本文選題：微博 + 多維度��； 參考：《解放軍信息工程大學(xué)》2014年碩士論文

【摘要】：微博(Microblog)是一類(lèi)基于用戶(hù)關(guān)系進(jìn)行信息獲取、分享及傳播的網(wǎng)絡(luò)應(yīng)用,典型的如Twitter和新浪微博等。微博具有實(shí)時(shí)性強(qiáng)、交互性強(qiáng)、傳播速度快、信息更新頻繁、使用方便、影響范圍廣等特點(diǎn)。本文以新浪微博為研究對(duì)象,研究了基于評(píng)論行為的用戶(hù)影響力分析,結(jié)合評(píng)論行為和社交關(guān)系網(wǎng)絡(luò)的用戶(hù)影響力分析,以及融合好友關(guān)系網(wǎng)絡(luò)、用戶(hù)評(píng)論行為和用戶(hù)發(fā)表內(nèi)容的多維度的用戶(hù)影響力分析。具體來(lái)講,本文工作主要有以下三點(diǎn):(1)設(shè)計(jì)并實(shí)現(xiàn)了一種基于用戶(hù)評(píng)論行為的用戶(hù)影響力分析算法ANR。該算法使用用戶(hù)評(píng)論行為構(gòu)建微博活動(dòng)網(wǎng)絡(luò)模型AN,與好友關(guān)系網(wǎng)絡(luò)模型相比,AN模型能夠較好的刻畫(huà)微博信息傳播中的用戶(hù)行為,并通過(guò)網(wǎng)絡(luò)中節(jié)點(diǎn)和邊的權(quán)值描述用戶(hù)的活躍度和評(píng)論行為的強(qiáng)度等特征。ANR算法使用隨機(jī)游走思想分析微博用戶(hù)影響力,利用模型中的權(quán)值信息對(duì)不同節(jié)點(diǎn)賦予不同的跳轉(zhuǎn)概率,能夠較好的刻畫(huà)在影響力分析中節(jié)點(diǎn)的連接強(qiáng)度、活躍度等屬性差異的影響,提高了分析結(jié)果的準(zhǔn)確性。實(shí)驗(yàn)表明,與基于社交關(guān)系網(wǎng)絡(luò)的IND算法、PageRank算法等相比,ANR算法分析結(jié)果的Top-20用戶(hù)的平均發(fā)微博數(shù)和平均被評(píng)論數(shù)較IND算法和PageRank算法平均提高了2.39倍和1.66倍。(2)設(shè)計(jì)并實(shí)現(xiàn)了一種綜合好友關(guān)系網(wǎng)絡(luò)和用戶(hù)評(píng)論行為的用戶(hù)影響力分析算法KsRN。KsRN算法構(gòu)建了一種綜合反映好友關(guān)系網(wǎng)絡(luò)和用戶(hù)評(píng)論行為的微博網(wǎng)絡(luò)模型RN,該模型使用用戶(hù)行為修正微博社交關(guān)系網(wǎng)絡(luò),并重構(gòu)為無(wú)向加權(quán)網(wǎng)絡(luò)URN,解決了社交關(guān)系網(wǎng)絡(luò)模型不能描述信息傳播過(guò)程中用戶(hù)交互行為的問(wèn)題,并且能夠支持使用k-殼分解等基于無(wú)向網(wǎng)絡(luò)的節(jié)點(diǎn)中心性方法來(lái)分析微博用戶(hù)影響力。KsRN算法借鑒k-殼分解過(guò)程來(lái)分析微博用戶(hù)影響力。實(shí)驗(yàn)表明,KsRN算法的分析結(jié)果與實(shí)測(cè)值相關(guān)性最高可達(dá)82.7%(Top-10),最低62.6%(Top-200),與基于好友關(guān)系網(wǎng)絡(luò)的IND、PageRank算法相比,排序結(jié)果的相關(guān)性平均提高了33.26%和37.68%,與基于RN網(wǎng)絡(luò)的INS算法相比,平均提高了2.5%。(3)設(shè)計(jì)并實(shí)現(xiàn)了一種綜合社交關(guān)系網(wǎng)絡(luò)、用戶(hù)評(píng)論行為活動(dòng)網(wǎng)絡(luò)以及用戶(hù)發(fā)表內(nèi)容的多維度融合的用戶(hù)影響力分析算法MDUIR。該算法將社交關(guān)系網(wǎng)絡(luò)和基于用戶(hù)評(píng)論行為的活動(dòng)網(wǎng)絡(luò)融合構(gòu)建新的微博網(wǎng)絡(luò)模型IN,其中節(jié)點(diǎn)和邊的權(quán)值取決于用戶(hù)行為的數(shù)量和有效性,設(shè)計(jì)實(shí)現(xiàn)了一種綜合考慮用戶(hù)行為的發(fā)生時(shí)間、用戶(hù)發(fā)表內(nèi)容的質(zhì)量以及與主題的相關(guān)性等因素的用戶(hù)行為有效性度量方法SIM,解決了微博社會(huì)關(guān)系網(wǎng)絡(luò)以及RN和AN模型無(wú)法描述用戶(hù)交互內(nèi)容與時(shí)間的問(wèn)題。MDUIR算法綜合考慮了微博社交關(guān)系網(wǎng)絡(luò)、用戶(hù)評(píng)論行為以及用戶(hù)發(fā)表的內(nèi)容等因素,計(jì)算節(jié)點(diǎn)間轉(zhuǎn)移概率,進(jìn)而得出節(jié)點(diǎn)影響力得分值。實(shí)驗(yàn)表明,MDUIR算法有效的反映了用戶(hù)發(fā)表內(nèi)容的質(zhì)量以及時(shí)間在用戶(hù)影響力分析中的作用,與基于好友關(guān)系網(wǎng)絡(luò)的IND、PageRank算法,ANR算法和KsRN算法相比,MDUIR算法的用戶(hù)影響力分析結(jié)果更為合理。從本文的研究結(jié)論來(lái)看,綜合考慮了微博社交關(guān)系網(wǎng)絡(luò)、用戶(hù)評(píng)論行為以及用戶(hù)發(fā)表內(nèi)容的MDUIR算法對(duì)微博網(wǎng)絡(luò)中的信息傳播過(guò)程和用戶(hù)交互行為的刻畫(huà)能力和效果最好,其用戶(hù)影響力分析結(jié)果在本文所討論的算法中是最具合理性的。
[Abstract]:This paper analyzes the influence of user ' s influence by using user ' s comment behavior , analyzes the influence of user ' s influence by using user ' s comment behavior , and analyzes the influence of user ' s activity and comment behavior by using user ' s comment behavior . ( 3 ) The paper designs and implements a user influence analysis algorithm MDUIR , which integrates social relationship network and user ' s comment behavior . The algorithm combines social relation network and user ' s comment behavior to construct new micro blog network model IN .

【學(xué)位授予單位】：解放軍信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 馬俊;周剛;許斌;黃永忠;;基于個(gè)人屬性特征的微博用戶(hù)影響力分析[J];計(jì)算機(jī)應(yīng)用研究;2013年08期

，

本文編號(hào)：1734646