本文選題：微博 + 用戶行為��； 參考：《科技通報(bào)》2017年05期

【摘要】：近年來,微博用戶行為分析與挖掘逐步成為社交網(wǎng)絡(luò)領(lǐng)域研究熱點(diǎn),本文基于微博傳播機(jī)制及用戶特點(diǎn),提出了一種基于高頻關(guān)鍵詞信息的微博內(nèi)容篩選算法,結(jié)合好友聯(lián)合影響概率確定關(guān)鍵微博用戶,并分析其影響力及具體范圍。實(shí)驗(yàn)數(shù)據(jù)分析表明:本文設(shè)計(jì)的算法是可行的,與傳統(tǒng)方法相比,本文算法在高頻關(guān)鍵詞提取和微博用戶行為分析方面,能夠有效提高話題傳播中微博用戶影響力度量的準(zhǔn)確性。
[Abstract]:In recent years, Weibo user behavior analysis and mining has gradually become a hot topic in the field of social networks. Based on the Weibo propagation mechanism and user characteristics, a Weibo content filtering algorithm based on high-frequency keyword information is proposed in this paper. The key Weibo users are determined with the joint impact probability of friends, and their influence and specific scope are analyzed. Experimental data analysis shows that the algorithm designed in this paper is feasible. Compared with the traditional methods, the algorithm in this paper is used in high frequency keyword extraction and Weibo user behavior analysis. It can effectively improve the accuracy of Weibo user impact measurement in topic communication.
【作者單位】： 浙江警察學(xué)院計(jì)算機(jī)與信息技術(shù)系;浙江警察學(xué)院實(shí)驗(yàn)中心;
【基金】：國家自然科學(xué)基金重點(diǎn)項(xiàng)目(U1509219 浙江省教育廳科研項(xiàng)目(Y201224395) 浙江警察學(xué)院校級(jí)科研項(xiàng)目(20140622)
【分類號(hào)】：TP393.092

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 馬俊;周剛;許斌;黃永忠;;一種基于話題傳播的微博用戶影響力分析方法[J];信息工程大學(xué)學(xué)報(bào);2013年06期

2 馬曉娟;李玉貞;胡勇;;微博用戶影響力的評(píng)估[J];信息安全與通信保密;2013年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前5條

1 丁偉杰;孔霆;;基于關(guān)鍵詞信息的微博用戶行為度量分析研究[J];科技通報(bào);2017年05期

2 顧亦然;朱梓嫣;;基于LeaderRank和節(jié)點(diǎn)相似度的復(fù)雜網(wǎng)絡(luò)重要節(jié)點(diǎn)排序算法[J];電子科技大學(xué)學(xué)報(bào);2017年02期

3 許為;林柏鋼;林思娟;楊e，

本文編號(hào)：1956665