本文關(guān)鍵詞：基于影響力的社會(huì)網(wǎng)絡(luò)關(guān)鍵用戶識(shí)別方法研究

  更多相關(guān)文章： 關(guān)鍵用戶識(shí)別 社會(huì)網(wǎng)絡(luò) 用戶影響力 HITS 線性閾值模型

【摘要】：社會(huì)網(wǎng)絡(luò)是由用戶和用戶間的多種社會(huì)關(guān)系組成的，任何關(guān)于社會(huì)網(wǎng)絡(luò)的研究都與社會(huì)網(wǎng)絡(luò)用戶有關(guān)。隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，社會(huì)網(wǎng)絡(luò)中的用戶規(guī)模也隨之變大，為關(guān)于社會(huì)網(wǎng)絡(luò)的研究和研發(fā)帶來了嚴(yán)重阻礙。識(shí)別出社會(huì)網(wǎng)絡(luò)中的關(guān)鍵用戶能夠有效地解決用戶規(guī)模龐大的問題，但是，目前的識(shí)別方法存在識(shí)別依據(jù)單一、準(zhǔn)確度低、無法較為全面識(shí)別關(guān)鍵用戶等缺陷。 目前識(shí)別社會(huì)網(wǎng)絡(luò)中關(guān)鍵用戶的方法比較少，并且大多數(shù)是以用戶在社會(huì)網(wǎng)絡(luò)中的拓?fù)浣Y(jié)構(gòu)為識(shí)別依據(jù)，通過中心性分析來識(shí)別關(guān)鍵用戶。中心性分析是以中心性測度衡量的，其中一種分析方法為度中心性，該分析方法將社會(huì)網(wǎng)絡(luò)用戶抽象為結(jié)點(diǎn)，通過統(tǒng)計(jì)結(jié)點(diǎn)的鄰接結(jié)點(diǎn)數(shù)目來計(jì)算該結(jié)點(diǎn)的度中心性測度，即該結(jié)點(diǎn)的度（在圖論中，結(jié)點(diǎn)的度為與該結(jié)點(diǎn)具有關(guān)系的結(jié)點(diǎn)的總數(shù)）。在社會(huì)網(wǎng)絡(luò)中，度值相對(duì)較大的結(jié)點(diǎn)，其重要程度也相對(duì)較高，結(jié)點(diǎn)對(duì)應(yīng)的社會(huì)網(wǎng)絡(luò)用戶是關(guān)鍵用戶的可能性也相對(duì)較大。這種識(shí)別方法的依據(jù)是社會(huì)網(wǎng)絡(luò)中結(jié)點(diǎn)度的冪律分布——度值相對(duì)較大的結(jié)點(diǎn)數(shù)目只占社會(huì)網(wǎng)絡(luò)所包含結(jié)點(diǎn)總數(shù)的很小一部分，度值相對(duì)較小的結(jié)點(diǎn)數(shù)目卻占社會(huì)網(wǎng)絡(luò)所包含結(jié)點(diǎn)總數(shù)的很大一部分，度值相對(duì)較大的結(jié)點(diǎn)自然比同一社會(huì)網(wǎng)絡(luò)中度值相對(duì)較小的結(jié)點(diǎn)發(fā)揮著更有意義的作用，因而也具有更高的重要性。雖然該方法能夠較為快速地識(shí)別出度特別大的關(guān)鍵用戶，但是，對(duì)于度相對(duì)較小的關(guān)鍵用戶該方法的識(shí)別準(zhǔn)確率并不高。 本文方法更為充分地利用了社會(huì)網(wǎng)絡(luò)用戶具有的特征，通過聚簇算法將社會(huì)網(wǎng)絡(luò)聚成多個(gè)社會(huì)網(wǎng)絡(luò)子網(wǎng)，分別計(jì)算每個(gè)社會(huì)網(wǎng)絡(luò)子網(wǎng)中用戶的影響力，依據(jù)同一個(gè)社會(huì)網(wǎng)絡(luò)子網(wǎng)中用戶影響力的相對(duì)大小來識(shí)別關(guān)鍵用戶。本文方法的核心是社會(huì)網(wǎng)絡(luò)用戶影響力的計(jì)算，用戶影響力計(jì)算由四個(gè)部分組成：量化用戶特征，活動(dòng)用戶的鏈接強(qiáng)度和影響力算法，計(jì)算非活動(dòng)用戶與活動(dòng)用戶之間的相似度，非活動(dòng)用戶影響力算法。這四個(gè)部分中，活動(dòng)用戶的鏈接強(qiáng)度和影響力算法，非活動(dòng)用戶影響力算法最為重要�；顒�(dòng)用戶的鏈接強(qiáng)度和影響力算法是以HITS算法為基礎(chǔ)的，將網(wǎng)頁替換為用戶，以活動(dòng)用戶間的信任關(guān)系作為鏈接關(guān)系，以量化的用戶特征替代網(wǎng)頁鄰接關(guān)系構(gòu)建轉(zhuǎn)移矩陣，因此，，HITS算法得到的鏈接權(quán)威度和內(nèi)容權(quán)威度就對(duì)應(yīng)了活動(dòng)用戶的鏈接強(qiáng)度和影響力。非活動(dòng)用戶影響力算法是以改進(jìn)的線性閾值模型為基礎(chǔ)的，改進(jìn)后的線性閾值模型具有如下優(yōu)點(diǎn)：避免了隨機(jī)選取活動(dòng)用戶帶來的誤差；以活動(dòng)用戶與非活動(dòng)用戶的相似度替代隨機(jī)閾值，更符合用戶間相互影響的實(shí)際情況；綜合考慮活動(dòng)用戶的鏈接強(qiáng)度和活動(dòng)用戶與非活動(dòng)用戶的相似度，給出更為細(xì)粒度的非活動(dòng)用戶影響力計(jì)算方法，使得到的非活動(dòng)用戶影響力更為準(zhǔn)確。得到所有用戶的影響力之后，將影響力與設(shè)定的影響力閾值相比較，大于影響力閾值的用戶即為關(guān)鍵用戶。 將本文方法和現(xiàn)有方法應(yīng)用到實(shí)際社會(huì)網(wǎng)絡(luò)Epinions上表明，本文的關(guān)鍵用戶識(shí)別方法能夠較好的識(shí)別出關(guān)鍵用戶，在識(shí)別準(zhǔn)確度、穩(wěn)定性方面均取得了良好效果。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：O157.5

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前5條

1 張玉芳,毛嘉莉,熊忠陽;一種改進(jìn)的K-means算法[J];計(jì)算機(jī)應(yīng)用;2003年08期

2 李亮;朱慶華;;社會(huì)網(wǎng)絡(luò)分析方法在合著分析中的實(shí)證研究[J];情報(bào)科學(xué);2008年04期

3 朱慶華;李亮;;社會(huì)網(wǎng)絡(luò)分析法及其在情報(bào)學(xué)中的應(yīng)用[J];情報(bào)理論與實(shí)踐;2008年02期

4 楊偉杰;戴汝為;崔霞;;一種基于信息檢索技術(shù)的網(wǎng)絡(luò)新聞?dòng)绊懥Ψ治龇椒╗J];軟件學(xué)報(bào);2009年09期

5 甘早斌;丁倩;李開;肖國強(qiáng);;基于聲譽(yù)的多維度信任計(jì)算算法[J];軟件學(xué)報(bào);2011年10期

本文編號(hào)：1271718