本文關鍵詞： 社交網(wǎng)絡 聚類 數(shù)據(jù)可視化 潛在語義模型　出處：《計算機科學》2017年S2期 　論文類型：期刊論文

【摘要】：隨著社交網(wǎng)絡的流行,從各種各樣的社交網(wǎng)絡數(shù)據(jù)中提取出有效信息并進行清晰直觀的可視化分析,從而為用戶提供有價值的潛在知識,顯得尤為重要。聚類分析是數(shù)據(jù)挖掘中的重要分析手段,傳統(tǒng)的面向社交網(wǎng)絡數(shù)據(jù)的用戶聚類分析大都僅考慮網(wǎng)絡的拓撲鏈接結構,未考慮用戶的興趣相似度。文中基于貝葉斯概率模型來計算用戶興趣相似度并進行聚類,進一步設計交互可視化方式來展示上述聚類結果。具體地,針對社交網(wǎng)絡中的用戶評分數(shù)據(jù)建立潛在語義模型來提取表示每個用戶興趣特點的特征向量;基于用戶的特征向量對用戶進行聚類,得到具有不同特征的人群,并通過實驗和熱度圖選擇合適的人群聚類數(shù);最后提出了基于層次氣泡圖的可視化展現(xiàn)和分析方案,將用戶、電影類型、電影等多維信息在圖形中交互展示,支持用戶從全局概覽到局部細節(jié)的推進式探索,從多角度可視化人群特征。對豆瓣網(wǎng)用戶和電影評分數(shù)據(jù)進行了實驗和分析,結果驗證了所提方法的有效性。
[Abstract]:With the popularity of social networks, effective information is extracted from a wide variety of social network data and analyzed visually and clearly, thus providing users with valuable potential knowledge. Clustering analysis is an important analysis method in data mining. The traditional user clustering analysis for social network data only considers the topology link structure of the network. The interest similarity of users is not considered in this paper. Based on Bayesian probabilistic model, the interest similarity of users is calculated and clustered, and further interactive visualization is designed to display the above clustering results. The latent semantic model is established to extract the feature vectors representing the characteristics of each user's interest, and the users are clustered based on the user's feature vectors to get the people with different characteristics. Through experiments and heat map to select the appropriate number of people clustering. Finally, a visual display and analysis scheme based on hierarchical bubble graph is proposed. The multi-dimensional information such as user, film type, film and other multi-dimensional information are interactively displayed in the graph. It supports users to explore from global overview to local details, and visualizes crowd characteristics from various angles. The experimental and analysis of the user and movie scoring data of Douban.com are carried out, and the results show that the proposed method is effective.
【作者單位】： 浙江工業(yè)大學計算機科學與技術學院;南通大學理學院;浙江大學管理學院;
【基金】：國家教育部新世紀優(yōu)秀人才支持計劃(NCET-13-0526) 國家自然科學基金(71571160) 浙江省自然科學基金(LY14F020021)資助
【分類號】：TP311.13;TP393.09

【相似文獻】

相關期刊論文 前10條

1 Bruce Antelman;李雯;;社交網(wǎng)絡[J];高校圖書館工作;2008年01期

2 ;美國:印刷企業(yè)青睞社交網(wǎng)絡營銷新方式[J];中國包裝工業(yè);2010年Z1期

3 樓向英;高春玲;;移動社交網(wǎng)絡在圖書館中的應用初探[J];圖書館雜志;2013年12期

4 勞倫·考克斯;;請在工作時更新你的狀態(tài)[J];科技創(chuàng)業(yè);2011年05期

5 吳炳;鄭淵;;基于社交禮品網(wǎng)站淺談社交網(wǎng)絡營銷[J];北方經(jīng)貿(mào);2014年03期

6 Puting;;用心聆聽,從點滴做起[J];成功營銷;2011年07期

7 吳勇毅;;大數(shù)據(jù)熱涌背后的冷思考[J];信息化建設;2013年01期

8 于光媚;;社交網(wǎng)絡成安全“重災區(qū)” 用戶需加強自主防護[J];通信世界;2014年13期

9 ;英國 初創(chuàng)企業(yè)如何應用社交網(wǎng)絡營銷[J];中國制衣;2013年08期

10 吳文昊;范春曉;;一種基于社交網(wǎng)絡模式的公共交通服務[J];軟件;2012年12期

相關會議論文 前1條

1 顏艷春;;電子商務的下一個浪潮:社交購物[A];第四屆（2011）中國商業(yè)信息化行業(yè)大會暨第四屆中國商業(yè)信息化技術展覽會會刊[C];2011年

相關重要報紙文章 前10條

1 ;企業(yè)如何創(chuàng)建內(nèi)部社交網(wǎng)絡[N];網(wǎng)絡世界;2012年

2 焦霖;人臉識別技術與社交網(wǎng)絡威脅個人隱私[N];中國社會科學報;2011年

3 本報記者 程彥博;社交網(wǎng)絡的企業(yè)級應用價值[N];中國計算機報;2013年

4 記者 楊駿;約會軟件:下一場“社交網(wǎng)絡風暴”？[N];新華每日電訊;2014年

5 趙圓媛;中國社交網(wǎng)絡——科技融資帶來另類掘金體驗[N];四川日報;2008年

6 本報記者 卞曉婷;臉萌應用風靡社交網(wǎng)絡 內(nèi)容單一恐后勁不足[N];通信信息報;2014年

7 電腦商報記者 彭敏;SNS引發(fā)協(xié)作新趨勢：社區(qū)化[N];電腦商報;2009年

8 特約撰稿 史彥澤;當SaaS遇到社交網(wǎng)絡[N];計算機世界;2012年

9 張貝貝;CIO為社交網(wǎng)絡頭疼?[N];中華合作時報;2013年

10 本報記者 邱燕娜;SaaS二次浪潮[N];中國計算機報;2011年

相關博士學位論文 前10條

1 李鑫;基于位置社交網(wǎng)絡的地點推薦方法及應用研究[D];中國科學技術大學;2015年

2 梁斌;社交網(wǎng)絡人物搜索的研究[D];清華大學;2015年

3 張魯民;面向社交網(wǎng)絡的群體分析關鍵技術研究[D];國防科學技術大學;2015年

4 孔超;基于異構開放數(shù)據(jù)源的實體匹配[D];華東師范大學;2017年

5 丁旋;社交網(wǎng)絡分析中的隱私保護問題：去匿名化與無縫隱私[D];清華大學;2014年

6 張志軍;社交網(wǎng)絡中個性化推薦模型及算法研究[D];山東師范大學;2015年

7 連德富;基于位置社交網(wǎng)絡的數(shù)據(jù)挖掘[D];中國科學技術大學;2014年

8 鄭夏冰;探討過量使用移動社交網(wǎng)絡Apps對個人用戶的負面影響[D];中國科學技術大學;2014年

9 黃寶成;基于社交網(wǎng)絡的輿情信息挖掘方法研究[D];哈爾濱工業(yè)大學;2017年

10 曾雪;在線社交網(wǎng)絡用戶的分類及采樣研究[D];電子科技大學;2013年

相關碩士學位論文 前10條

1 賈沖沖;基于MapReduce的微博好友推薦研究[D];東北林業(yè)大學;2015年

2 呂家琦;分布式環(huán)境下基于語義的社團發(fā)現(xiàn)算法研究[D];遼寧大學;2015年

3 趙俊;社交網(wǎng)絡的數(shù)據(jù)采集與分析方法研究[D];鄭州大學;2015年

4 王雄;基于社交網(wǎng)絡的混合推薦算法研究[D];蘭州大學;2015年

5 孫國豪;社交網(wǎng)絡中基于信任的推薦系統(tǒng)[D];蘇州大學;2015年

6 王迪;在線網(wǎng)絡中推薦系統(tǒng)相關算法的研究[D];山東大學;2015年

7 殷澤龍;基于傳播模型的社交網(wǎng)絡潛在熱點話題挖掘[D];哈爾濱工業(yè)大學;2015年

8 王婉青;社交網(wǎng)絡下信任傳播模型的個性化推薦研究[D];首都經(jīng)濟貿(mào)易大學;2015年

9 蘭冰;社交網(wǎng)絡中個性化推薦方法的研究[D];電子科技大學;2014年

10 李全樂;社交網(wǎng)絡的@行為用戶推薦方法研究[D];北京理工大學;2015年

，

本文編號：1510339