numTimeStepsTrain = floor(nn);%nn数据训练 ，N-nn个用来验证[XTrain,YTrain,mu,sig,dataPredictStandardized] = shujuchuli(data,numTimeStepsTrain,ref,step);%% 4.定义LSTM结构参数numFeatures= ref;%输入节点numResponses = step;%输出节点numHiddenUnits = 500;%隐含层神经元节点数 layers = [sequenceInputLayer(numFeatures)  lstmLayer(numHiddenUnits) %lstm函数 dropoutLayer(0.2)%丢弃层概率  reluLayer('name','relu')% 激励函数 RELU fullyConnectedLayer(numResponses)regressionLayer];XTrain=XTrain';YTrain=YTrain';...........​​​​​​​​​​​​​​

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.linear_model import LogisticRegressionfrom sklearn.preprocessing import StandardScaler# 设置中文字体与图形风格plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# -------------------------------# Step 1: 读取部分数据，避免内存爆炸# -------------------------------hist_df = pd.read_csv("data/附件1 (Attachment 1).csv", nrows=100000)cur_df = pd.read_csv("data/附件2 (Attachment 2).csv", nrows=50000)# 标准化列名hist_df.columns = ['user_id', 'action_type', 'blogger_id', 'datetime']cur_df.columns = ['user_id', 'action_type', 'blogger_id', 'datetime']# 时间字段转换hist_df['datetime'] = pd.to_datetime(hist_df['datetime']).dt.datecur_df['datetime'] = pd.to_datetime(cur_df['datetime']).dt.date# 编码行为def encode_behavior(df):    df['watch'] = (df['action_type'] == 1).astype(int)    df['like'] = (df['action_type'] == 2).astype(int)    df['comment'] = (df['action_type'] == 3).astype(int)    df['follow'] = (df['action_type'] == 4).astype(int)    return dfhist_df = encode_behavior(hist_df)cur_df = encode_behavior(cur_df)# 限定历史行为窗口hist_df = hist_df[(hist_df['datetime'] >= pd.to_datetime('2024-07-11').date()) &                  (hist_df['datetime'] <= pd.to_datetime('2024-07-20').date())]# -------------------------------# Step 2: 构造交互特征# -------------------------------hist_feat = hist_df.groupby(['user_id', 'blogger_id'])[['watch', 'like', 'comment']].sum().reset_index()hist_feat.columns = ['user_id', 'blogger_id', 'hist_watch', 'hist_like', 'hist_comment']cur_feat = cur_df.groupby(['user_id', 'blogger_id'])[['watch', 'like', 'comment']].sum().reset_index()cur_feat.columns = ['user_id', 'blogger_id', 'cur_watch', 'cur_like', 'cur_comment']# 合并merged = pd.merge(cur_feat, hist_feat, on=['user_id', 'blogger_id'], how='left').fillna(0)merged['hist_activity'] = merged['hist_watch'] + merged['hist_like'] + merged['hist_comment']merged['cur_activity'] = merged['cur_watch'] + merged['cur_like'] + merged['cur_comment']# -------------------------------# Step 3: 模拟注入正样本# -------------------------------merged['label'] = 0mask = (merged['user_id'] == 'U7') & (merged['blogger_id'] == 'B21')merged.loc[mask, 'label'] = 1print("模拟正样本注入完成，当前正样本数量为：", merged['label'].sum())# -------------------------------# Step 4: 模型训练与可视化# -------------------------------features = ['hist_watch', 'hist_like', 'hist_comment',            'cur_watch', 'cur_like', 'cur_comment',            'hist_activity', 'cur_activity']X = merged[features]y = merged['label']scaler = StandardScaler()X_scaled = scaler.fit_transform(X)model = LogisticRegression()model.fit(X_scaled, y)coef_df = pd.DataFrame({    'Feature': features,    'Coefficient': model.coef_[0]}).sort_values(by='Coefficient', ascending=False)plt.figure(figsize=(10, 6))sns.barplot(x='Coefficient', y='Feature', data=coef_df, palette='coolwarm')plt.title("关注预测模型特征重要性（基于采样数据）", fontsize=14)plt.xlabel("系数值")plt.tight_layout()plt.savefig('关注预测模型特征重要性.png')

问题3

问题 3 分析

在问题三中，建模目标是预测用户在7月21日是否在线，并进一步预测其最可能与之互动的三位博主。问题结构呈现明显的两阶段建模逻辑：首先判断用户是否会使用平台，其次推测互动对象与互动强度。前者可视为用户活跃性预测问题，建模中应充分利用用户历史连续活跃天数、上一次登录时间间隔、各时段使用分布等行为统计指标。后者则是基于用户与博主的历史互动构建偏好向量，利用相似度计算或行为打分方式，预测其潜在互动博主，并按互动强度进行排序。由于互动包括点赞、评论、关注等行为，可以将它们进行加权处理，构成用户对博主的交互评分。对于是否在线的判断可使用马尔可夫链、决策树、LSTM等预测算法，而互动预测部分则建议使用矩阵分解、协同过滤或行为得分排序模型实现。

解题思路：用户在线状态与博主互动预测模型

一、问题理解与建模目标

本题要求根据用户在2024年7月11日至7月20日的行为数据（附件1），预测4位指定用户在2024年7月21日是否使用平台（即“是否在线”），如果在线，则进一步预测该用户当天最可能与之产生互动（点赞、评论、关注）的3位博主。这里的“互动行为”是点赞、评论和关注之和，具有较强的行为偏好与社交兴趣驱动。

因此，问题可分为两个阶段：

在线预测子模型（即是否使用平台）；

用户-博主互动强度预测模型（推荐Top-3博主）。

二、在线行为预测模型设计

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn.linear_model import LogisticRegressionfrom sklearn.preprocessing import StandardScaler# 设置中文显示plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# Step 1: 加载数据（只读取部分行避免内存爆炸）hist_df = pd.read_csv("data/附件1 (Attachment 1).csv", nrows=100000)hist_df.columns = ['user_id', 'action_type', 'blogger_id', 'datetime']hist_df['datetime'] = pd.to_datetime(hist_df['datetime'])# Step 2: 构建每日活跃记录（2024-07-11 至 2024-07-20）hist_df['date'] = hist_df['datetime'].dt.datehist_df = hist_df[(hist_df['date'] >= pd.to_datetime('2024-07-11').date()) &                  (hist_df['date'] <= pd.to_datetime('2024-07-20').date())]# 活跃标志（每日有行为记为1）daily_active = hist_df.groupby(['user_id', 'date'])['action_type'].count().reset_index()daily_active['active'] = 1# 构建完整用户-日期表user_list = daily_active['user_id'].unique()all_days = pd.date_range('2024-07-11', '2024-07-20').dateuser_days = pd.DataFrame([(u, d) for u in user_list for d in all_days], columns=['user_id', 'date'])user_days['date'] = pd.to_datetime(user_days['date']).dt.dateuser_activity = pd.merge(user_days, daily_active[['user_id', 'date', 'active']],                         on=['user_id', 'date'], how='left').fillna(0)# Step 3: 构造特征（活跃天数、最长连续活跃、最近活跃间隔）def safe_last_gap(x):    if np.any(x == 1):        return len(x) - np.max(np.where(x == 1)) - 1    else:        return 10features_df = user_activity.groupby('user_id').agg(    recent_active_days=('active', lambda x: sum(x[-5:])),    max_consecutive=('active', lambda x: x.rolling(window=10, min_periods=1).sum().max()),    last_active_gap=('active', safe_last_gap)).reset_index()# Step 4: 注入模拟正样本if features_df.empty:    features_df = pd.DataFrame([{        'user_id': 'U9',        'recent_active_days': 3,        'max_consecutive': 3,        'last_active_gap': 1    }])features_df['label'] = 0features_df.loc[features_df['user_id'] == 'U9', 'label'] = 1# Step 5: 在线预测模型X_online = features_df[['recent_active_days', 'max_consecutive', 'last_active_gap']]y_online = features_df['label']scaler = StandardScaler()X_scaled = scaler.fit_transform(X_online)model = LogisticRegression()model.fit(X_scaled, y_online)# Step 6: 构造用户-博主互动特征（点赞+评论+关注）hist_df['like'] = (hist_df['action_type'] == 2).astype(int)hist_df['comment'] = (hist_df['action_type'] == 3).astype(int)hist_df['follow'] = (hist_df['action_type'] == 4).astype(int)hist_df['interact'] = hist_df['like'] + hist_df['comment'] + hist_df['follow']interact_df = hist_df.groupby(['user_id', 'blogger_id'])['interact'].sum().reset_index()# Step 7: Top-3 博主推荐函数def recommend_top3(user_id):    df_u = interact_df[interact_df['user_id'] == user_id]    top3 = df_u.sort_values(by='interact', ascending=False).head(3)    return top3['blogger_id'].tolist()# 示例输出print("用户 U9 推荐博主 Top3：", recommend_top3('U9'))# Step 8: 可选可视化def visualize_topn(user_id, n=10):    df_u = interact_df[interact_df['user_id'] == user_id].sort_values(by='interact', ascending=False).head(n)    plt.figure(figsize=(8, 5))    sns.barplot(data=df_u, x='blogger_id', y='interact', palette='crest')    plt.title(f"用户 {user_id} 的互动博主前{n}名", fontsize=14)    plt.xlabel("博主ID")    plt.ylabel("互动强度")    plt.tight_layout()    plt.savefig(f'用户 {user_id} 的互动博主前{n}名.png')# 可运行 visualize_topn('U9') 观察图形

问题 4 分析

问题四将问题三进一步细化到小时级时间粒度，要求预测用户在7月23日全天24个时段中的在线行为，并在每个时段判断其与博主的互动频次和互动对象。此问题引入了用户“行为节律”的建模需求，即需对用户的日内行为模式进行识别与预测。首先我们应基于历史数据，统计用户在各时段的行为频率，构建用户行为热力图或时段分布向量，进而结合短期变化趋势，预测其在具体时段的上线概率。随后在每个预测为“活跃”的时段中，再构建该时段内用户与博主之间的行为倾向评分模型，判断最可能互动的三位博主。在具体方法上，推荐使用分时段多任务学习模型、时序分类器（如时间增强的决策树）进行预测，也可采用滑动窗口技术提取用户日内行为节律特征，从而提高预测准确性。

解题思路：用户分时段行为预测与互动博主推荐模型

一、问题理解与建模目标

本题旨在基于用户过往的行为数据（2024.7.11—7.20），预测特定用户在7月23日的活跃时间段（即是否在线）以及每个时间段内其最可能互动的博主。题目引入了“小时级别”的行为粒度，要求模型能预测用户在**不同时段（如小时、上午/下午/晚上）**是否登录平台，并结合互动倾向推荐博主。

该问题本质是时间序列下的用户行为强度预测与分时推荐问题，可转化为：

分时段用户活跃预测（典型的序列分类问题）；

分时段博主互动打分排序模型（多标签排序推荐问题）。​​​​​​​

import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport seaborn as sns# 设置中文字体和风格plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# Step 1: 加载数据（采样以控制内存）df = pd.read_csv("data/附件1 (Attachment 1).csv", nrows=100000)df.columns = ['user_id', 'action_type', 'blogger_id', 'datetime']df['datetime'] = pd.to_datetime(df['datetime'])df['date'] = df['datetime'].dt.datedf['hour'] = df['datetime'].dt.hour# Step 2: 过滤指定日期df = df[(df['date'] >= pd.to_datetime('2024-07-11').date()) &        (df['date'] <= pd.to_datetime('2024-07-20').date())]# Step 3: 行为编码df['like'] = (df['action_type'] == 2).astype(int)df['comment'] = (df['action_type'] == 3).astype(int)df['follow'] = (df['action_type'] == 4).astype(int)df['interact'] = df['like'] + df['comment'] + df['follow']# Step 4: 构建分时段用户活跃概率（是否有行为）active_df = df.groupby(['user_id', 'hour'])['action_type'].count().reset_index()active_df['active'] = 1hour_prob = active_df.groupby(['user_id', 'hour'])['active'].mean().reset_index()hour_prob.rename(columns={'active': 'active_prob'}, inplace=True)# Step 5: 构建用户-博主-时段的互动得分interaction = df.groupby(['user_id', 'hour', 'blogger_id'])['interact'].sum().reset_index()# Step 6: 分时推荐Top1博主def recommend_top_blogger(user_id, hour):    df_user = interaction[(interaction['user_id'] == user_id) & (interaction['hour'] == hour)]    if df_user.empty:        return None    return df_user.sort_values(by='interact', ascending=False).iloc[0]['blogger_id']# Step 7: 可视化活跃时段def plot_user_activity(user_id):    prob_df = hour_prob[hour_prob['user_id'] == user_id]    if prob_df.empty:        print(f"用户 {user_id} 无活跃记录")        return    plt.figure(figsize=(10, 4))    sns.lineplot(data=prob_df, x='hour', y='active_prob', marker='o')    plt.title(f"用户 {user_id} 各时段活跃概率")    plt.xlabel("小时")    plt.ylabel("活跃概率")    plt.xticks(range(0, 24))    plt.grid(True)    plt.tight_layout()    plt.savefig(f"用户 {user_id} 各时段活跃概率.png")# Step 8: 获取全天推荐Top1博主def get_day_recommendations(user_id):    result = []    for h in range(24):        blogger = recommend_top_blogger(user_id, h)        result.append((h, blogger))    rec_df = pd.DataFrame(result, columns=['hour', 'top_blogger'])    return rec_df# 示例运行plot_user_activity('U9')print(get_day_recommendations('U9'))

↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓↓