近年來，由于大型在線社交網(wǎng)絡(luò)的爆炸式增長(zhǎng)，產(chǎn)生了大量的應(yīng)用，最顯著的應(yīng)用是病毒營(yíng)銷。其中的核心問題是如何量化在線社交網(wǎng)絡(luò)中的用戶的影響力。主要的方法將用戶影響力的量化過程分解成兩個(gè)階段，第一階段對(duì)用戶間影響力進(jìn)行量化，第二階段基于用戶間影響力量化用戶的影響力。本文將主要研究用戶間影響力量化模型�，F(xiàn)有的用戶間影響力量化模型主要針對(duì)傳統(tǒng)的社交網(wǎng)絡(luò)，因此并不適用于在線社交網(wǎng)絡(luò)。雖然研究者也提出了針對(duì)在線社交網(wǎng)絡(luò)的用戶間影響力量化模型，但這些模型本身存在著缺陷，可能會(huì)導(dǎo)致不準(zhǔn)確的量化結(jié)果。由于用戶間影響力量化是整個(gè)應(yīng)用的基礎(chǔ)，將直接影響最終應(yīng)用的效果，因此需要能夠準(zhǔn)確量化在線社交網(wǎng)絡(luò)用戶間影響力的模型。本文主要基于微博平臺(tái)，將用戶間的影響力定義為轉(zhuǎn)發(fā)概率。本文首先從理論上推導(dǎo)了現(xiàn)有的均勻模型和極大似然模型，并分析了它們存在的問題。隨后通過對(duì)真實(shí)數(shù)據(jù)集的分析來驗(yàn)證了理論分析的結(jié)果。在此基礎(chǔ)之上，本文通過引入貝葉斯概率的理論和虛擬轉(zhuǎn)發(fā)的概念來修正現(xiàn)有模型，提出了貝葉斯用戶間影響力量化模型。最終，本文證明均勻模型與極大似然模型都是貝葉斯模型的特例。本文的實(shí)驗(yàn)部分通過直接和間接的方法來驗(yàn)證模型的理論。... 

【文章來源】：上海交通大學(xué)上海市211工程院校985工程院校教育部直屬院校

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
目錄
表格索引
插圖索引
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文組織結(jié)構(gòu)
第二章 社交網(wǎng)絡(luò)用戶影響力量化
    2.1 用戶影響力的直接量化方法
    2.2 用戶影響力的間接量化方法
        2.2.1 用戶間影響力與用戶影響力
        2.2.2 用戶影響力量化算法
        2.2.3 傳統(tǒng)社交網(wǎng)絡(luò)中用戶間影響力量化模型
    2.3 在線社交網(wǎng)絡(luò)的用戶間影響力量化模型
        2.3.1 基于關(guān)系信息的用戶間影響力量化模型
        2.3.2 基于轉(zhuǎn)發(fā)信息的用戶間影響力量化模型
第三章 數(shù)據(jù)與分析
    3.1 微博平臺(tái)介紹
    3.2 微博數(shù)據(jù)抓取
        3.2.1 新浪微博開放平臺(tái)簡(jiǎn)介
        3.2.2 新浪微博數(shù)據(jù)抓取
    3.3 微博數(shù)據(jù)集分析
第四章 貝葉斯用戶間影響力量化模型
    4.1 概念與問題
    4.2 頻率派與貝葉斯派
    4.3 均勻模型與極大似然模型的不足
    4.4 貝葉斯用戶間影響力量化模型
        4.4.1 先驗(yàn)概率
        4.4.2 似然函數(shù)
        4.4.3 后驗(yàn)概率
    4.5 模型間的關(guān)系
    4.6 總結(jié)
第五章 實(shí)驗(yàn)驗(yàn)證
    5.1 實(shí)驗(yàn)介紹
    5.2 準(zhǔn)確性驗(yàn)證
        5.2.1 實(shí)驗(yàn)設(shè)置
        5.2.2 實(shí)驗(yàn)結(jié)果與分析
    5.3 相關(guān)性驗(yàn)證
        5.3.1 排名分析
        5.3.2 模型的相關(guān)性
        5.3.3 先驗(yàn)參數(shù)
    5.4 總結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄



本文編號(hào)：3643927