微博,作為當(dāng)前重要的信息傳播平臺(tái)之一,已成為計(jì)算機(jī)科學(xué)、社會(huì)學(xué)等學(xué)科的重要研究對(duì)象。采用社會(huì)網(wǎng)絡(luò)分析的方法研究微博用戶行為、發(fā)現(xiàn)微博社團(tuán)有助于掌握用戶聚集情況,以便規(guī)范網(wǎng)絡(luò)管理,引導(dǎo)和監(jiān)控網(wǎng)絡(luò)空間群體性事件,對(duì)維護(hù)網(wǎng)絡(luò)空間安全有重要意義。本文以微博用戶行為和微博網(wǎng)絡(luò)為研究對(duì)象,針對(duì)現(xiàn)有研究中存在的主要問(wèn)題,對(duì)微博用戶行為、微博重疊社團(tuán)發(fā)現(xiàn)以及微博社團(tuán)可視化布局進(jìn)行了重點(diǎn)研究。第一,針對(duì)現(xiàn)有用戶行為的研究中缺少對(duì)用戶行為綜合量化的問(wèn)題,提出一種用戶行為關(guān)系緊密度算法。算法考慮用戶行為的差異性,計(jì)算相鄰用戶間轉(zhuǎn)發(fā)和提及行為數(shù)量占雙方對(duì)應(yīng)行為總數(shù)量的比例,綜合關(guān)注、轉(zhuǎn)發(fā)、提及三種行為得到用戶行為關(guān)系緊密度。實(shí)驗(yàn)使用真實(shí)微博數(shù)據(jù)集驗(yàn)證,結(jié)果表明該算法能夠有效地反映用戶行為關(guān)系的緊密性。將用戶行為關(guān)系緊密度與近期活躍度結(jié)合,計(jì)算得到用戶重要度貢獻(xiàn)值,在此基礎(chǔ)上提出一種改進(jìn)的微博用戶重要度排序算法。實(shí)驗(yàn)結(jié)果表明算法能夠有效識(shí)別近期活躍度高的用戶。第二,針對(duì)現(xiàn)有微博社團(tuán)發(fā)現(xiàn)研究多是套用傳統(tǒng)聚類算法,劃分結(jié)果不能體現(xiàn)微博用戶行為關(guān)系的問(wèn)題,提出一種結(jié)合用戶行為的微博網(wǎng)絡(luò)重疊社團(tuán)發(fā)現(xiàn)算法。將用戶行為關(guān)系緊密度融入貪婪團(tuán)擴(kuò)張重疊社團(tuán)發(fā)現(xiàn)算法,針對(duì)加權(quán)網(wǎng)絡(luò)轉(zhuǎn)換社區(qū)適應(yīng)度函數(shù)。實(shí)驗(yàn)表明改進(jìn)算法更適應(yīng)微博特性,得到的社團(tuán)結(jié)構(gòu)更能體現(xiàn)用戶行為關(guān)系的緊密程度。第三,針對(duì)現(xiàn)有社團(tuán)可視化研究中存在的布局算法難以較好地展示社團(tuán)結(jié)構(gòu)的問(wèn)題,提出一種結(jié)合微博網(wǎng)絡(luò)特性的布局算法。引入用戶行為關(guān)系緊密度用來(lái)改進(jìn)力導(dǎo)引(FR)算法,并通過(guò)加入社團(tuán)內(nèi)部引力來(lái)實(shí)現(xiàn)社團(tuán)內(nèi)部節(jié)點(diǎn)的聚集。實(shí)驗(yàn)表明相比以往的微博網(wǎng)絡(luò)可視化方法,本文布局算法使社團(tuán)結(jié)構(gòu)明顯,算法效率更高。
【學(xué)位單位】：重慶郵電大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP393.092;TP393.08;TP301.6
【部分圖文】：

(a) 用戶關(guān)注數(shù)據(jù)集截取 (b) 微博轉(zhuǎn)發(fā)數(shù)據(jù)集截取圖 3.4 微博數(shù)據(jù)集截取對(duì)于用戶重要度的計(jì)算，選用“新浪微博”數(shù)據(jù)集中的部分用戶，構(gòu)建用戶關(guān)絡(luò)，摘取其中用戶屬性信息數(shù)據(jù)如圖 3.5 所示。

(a) 用戶關(guān)注數(shù)據(jù)集截取 (b) 微博轉(zhuǎn)發(fā)數(shù)據(jù)集截取圖 3.4 微博數(shù)據(jù)集截取對(duì)于用戶重要度的計(jì)算，選用“新浪微博”數(shù)據(jù)集中的部分用戶，構(gòu)建用戶關(guān)注網(wǎng)絡(luò)，摘取其中用戶屬性信息數(shù)據(jù)如圖 3.5 所示。

(a) 用戶粉絲數(shù)分布 (b) 用戶關(guān)注數(shù)分布圖 3.6 微博用戶粉絲數(shù)、關(guān)注數(shù)分布通過(guò)圖 3.6 可以看出，大部分的用戶粉絲數(shù)目分布較為集中在 1K 以下，擁有超大規(guī)模粉絲數(shù)的用戶所占比例較低，這與表 3.1 中反映的信息對(duì)應(yīng)。用戶關(guān)注數(shù)目分布則呈現(xiàn)不同的特點(diǎn)，每個(gè)用戶只選擇一些用戶來(lái)關(guān)注，大部分集中在較少的關(guān)注數(shù)，僅有很少的用戶擁有較多的關(guān)注數(shù)。即使擁有更多的關(guān)注用戶，人們所花費(fèi)的社交平臺(tái)上的時(shí)間也是有限的，無(wú)法每天都瀏覽所有關(guān)注對(duì)象的微博。用戶 p 轉(zhuǎn)發(fā) q 的微博記為一次轉(zhuǎn)發(fā)行為。分析 4219 對(duì) p 對(duì) q 的轉(zhuǎn)發(fā)數(shù)據(jù)，結(jié)合用戶 p 的總轉(zhuǎn)發(fā)微博數(shù)和用戶 q 的總被轉(zhuǎn)發(fā)微博數(shù)進(jìn)行對(duì)比分析，如圖 3.7 所示。

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張俊豪;顧益軍;張士豪;;基于距離模型的用戶關(guān)系強(qiáng)度評(píng)估[J];信息網(wǎng)絡(luò)安全;2015年10期

2 張喜平;李永樹(shù);劉剛;王蕾;;城市復(fù)雜交通網(wǎng)絡(luò)道路重要性評(píng)估方法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2015年03期

3 吳渝;李藻旭;李紅波;溫磊;;展示復(fù)雜網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)的社團(tuán)引力導(dǎo)引的布局算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年08期

4 張俊豪;顧益軍;張士豪;;基于PageRank和用戶行為的微博用戶影響力評(píng)估[J];信息網(wǎng)絡(luò)安全;2015年06期

5 莫鉅槐;王星華;彭顯剛;武小梅;;基于復(fù)雜網(wǎng)絡(luò)重疊社區(qū)電網(wǎng)節(jié)點(diǎn)重要度研究[J];廣東電力;2015年02期

6 孫怡帆;李賽;;基于相似度的微博社交網(wǎng)絡(luò)的社區(qū)發(fā)現(xiàn)方法[J];計(jì)算機(jī)研究與發(fā)展;2014年12期

7 王衛(wèi)平;范田;;一種基于主題相似性和網(wǎng)絡(luò)拓?fù)涞奈⒉┥鐓^(qū)發(fā)現(xiàn)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2013年06期

8 閆光輝;舒昕;馬志程;李祥;;基于主題和鏈接分析的微博社區(qū)發(fā)現(xiàn)算法[J];計(jì)算機(jī)應(yīng)用研究;2013年07期

9 范超然;黃曙光;李永成;;微博社交網(wǎng)絡(luò)社區(qū)發(fā)現(xiàn)方法研究[J];微型機(jī)與應(yīng)用;2012年23期

10 原福永;馮靜;符茜茜;;微博用戶的影響力指數(shù)模型[J];現(xiàn)代圖書(shū)情報(bào)技術(shù);2012年06期

相關(guān)碩士學(xué)位論文 前2條

1 王炎冰;融合用戶標(biāo)簽和微博內(nèi)容的用戶興趣社區(qū)發(fā)現(xiàn)[D];昆明理工大學(xué);2014年

2 邢東東;微博社會(huì)網(wǎng)絡(luò)中的群體分析研究[D];哈爾濱工業(yè)大學(xué);2013年

本文編號(hào)：2821918