隨著Internet相關技術的不斷提高與廣泛應用,在線社交網(wǎng)絡成為了人們分享信息的主要方式,微博作為社交網(wǎng)絡中的重要信息交互平臺,受到了大量用戶的青睞。隨著微博用戶的增多,社交平臺的用戶數(shù)據(jù)呈指數(shù)級增長,相關系統(tǒng)應用也越來越多。用戶的相似度計算是社交平臺相關應用的一個重要基礎,如社會化推薦,社區(qū)發(fā)現(xiàn)等,被眾多的研究者關注。如何更準確地挖掘出微博社交網(wǎng)絡中的相似用戶,幫助平臺為用戶提供更好的服務,是當前研究的一個熱點問題。本研究以此為目的,對微博用戶進行了深入分析,提出了一種挖掘微博相似用戶的方法。首先,本文針對微博用戶影響力評估方法存在的問題,提出了一種微博重要用戶挖掘算法,接著,對重要用戶進行聚類,為用戶生成興趣表示,結(jié)合用戶的背景信息,提出了一種融合興趣的微博用戶相似度計算方法。具體工作如下:（1）研究了微博用戶的影響力分析,提出了一種改進Page Rank的微博重要用戶挖掘方法。首先分析了用戶的背景信息,為每個用戶定義基本的自身影響力,針對用戶一段時間不活躍,影響力被誤判下降的問題,基于用戶博文的交互信息,引入了博文傳播率的計算方式,最后,基于用戶的社交關系,通過改進Page R... 

【文章來源】：重慶理工大學重慶市

【文章頁數(shù)】：61 頁

【學位級別】：碩士

【部分圖文】：

標簽的詞向量及相似度從圖4.3可以看出，詞嵌入向量的維度是128，“導演”和“明星”兩個標簽對應詞

4融合興趣的微博用戶相似度計算方法39圖4.4詞向量二維可視化從圖4.4可以看到，詞向量被映射到二維平面中，語義更相似的詞語更加接近。圖中的“動畫”和“動漫”更相近，“電影”和“電視”更相近，“帥哥”和“美女”更相近，表明它們具有更高的語義相似性。基于Word2Vec生成詞向量的表示方法，在計算詞語間的相似度時，能提供更加豐富的上下文信息，更準確地表達標簽的語義相似性。對詞向量進行聚類，不同聚類數(shù)的CH指標如圖4.5所示。圖4.5不同聚類數(shù)的CH值圖4.5是將這些重要用戶聚成2到25個不同類別的結(jié)果�？梢钥吹�，當k8時，CH值較好，但發(fā)現(xiàn)依此建立用戶的興趣向量，較多被關注的用戶在同一個類中，模型的準確率較差。當k10時，算法的準確率相對較好。經(jīng)過多次的對比實驗，將重要用戶聚成10個類，并依此構建普通用戶的興趣向量，故不同數(shù)據(jù)集的聚類數(shù)要根據(jù)實際情況而定。

【參考文獻】：
期刊論文
[1]一種改進的微博用戶影響力評估算法[J]. 黃賢英,陽安志,劉小洋,劉廣峰.  計算機工程. 2019(12)
[2]融合興趣的微博用戶相似度計算研究[J]. 黃賢英,陽安志,劉小洋,劉廣峰.  計算機應用研究. 2020(01)
[3]微博文本的句向量表示及相似度計算方法研究[J]. 段旭磊,張仰森,孫祎卓.  計算機工程. 2017(05)
[4]基于多源信息相似度的微博用戶推薦算法[J]. 姚彬修,倪建成,于蘋蘋,李淋淋,曹博.  計算機應用. 2017(05)
[5]一種基于用戶動態(tài)興趣和社交網(wǎng)絡的微博推薦方法[J]. 陳杰,劉學軍,李斌,章瑋.  電子學報. 2017(04)
[6]基于微博的用戶相似度計算研究[J]. 鄭志蘊,賈春園,王振飛,李鈍.  計算機科學. 2017(02)
[7]基于背景和內(nèi)容的微博用戶興趣挖掘[J]. 仲兆滿,管燕,胡云,李存華.  軟件學報. 2017(02)
[8]融合標簽關聯(lián)關系與用戶社交關系的微博推薦方法[J]. 馬慧芳,賈美惠子,張迪,藺想紅.  電子學報. 2017(01)
[9]社會網(wǎng)絡節(jié)點影響力分析研究[J]. 韓忠明,陳炎,劉雯,原碧鴻,李夢琪,段大高.  軟件學報. 2017(01)
[10]用戶興趣相似性度量的關系預測算法[J]. 黃宏程,陸衛(wèi)金,胡敏,魏青.  計算機科學與探索. 2017(07)



本文編號：3516752