隨著社交網(wǎng)絡(luò)的快速發(fā)展,在線網(wǎng)絡(luò)社交平臺(tái)成為了現(xiàn)代人們主流信息交流渠道。首先,網(wǎng)絡(luò)用戶影響力作為用戶信息傳播能力的度量指標(biāo),被廣泛使用在社會(huì)熱點(diǎn)新聞挖掘及輿論導(dǎo)向等研究領(lǐng)域,研究社交網(wǎng)絡(luò)用戶影響力有助于挖掘網(wǎng)絡(luò)信息傳播關(guān)鍵路徑和關(guān)鍵節(jié)點(diǎn),為相關(guān)部門如何加快正面信息傳播和控制負(fù)面信息擴(kuò)散提供決策支撐。其次,通過目前主流的社交網(wǎng)絡(luò)平臺(tái),用戶不僅可以獲得相關(guān)幫助和感興趣的信息,還可以結(jié)識(shí)更多的好友,從而擴(kuò)展自己的好友圈。這些都很有意義。本文主要的工作有以下兩點(diǎn)。第一,針對(duì)傳統(tǒng)PageRank算法采用均值分配方式進(jìn)而造成PR值損失問題,提出一種參數(shù)可調(diào)的社交用戶影響力衡量方法,該方法首先是考慮PageRank算法PR值分配規(guī)律,通過分析用戶行為發(fā)生頻率計(jì)算得到對(duì)應(yīng)可調(diào)參數(shù),然后將可調(diào)參數(shù)與計(jì)算用戶交互行為影響力公式相結(jié)合得到調(diào)整后的PR值,最后再考慮用戶社交關(guān)系影響力,綜合得到社交網(wǎng)絡(luò)用戶影響力度量公式。該算法與其它算法在相同數(shù)據(jù)集上進(jìn)行對(duì)比實(shí)驗(yàn),計(jì)算得到的RMSE值最小,進(jìn)而表明該算法得到的用戶影響力排名結(jié)果更接近于真實(shí)的用戶影響力排名。第二,隨著移動(dòng)設(shè)配的GPS定位數(shù)據(jù)不斷增長,大數(shù)據(jù)驅(qū)使... 

【文章來源】：廣東工業(yè)大學(xué)廣東省

【文章頁數(shù)】：70 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PageRank簡單網(wǎng)絡(luò)結(jié)構(gòu)示意圖

(a) (b) 2-2 (a) 簡單的 PageRank；(b) 修正后的 PageRank 且 d=0.85Fig.2-2 (a) Simple PageRank; (b) Modified PageRank and d=0.85決 Rank sinks 和 Rank leaks 問題，需要對(duì)傳統(tǒng) PageRank 算法公vind Arasu 在《Junghoo Cho Hector Garcia - Molina, Andreas Phavan. Searching the Web》提出 PageRank 算法修正后的計(jì)算公式( )ieRank p 表達(dá)式為：1( )( )( )jjipjqPageRank pPageRank p qN L p ip 和，jp 表示被研究的網(wǎng)頁，N 表示被研究頁面的總數(shù)，q 表示g factor），通過大量實(shí)驗(yàn)證明 q 一般取值為 0.85。正后的 PageRank 算法，在強(qiáng)連通圖中計(jì)算出的 PR 值如圖 2-2 的(圖中計(jì)算得出的結(jié)果如下：

廣東工業(yè)大學(xué)碩士學(xué)位論文所示，用戶 A 和用戶 B 是兩個(gè)互相關(guān)注的用戶，根據(jù) Tunk實(shí)情況下，用戶 B 雖然關(guān)注了用戶 A，但是用戶 B 不一定能weet，特別是當(dāng)用戶 B 關(guān)注了大量其他用戶時(shí)，用戶 B 瀏覽率為1 Following (B)。以圖 2-3 為例，用戶 B 關(guān)注了 7 個(gè)用戶個(gè)用戶發(fā)布的 Tweet 時(shí)間和數(shù)目不同)，用戶 B 能瀏覽到用

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶項(xiàng)目體驗(yàn)度的協(xié)同過濾推薦算法[J]. 鄭蘇洋,姜久雷,王曉峰.  計(jì)算機(jī)工程. 2017(08)
[2]PageRank模型的改進(jìn)及微博用戶影響力挖掘算法[J]. 毛國君,謝松燕,胡殿軍.  計(jì)算機(jī)應(yīng)用與軟件. 2017(05)
[3]一種融合用戶上下文信息和動(dòng)態(tài)預(yù)測的協(xié)同過濾推薦算法[J]. 呂杰,關(guān)欣,李鏘,張立毅.  小型微型計(jì)算機(jī)系統(tǒng). 2016(08)
[4]基于領(lǐng)域劃分的微博用戶影響力分析[J]. 劉金龍,吳斌,陳震,沈崇瑋.  計(jì)算機(jī)科學(xué). 2015(05)
[5]基于用戶行為綜合分析的微博用戶影響力評(píng)價(jià)方法[J]. 齊超,陳鴻昶,于洪濤.  計(jì)算機(jī)應(yīng)用研究. 2014(07)
[6]基于關(guān)聯(lián)規(guī)則與標(biāo)簽的好友推薦算法[J]. 胡文江,胡大偉,高永兵,郝斌.  計(jì)算機(jī)工程與科學(xué). 2013(02)
[7]基于項(xiàng)目評(píng)分預(yù)測的協(xié)同過濾推薦算法[J]. 鄧愛林,朱揚(yáng)勇,施伯樂.  軟件學(xué)報(bào). 2003(09)



本文編號(hào)：3126025