【摘要】：[目的 /意義]跨領(lǐng)域關(guān)聯(lián)實(shí)體一直是實(shí)體解析研究的主題,本文旨在不同的社交媒體(跨社交媒體)中找到屬于同一用戶的賬戶。[方法/過程]在傳統(tǒng)近似字符串匹配技術(shù)的基礎(chǔ)上,提出使用屬性值結(jié)合社交媒體中的鏈接和文本內(nèi)容的方法,比較兩個不同社交媒體賬戶的屬性相似度、鄰域相似度和關(guān)鍵詞相似度這三個匹配函數(shù),以此提高識別這兩個賬戶是否是同一個人的精確度。并利用社交媒體Facebook和Twitter數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)集,針對匹配函數(shù)的不同組合進(jìn)行試驗(yàn)。[結(jié)果 /結(jié)論]結(jié)果表明,三個匹配函數(shù)的組合能夠得到更多的賬戶匹配為同一用戶,同時精確度也很高,達(dá)到0.923。本文提出的方法在Facebook和Twitter上的成功運(yùn)用,給其他社交媒體平臺或者其他領(lǐng)域的實(shí)體關(guān)聯(lián)的研究提供了一條新的路徑。
[Abstract]:Objective / meaning: Cross-domain associative entities have been the subject of entity analysis. This paper aims to find accounts belonging to the same user in different social media (cross-social media). [method / procedure] based on the traditional approximate string matching technique, a method of combining attribute values with link and text content in social media is proposed to compare the attribute similarity between two different social media accounts. Neighborhood similarity and keyword similarity are three matching functions to improve the accuracy of identifying whether the two accounts are the same person. Social media Facebook and Twitter data are used as experimental data sets to test different combinations of matching functions. [results / conclusions] the results show that the combination of the three matching functions can get more account matching as the same user, and the accuracy is also very high, reaching 0.923. The successful application of the proposed method on Facebook and Twitter provides a new path for the research of entity association in other social media platforms or other fields.
【作者單位】： 上海大學(xué)圖書情報(bào)檔案系;
【分類號】：G206;TP391.1

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃立威;李德毅;;社交媒體中的信息推薦[J];智能系統(tǒng)學(xué)報(bào);2012年01期

2 王博然;;基于社交媒體的對象多維度用戶情感和意向分析[J];北京工業(yè)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2014年01期

3 包俊君;;社交商務(wù)助力企業(yè)轉(zhuǎn)型發(fā)展[J];軟件和信息服務(wù);2012年10期

4 羅志剛;;引領(lǐng)社交媒體之旅 助力國內(nèi)教育轉(zhuǎn)型——戴爾教育博客發(fā)布會[J];中國教育信息化;2011年06期

5 崔偉;;社交媒體時代的檔案信息資源傳播[J];蘭臺世界;2014年05期

6 Gwen Moran;Cross Zheng;;Storenvy當(dāng)電商遇到SNS[J];創(chuàng)業(yè)邦;2013年05期

7 陳億f;;零售業(yè)多渠道拉動銷售 技術(shù)先行[J];信息與電腦;2013年03期

8 阿什莉·維里爾;沈建苗;;汲取四大CRM經(jīng)驗(yàn)[J];IT經(jīng)理世界;2013年09期

9 王曉民;;軟件中國夢[J];軟件和信息服務(wù);2013年05期

10 ;[J];;年期

相關(guān)重要報(bào)紙文章 前4條

1 編譯 年雙渡;兩大社交媒體巨頭同步挖掘電商價值[N];中國商報(bào);2014年

2 方亞;企業(yè)2.0,考驗(yàn)CIO的新魔咒[N];電腦商報(bào);2011年

3 何勇海;碎片化的“微博書”能走多遠(yuǎn)？[N];中國藝術(shù)報(bào);2014年

4 本報(bào)記者 周家杰 童薇菁;科技紅娘深受年輕人青睞[N];文匯報(bào);2014年

相關(guān)博士學(xué)位論文 前4條

1 羅準(zhǔn)辰;社交媒體中的信息檢索與傳播分析[D];國防科學(xué)技術(shù)大學(xué);2013年

2 朱星瑋;社交媒體信息結(jié)構(gòu)化組織及其應(yīng)用研究[D];清華大學(xué);2015年

3 謝松縣;社交媒體中觀點(diǎn)信息分析與應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2014年

4 唐李洋;基于社交媒體大數(shù)據(jù)的Twitter營銷策略研究[D];合肥工業(yè)大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 蔣勝;基于社交媒體網(wǎng)絡(luò)的消費(fèi)者網(wǎng)購決策及商品推薦研究[D];安徽工程大學(xué);2015年

2 景悅誠;基于豐富語言特征的中文社交媒體事件發(fā)掘[D];上海交通大學(xué);2015年

3 李葉;面向熱點(diǎn)感知的社交媒體數(shù)據(jù)獲取與懫樣[D];華東師范大學(xué);2016年

4 張馳;社交媒體熱點(diǎn)話題中合作行為檢測[D];華東師范大學(xué);2016年

5 王晶;基于社交媒體的熱點(diǎn)主題挖掘及主題演化分析[D];西南大學(xué);2016年

6 汪me洲;大數(shù)據(jù)環(huán)境下社交媒體信息流界面布局優(yōu)化方法研究[D];東南大學(xué);2016年

7 王道琳;當(dāng)代動畫的變體—動圖[D];北京服裝學(xué)院;2017年

8 朱建其;移動互聯(lián)網(wǎng)時代游客使用社交媒體行為的影響因素研究[D];浙江工商大學(xué);2017年

9 何偉名;中文社交媒體話題關(guān)鍵詞抽取算法[D];北京交通大學(xué);2017年

10 姜杰;社交媒體文本情感分析[D];南京理工大學(xué);2017年

，

本文編號：2425294