本文關(guān)鍵詞：微博用戶的相似性度量及其應(yīng)用，由筆耕文化傳播整理發(fā)布。

１期

徐志明等：微博用戶的相似性度量及其應(yīng)用

２０９

括可分為幾個部分：數(shù)據(jù)獲取、節(jié)點分析、關(guān)系分析、博用戶關(guān)系分析的技術(shù)平臺（如圖１所示），本文下網(wǎng)絡(luò)分析、信息推薦．將它們組合起來，形成一個微

面分別詳細介紹各個部分的工作原理．

微博數(shù)據(jù)獲取

�！�

ｉ微博節(jié)點分析

微博關(guān)系分析

ｔ

／

ｌ熟尋茍點。｝

列表／

微博用戶信息

微博用戶表示

：屬性相似度計算Ｉ

０

ｌ背景信息Ｉ

。Ｉ

８目女；Ｉ一

Ｈ背景相似度Ｉ：

ｌ微博Ｉ

用戶

ｌ爬蟲】

Ｉ微博文本ｌ

｛—一文本相似度Ｉ

相似

』

Ｉ…。…’ｏ：；ｏ。。�！唬�

ｂｌ文本向量Ｉ－

｛｛；。。ｈ…。：∥

Ｉｊ＼人度計

算

ｌ∈博數(shù)據(jù)庫葉

Ｉ社交信息Ｉ；卜１Ｉ社交向量ｌＩＩ：７１”ｘ＋＇ＩＥＩｏ”“Ｉ

�。�

ｌ交互行為１

－Ｉ姬頻次向量Ｉ

，ｌ交互性Ｉ

一

微博網(wǎng)絡(luò)分析．

●

用戶相似性網(wǎng)絡(luò)

。１ｍⅫ日¨＊＊ｉ７ｌｌｍｌ圩Ⅲｍ】６Ⅷ

。ｌ＿｛Ⅻ』ｂ““Ｊ１。ｌｍⅫ－ｍＨ★＆＃７ｌ…““”“１１

ｌ””“”１‘”

．

一’

圖１微博用戶關(guān)系分析的技術(shù)平臺

２．１微博數(shù)據(jù)獲取

（２）Ｔｗｅｅｔ（Ｕ）：表示Ｕ發(fā)布的全部微博所拼接該部分根據(jù)新浪微博開放平臺的ＡＰＩ接口，設(shè)成的長文本．本文將其表示為一個文本向量．過程

計了一個微博爬蟲算法．它選擇一組微博用戶作為如下：

種子節(jié)點，利用雪球采樣策略采集一組微博用戶的文本預(yù)處理．對Ｔｗｅｅｔ（“）進行分詞、停用詞過個人數(shù)據(jù)，作為本文的實驗數(shù)據(jù)．主要思想如下．

濾、詞性標(biāo)注等處理；

（１）選擇一組微博用戶｛１Ｄ，，ＩＤ。，…，ＩＤ。）作特征提取．采用信息增益的特征選擇算法提取為種子節(jié)點，加入待爬行節(jié)點隊列Ｑ．

Ｔｗｅｅｔ（“）的特征詞，對文本進行降維處理；

（２）如果Ｑ—ＮＵＬＬ或超過閾值（預(yù)設(shè)的爬行權(quán)重計算．Ｔｗｅｅｔ（Ｕ）中的每個特征詞ｉ的權(quán)時間或擴展層數(shù)），則退出；否則從Ｑ中取出一個用重硼。，本文采用￡，＊ｉｄｆ方法來計算，即硼ｉ＝戶ｌＤｔ．

ｔｆ，（Ｔｗｅｅｔ（“））×ｌｏｇＮ／ｎｉ，其中ｔｆ，（Ｔｗｅｅｔ（Ｍ））表示（３）利用新浪微博ＡＰＩ訪問函數(shù)，抓取該用戶特征詞ｉ在Ｔｗｅｅｔ（“）中的頻率，ｌｏｇＮ／ｎｉ為特征詞ｉ節(jié)點ＩＤ。的個人信息，將用戶的背景信息（位置信

的逆文檔頻率．

息、標(biāo)簽信息、個人描述）、社交信息（關(guān)注信息、粉絲

向量表示．Ｔｗｅｅｔ（甜）一（訓(xùn)ｌ，訓(xùn)２，…，訓(xùn)。），其中信息）、微博文本、交互信息（轉(zhuǎn)發(fā)信息、評論信息），硼，為微博文本的某個特征詞ｉ的權(quán)重．

分別存入微博用戶信息數(shù)據(jù)庫．

（３）Ｒｅｌａｔｉｏｎ（“）：表示Ｕ的社交信息，包括兩種（４）擴展該節(jié)點ＩＤ。，將其鄰居節(jié)點（ＩＤ。的關(guān)注屬性信息（關(guān)注信息、粉絲信息），本文將它們分列表中的全部用戶ＩＤ）加入Ｑ，轉(zhuǎn)到（２）．別表示為兩個向量：關(guān)注向量Ｆｏｌｌｏｗｅｅ（“）、粉絲向２．２微博節(jié)點分析

量Ｆｏｌｌｏｗｅｒ（Ｕ），則Ｒｅｌａｔｉｏｎ（Ｕ）一｛Ｆｏｌｌｏｗｅｅ（Ｕ），該部分討論微博用戶信息的模型表示方法．對Ｆｏｌｌｏｗｅｒ（“））．具體方法是：將所有用戶編號｛０，１，于給定的一個用戶“，，其用戶信息包含４種屬性信２，…，ｎ｝，若用戶“關(guān)注了編號為ｉ的用戶，則息（背景信息、微博文本、社交信息、交互信息），因此Ｆｏｌｌｏｗｅｅ（“）的第ｉ個分量為１，否則為０；同理，如果Ｕ的模型表示問題可分解為４種屬性信息表示問編號為ｉ的用戶關(guān)注了用戶Ｕ，則Ｆｏｌｌｏｗｅｒ（“）的第題．即Ｐｒｏｆｉｌｅ（Ｕ）一｛Ｂａｃｋｇｒｏｕｎｄ（“），Ｔｗｅｅｔ（Ｕ），ｉ個分量為ｌ，否則為０．

Ｒｅｌａｔｉｏｎ（ｕ），Ｉｎｔｅｒａｃｔｉｏｎ（“）），具體說明如下：

（４）Ｉｎｔｅｒａｃｔｉｏｎ（“）：表示Ｕ的交互信息，包括（１）Ｂａｃｋｇｒｏｕｎｄ（“）：表示Ｕ的背景信息，包含兩種屬性信息（ｇｑ發(fā)信息、評論信息）．本文將它們Ｕ的３種屬性信息（位置信息、標(biāo)簽信息、個人描述），分別表示為兩個向量：轉(zhuǎn)發(fā)向量Ｒｅｔｗｅｅｔ（“）、評論均是短文本，可表示為字符串．Ｂａｃｋｇｒｏｕｎｄ（Ｕ）一

向量Ｃｏｍｍｅｎｔ（Ｕ）．Ｉｎｔｅｒａｃｔｉｏｎ（Ｕ）＝｛Ｒｅｔｗｅｅｔ（Ｕ），｛Ｐｌａｃｅ（“），Ｔａｇ（“），Ｉｎｔｒｏｄｕｃｔｉｏｎ（“）｝．

Ｃｏｍｍｅｎｔ（“））．具體方法是：將所有用戶編號｛０，１，

  本文關(guān)鍵詞：微博用戶的相似性度量及其應(yīng)用，由筆耕文化傳播整理發(fā)布。