本文選題：社交網(wǎng) + 行為關(guān)系�。� 參考：《東北大學(xué)》2014年碩士論文

【摘要】：社交網(wǎng)絡(luò)是一個以用戶為中心,由用戶來產(chǎn)生各種信息的應(yīng)用,而這些信息是觀察用戶間關(guān)系的基礎(chǔ),如何發(fā)現(xiàn)具有緊密關(guān)系的用戶并為其提供信息推薦服務(wù),進(jìn)而服務(wù)于社區(qū)發(fā)現(xiàn),是目前學(xué)術(shù)界和工業(yè)界關(guān)于社交網(wǎng)用戶關(guān)系研究熱點問題之一。Twitter作為典型社交網(wǎng)應(yīng)用之一,由于擁有眾多用戶并含有豐富Tweets內(nèi)容,因此能有效挖掘用戶關(guān)系,本文基于Twitter平臺從用戶行為角度對用戶關(guān)系問題進(jìn)行了深入研究。首先,針對以往大部分研究僅以社交網(wǎng)用戶間“關(guān)注”與“被關(guān)注”行為作為用戶關(guān)系研究焦點所導(dǎo)致不能確切反應(yīng)用戶間緊密關(guān)系的不足問題。本文認(rèn)為可根據(jù)與用戶行為有關(guān)的兩個關(guān)鍵因素,即活動和位置來分析用戶關(guān)系,并由此提出了一種用戶在相近地理位置進(jìn)行相似活動的用戶關(guān)系,即用戶間行為關(guān)系(Behavior Relationship-BR),簡稱BR關(guān)系,該關(guān)系包括與會、旅游、購物等關(guān)系。進(jìn)一步,將BR關(guān)系劃分為用戶對行為關(guān)系(User Pair Behavior Relationship-UPBR)和用戶群行為關(guān)系(User Group Behavior Relationship-UGBR)。其次,由于Twitter平臺“@”關(guān)系體現(xiàn)了用戶關(guān)系的緊密程度,因而本文利用“@”關(guān)系提出了一種BR關(guān)系概率推演模型PIM (Probability Inference Model).該模型首先面向一對用戶,計算二者之間的行為活動相似性概率及其位置相似度,從而以概率方法推演出他們是否具有UPBR關(guān)系;其次,通過基于BR矩陣的最大樹聚類技術(shù)(BR Matrix-based Maximal Tree Clustering-BRMC),來發(fā)現(xiàn)用戶群體間是否具有UGBR行為關(guān)系。最后,本文從真實數(shù)據(jù)與仿真數(shù)據(jù)兩種數(shù)據(jù)集對BR關(guān)系推演的效果進(jìn)行了擴(kuò)展性實驗。其中,真實數(shù)據(jù)檢驗了PIM推斷用戶地理位置的誤差距離、準(zhǔn)確率以及@次數(shù)與誤差距離的關(guān)系,實驗結(jié)果表明PIM在位置推斷具有比較高的準(zhǔn)確性。仿真數(shù)據(jù)則從兩方面進(jìn)行了實驗,一是測試了不同活動閾值下PIM在推演UPBR的準(zhǔn)確率(precision)、召回率(recall)以及F1-Measure;二是以NMI、F1-Measure為指標(biāo)檢驗了BRMC的聚類精度,并從聚類敏感度角度測試了與BRMC相關(guān)參數(shù),實驗結(jié)果表明BRMC在發(fā)現(xiàn)UGBR具有很好的效果。
[Abstract]:A social network is an application that is user-centric and produces all kinds of information that is the basis for observing the relationships between users, how to discover and recommend information to users who are closely connected. Serving for community discovery, it is one of the hot issues in academic and industrial research on social network user relationship. As one of the typical social network applications, Twitter has a large number of users and contains rich Tweets content. Therefore, the user relationship can be mined effectively. Based on the Twitter platform, the user relationship problem is studied in this paper from the user behavior point of view. First of all, because most of the previous studies only focus on "attention" and "attention" behavior among users of social networks, it can not exactly reflect the lack of close relationship between users. This paper considers that the user relationship can be analyzed according to two key factors related to user behavior, namely, activity and location, and a user relationship in which the user carries out similar activities in a similar geographical location is proposed. The behavior relationship between users is Behavior Relationship-BRN, or Br relationship, which includes participation, travel, shopping and so on. Furthermore, Br relationship is divided into user Pair Behavior relationship and user Group Behavior relationship. Secondly, because the "@" relation of Twitter platform reflects the degree of closeness of user relationship, this paper proposes a Br relational probability deduction model, PIM / probability Inference model, using "@" relation. Firstly, the model is aimed at a pair of users to calculate the similarity probability of behavior activity and the similarity of their position, and then deduces whether they have UPBR relationship by probability method. The maximum tree clustering technique based on Br matrix is used to find out whether there is a UGBR behavior relationship between user groups. At last, this paper makes an extensive experiment on the effect of Br relation deduction from real data and simulation data sets. Among them, real data verify the relationship between error distance, accuracy rate and @ number of users' geographic location inferred by PIM. The experimental results show that PIM has high accuracy in location inference. The simulation data are tested from two aspects, one is to test the accuracy of PIM in deducing UPBR under different activity thresholds, and the other is to test the clustering accuracy of BRMC using NMI-F1-Measure as the index. The parameters related to BRMC are tested from the cluster sensitivity angle. The experimental results show that BRMC has a good effect in finding UGBR.
【學(xué)位授予單位】：東北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TP393.09

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 來雪玲;圖書館用戶關(guān)系管理[J];圖書館學(xué)研究;2004年09期

2 趙玉敏;;面向知識服務(wù)的圖書館用戶關(guān)系管理[J];科技情報開發(fā)與經(jīng)濟(jì);2007年11期

3 徐雙;劉勇;;基于用戶知識交互的圖書館用戶關(guān)系管理[J];情報探索;2010年08期

4 付凱芳;;基于知識轉(zhuǎn)移的圖書館用戶關(guān)系管理分析[J];民營科技;2010年08期

5 ;微博的含義[J];民間傳奇故事(A卷);2010年05期

6 孫萬軍;用戶卡——郵政實行用戶關(guān)系管理的第一步[J];中國郵政;2000年12期

7 陳娟;;媒體的用戶關(guān)系管理應(yīng)建立基于大數(shù)據(jù)的管理理念[J];中國傳媒科技;2013年01期

8 陳娟;;大數(shù)據(jù)時代的媒體用戶關(guān)系管理[J];傳媒觀察;2013年07期

9 莫啟儀;;新時代圖書館用戶關(guān)系管理實踐研究[J];新世紀(jì)圖書館;2013年07期

10 ;移動時代 媒體與用戶關(guān)系的新變革[J];聲屏世界·廣告人;2013年07期

相關(guān)會議論文 前1條

1 蔡賽緘;丁麗佳;;對氣象微博的初步探討及發(fā)展前景思考[A];廣東省氣象學(xué)會2012年學(xué)術(shù)年會論文摘要文集[C];2012年

相關(guān)重要報紙文章 前2條

1 李志廷;黨報微博,力量不“微”[N];寧夏日報;2013年

2 實習(xí)生 張雪嬌;移動社交：一場愈演愈烈的社交變革[N];科技日報;2014年

相關(guān)博士學(xué)位論文 前1條

1 武慧娟;社會化標(biāo)注系統(tǒng)中個性化信息推薦模型研究[D];吉林大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 李德民;社會網(wǎng)絡(luò)用戶關(guān)系分析與預(yù)測[D];山東大學(xué);2015年

2 楊珂;電子商務(wù)網(wǎng)絡(luò)水軍的智能識別研究[D];北京工商大學(xué);2015年

3 張旭;社交網(wǎng)用戶行為關(guān)系概率推演模型的研究與實現(xiàn)[D];東北大學(xué);2014年

4 黨永杰;新浪微博用戶關(guān)系研究[D];華中師范大學(xué);2013年

5 劉夢琦;基于用戶關(guān)系管理理論的高校圖書館發(fā)展研究[D];安徽大學(xué);2012年

6 周余姣;基于CRM理念的圖書館用戶關(guān)系管理研究[D];河北大學(xué);2009年

7 王鵬;運營支撐系統(tǒng)的CRM研究[D];黑龍江大學(xué);2013年

8 陳立鋒;基于移動CDR的用戶關(guān)系分析及應(yīng)用[D];北京郵電大學(xué);2014年

9 孫大鵬;基于Hadoop的SNS用戶關(guān)系鏈分析的研究和應(yīng)用[D];東北師范大學(xué);2014年

10 白林根;基于復(fù)雜網(wǎng)絡(luò)的微博用戶關(guān)系網(wǎng)絡(luò)結(jié)構(gòu)研究[D];杭州電子科技大學(xué);2014年

，

本文編號：1854733