發(fā)布時(shí)間：2020-06-18 22:07

【摘要】：多異構(gòu)社交網(wǎng)絡(luò)用戶匹配就是根據(jù)不同社會網(wǎng)絡(luò)及其網(wǎng)絡(luò)用戶發(fā)布的信息,將用戶關(guān)聯(lián)起來,發(fā)現(xiàn)同一用戶,在興趣推薦、社區(qū)發(fā)現(xiàn)、特殊人員監(jiān)控領(lǐng)域有著重要價(jià)值,并可以使社交網(wǎng)絡(luò)的研究更進(jìn)一步。本文面向中國社交網(wǎng)絡(luò)的兩個(gè)典型代表-新浪微博和百度貼吧,開展社交網(wǎng)絡(luò)用戶的關(guān)聯(lián)研究。具體的研究內(nèi)容包括如下三個(gè)方面:(1)根據(jù)微博以及貼吧的特點(diǎn),構(gòu)建多異構(gòu)社交網(wǎng)絡(luò)關(guān)聯(lián)研究所需的屬性模型,包括基于用戶背景屬性、基于用戶用戶名屬性、基于用戶興趣屬性以及基于用戶網(wǎng)絡(luò)結(jié)構(gòu)屬性。通過發(fā)現(xiàn)可以用來計(jì)算相似度的屬性,更好的計(jì)算不同社交網(wǎng)絡(luò)中用戶的相似性。(2)其次,針對不同的用戶屬性,本文構(gòu)建基于屬性特征的屬性關(guān)聯(lián)方法�；诒尘皩傩缘姆椒ㄖ�,本文選擇性別、年齡、所在地、教育背景四個(gè)屬性來計(jì)算相似性�；谟脩裘麑傩缘姆椒ㄖ�,本文選擇用戶名長度特征、用戶名特殊字符特征、用戶名數(shù)字特征、用戶名字符組合模式特征、用戶名更改模式特征、用戶名特殊性特征、用戶名拼音特征七個(gè)特征來計(jì)算相似性�；谟脩襞d趣屬性的方法中,本文提出了APW(All position weighted similarity)方法來計(jì)算用戶發(fā)表內(nèi)容興趣相似度,相比于傳統(tǒng)的文本相似計(jì)算方法,可以有效的計(jì)算用戶興趣相似度�；谟脩艟W(wǎng)絡(luò)結(jié)構(gòu)的方法中,本文使用LDA(Latent Dirichlet Allocation)算法計(jì)算用戶關(guān)注粉絲及貼吧的興趣相似性,可以有效的對興趣進(jìn)行分類,通過計(jì)算用戶所屬興趣分類的相似性來計(jì)算用戶網(wǎng)絡(luò)結(jié)構(gòu)相似性。(3)最后,綜合運(yùn)用用戶的多種屬性,為了計(jì)算出更準(zhǔn)確的關(guān)聯(lián)結(jié)果,本文使用了層次分析法以及主成分分析法兩種綜合屬性相似度權(quán)重計(jì)算方法。通過實(shí)驗(yàn)比較發(fā)現(xiàn)更好的更準(zhǔn)確的權(quán)重分配。本文針對多異構(gòu)社交網(wǎng)絡(luò)用戶關(guān)聯(lián)研究,設(shè)計(jì)了一種基于多屬性的用戶相似性計(jì)算模型,實(shí)現(xiàn)了對兩個(gè)社交網(wǎng)絡(luò)上的用戶進(jìn)行關(guān)聯(lián)分析的功能,通過用戶關(guān)聯(lián)準(zhǔn)確率實(shí)驗(yàn),針對采集的新浪微博與百度貼吧用戶數(shù)據(jù)所構(gòu)建的數(shù)據(jù)集,改善并提高了多異構(gòu)社交網(wǎng)絡(luò)用戶關(guān)聯(lián)準(zhǔn)確率。
【學(xué)位授予單位】：中國礦業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP393.09
【圖文】：

碩士學(xué)位論文( ) (1 ) j ik V In VV d d 的 WS (w eight _ sum )表示獻(xiàn)度。該模型可以表示為jV 之間邊的權(quán)重， ( iInV 調(diào)節(jié)指數(shù)，本文研究中將的所有文本，從中自動抽序獲得興趣話題詞 Top1開始

碩士學(xué)位論文5實(shí)驗(yàn)設(shè)計(jì)與驗(yàn)證5 Experimental design and verification5.1 數(shù)據(jù)構(gòu)建與分析（Experimental data construction and analysis）目前，還沒有針對計(jì)算微博用戶與貼吧用戶匹配的專用數(shù)據(jù)集或是語料文本庫。研究者在研究時(shí)根據(jù)采集計(jì)劃進(jìn)行了數(shù)據(jù)的采集。收集 200 個(gè)用戶對應(yīng)的微博賬號與貼吧賬號，100 個(gè)用戶作為種子用戶，剩余的 100 個(gè)用戶作為測試用戶，采集種子用戶的關(guān)注用戶與粉絲用戶構(gòu)成實(shí)驗(yàn)數(shù)據(jù)用戶列表。其中微博共 7771 個(gè)用戶，并采集了 7771 個(gè)用戶發(fā)表的近 70 萬條數(shù)據(jù)信息以及這些用戶的粉絲集共計(jì)1168197 名用戶，關(guān)注集 857888 名用戶；貼吧共 5605 個(gè)用戶，包含 18517 個(gè)貼吧，超過 100 萬條帖子，以及關(guān)注粉絲超過 600 萬個(gè)用戶。其數(shù)據(jù)存儲形式如圖 5-1 所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳健;周麗華;;大學(xué)生社交網(wǎng)絡(luò)自我表露的實(shí)證研究[J];高校輔導(dǎo)員學(xué)刊;2018年06期

2 譚洪旭;袁帥;代連奇;任利峰;;淺談社交網(wǎng)絡(luò)對當(dāng)代大學(xué)生的影響[J];產(chǎn)業(yè)與科技論壇;2018年24期

3 孫夏卿;;社交網(wǎng)絡(luò)媒體對大學(xué)生賦權(quán)的價(jià)值體現(xiàn)[J];傳播力研究;2018年31期

4 張曉飛;;以社交網(wǎng)絡(luò)為基礎(chǔ)的企業(yè)營銷策略[J];商場現(xiàn)代化;2018年22期

5 孫國強(qiáng);竇倩倩;張寶建;;西方社交網(wǎng)絡(luò)研究進(jìn)展與未來展望[J];情報(bào)科學(xué);2019年02期

6 陳文泰;李衛(wèi)東;;國際社交網(wǎng)絡(luò)中“國家實(shí)在”傳播與國家形象演化機(jī)制研究[J];新聞大學(xué);2018年06期

7 孫晉;沈紅;;社交網(wǎng)絡(luò)群體性迷失現(xiàn)象分析[J];電腦知識與技術(shù);2019年12期

8 鄧華闖;項(xiàng)yN麟;周楠;周子清;;社交網(wǎng)絡(luò)招聘有效性影響因素研究[J];中小企業(yè)管理與科技(上旬刊);2019年04期

9 王超瓊;陳s

本文編號：2719900