【摘要】：隨著我國(guó)互聯(lián)網(wǎng)的高速發(fā)展,特別是移動(dòng)互聯(lián)網(wǎng)的由3G向4G升級(jí)帶來(lái)的高速發(fā)展。微博已經(jīng)成為人們?nèi)粘贤ê徒涣鞯闹匾纳缃幻襟w平臺(tái)之一。對(duì)微博平臺(tái)的整體規(guī)律、用戶行為特征進(jìn)行分析、數(shù)據(jù)挖掘具有重要的意義。本文主要針對(duì)新浪微博用戶點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)等行為進(jìn)行平臺(tái)整體規(guī)律研究。采用LDA(Latent Dirichlet Allocation)主題模型挖掘微博用戶的興趣點(diǎn),建立用戶模型并進(jìn)行相關(guān)的推薦研究。主要研究工作和成果包括:(1)微博平臺(tái)的整體規(guī)律、微博內(nèi)容分析方法及用戶行為分析。包括分析了微博整體轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊特點(diǎn);微博中文分詞、分類方法;用戶微博被轉(zhuǎn)發(fā)、評(píng)論、點(diǎn)贊的規(guī)律及與微博發(fā)布時(shí)間關(guān)系;(2)微博用戶興趣點(diǎn)分析。采用基于LDA主題模型進(jìn)行微博隱含主題的挖掘,建立用戶興趣模型。(3)基于用戶興趣模型,采用基于內(nèi)容推薦及協(xié)同過(guò)濾推薦混合的混合推薦方法實(shí)現(xiàn)微博內(nèi)容推薦、用戶推薦及嘗試結(jié)合用戶地理位置信息進(jìn)行營(yíng)銷廣告推薦。實(shí)驗(yàn)結(jié)果發(fā)現(xiàn),推薦各項(xiàng)內(nèi)容的效果達(dá)到預(yù)期。
【圖文】：

圖 1-1 中國(guó)網(wǎng)民規(guī)模和互聯(lián)網(wǎng)普及率著移動(dòng)通訊網(wǎng)絡(luò)環(huán)境的不斷完善以及智能手機(jī)的進(jìn)一步普及，移動(dòng)戶各類生活需求深入滲透，促進(jìn)手機(jī)上網(wǎng)使用率增長(zhǎng)。我國(guó)手機(jī)網(wǎng)，較 2016 年底增加 2830 萬(wàn)人。網(wǎng)民使用手機(jī)上網(wǎng)的比例由 201提升至 96.3%（如圖 1-2）。

圖 1-2 中國(guó)手機(jī)網(wǎng)民規(guī)模及占網(wǎng)民比例網(wǎng)絡(luò)用戶的不斷增加以及積極參與使得網(wǎng)絡(luò)內(nèi)容更加豐富，同時(shí)交媒體，這些社交媒體的發(fā)展形成大量的社交網(wǎng)絡(luò)。國(guó)外最具代有 Facebook、Twitter、YouTube 等，，而在我國(guó)比較有代表性的社的天涯社區(qū)、人人網(wǎng)、開心網(wǎng)等，到目前的新浪微博、微信、Q間的傳播方式開始向多元化發(fā)展。其中微博類社交媒體最具代表它目前用戶數(shù)量最多、最活躍。2016 年微博平臺(tái)發(fā)布的第三季度財(cái)報(bào)[2]中顯示，截止 2016 年 9 月人數(shù)（MAU,monthly active users）已達(dá)到 2.97 億，較 2015 年同；其中 9 月份移動(dòng)端在 MAU 總量中的占比為 89%；9 月的日活躍較去年同期增長(zhǎng) 32%。2016 年，直播、視頻相關(guān)業(yè)務(wù)在移動(dòng)互聯(lián)引爆全行業(yè)。尤其是網(wǎng)絡(luò)紅人在 2016 年上半年的爆炸式發(fā)展，媒體的平臺(tái)性作用不斷凸顯。微博在 2016 年月活用戶明顯增長(zhǎng)覆蓋面不斷擴(kuò)大，在新聞?shì)浾�、綜藝娛樂(lè)等方面繼續(xù)保持絕對(duì)影頻、旅游、體育等領(lǐng)域也得到進(jìn)一步的延伸，微博的平臺(tái)性作用
【學(xué)位授予單位】：景德鎮(zhèn)陶瓷大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：F49;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 毛佳昕;劉奕群;張敏;馬少平;;基于用戶行為的微博用戶社會(huì)影響力分析[J];計(jì)算機(jī)學(xué)報(bào);2014年04期

2 張晨逸;孫建伶;丁軼群;;基于MB-LDA模型的微博主題挖掘[J];計(jì)算機(jī)研究與發(fā)展;2011年10期

3 劉紅芝;;中文分詞技術(shù)的研究[J];電腦開發(fā)與應(yīng)用;2010年03期

4 余戰(zhàn)秋;中文分詞技術(shù)及其應(yīng)用初探[J];電腦知識(shí)與技術(shù);2004年32期

相關(guān)博士學(xué)位論文 前2條

1 溫源;互聯(lián)網(wǎng)文本信息挖掘與個(gè)性化推薦的研究[D];北京交通大學(xué);2014年

2 常鵬;基于詞共現(xiàn)的文本主題挖掘模型和算法研究[D];天津大學(xué);2010年

相關(guān)碩士學(xué)位論文 前5條

1 吳迪;基于微博關(guān)注及轉(zhuǎn)發(fā)關(guān)系的社區(qū)劃分算法的改進(jìn)與實(shí)現(xiàn)[D];吉林大學(xué);2016年

2 劉敏;微博傳播效果的分析與預(yù)測(cè)[D];太原理工大學(xué);2016年

3 宋志理;基于LDA模型的文本分類研究[D];西安理工大學(xué);2010年

4 旺建華;中文文本分類技術(shù)研究[D];吉林大學(xué);2007年

5 曲曉;受限條件下學(xué)生作業(yè)文本相似度的研究[D];內(nèi)蒙古師范大學(xué);2006年

本文編號(hào)：2708734