多维度微博用户影响力分析技术研究

发布时间：2018-04-11 05:28

本文选题：微博 + 多维度　；参考：《解放军信息工程大学》2014年硕士论文

【摘要】：微博(Microblog)是一类基于用户关系进行信息获取、分享及传播的网络应用,典型的如Twitter和新浪微博等。微博具有实时性强、交互性强、传播速度快、信息更新频繁、使用方便、影响范围广等特点。本文以新浪微博为研究对象,研究了基于评论行为的用户影响力分析,结合评论行为和社交关系网络的用户影响力分析,以及融合好友关系网络、用户评论行为和用户发表内容的多维度的用户影响力分析。具体来讲,本文工作主要有以下三点:(1)设计并实现了一种基于用户评论行为的用户影响力分析算法ANR。该算法使用用户评论行为构建微博活动网络模型AN,与好友关系网络模型相比,AN模型能够较好的刻画微博信息传播中的用户行为,并通过网络中节点和边的权值描述用户的活跃度和评论行为的强度等特征。ANR算法使用随机游走思想分析微博用户影响力,利用模型中的权值信息对不同节点赋予不同的跳转概率,能够较好的刻画在影响力分析中节点的连接强度、活跃度等属性差异的影响,提高了分析结果的准确性。实验表明,与基于社交关系网络的IND算法、PageRank算法等相比,ANR算法分析结果的Top-20用户的平均发微博数和平均被评论数较IND算法和PageRank算法平均提高了2.39倍和1.66倍。(2)设计并实现了一种综合好友关系网络和用户评论行为的用户影响力分析算法KsRN。KsRN算法构建了一种综合反映好友关系网络和用户评论行为的微博网络模型RN,该模型使用用户行为修正微博社交关系网络,并重构为无向加权网络URN,解决了社交关系网络模型不能描述信息传播过程中用户交互行为的问题,并且能够支持使用k-壳分解等基于无向网络的节点中心性方法来分析微博用户影响力。KsRN算法借鉴k-壳分解过程来分析微博用户影响力。实验表明,KsRN算法的分析结果与实测值相关性最高可达82.7%(Top-10),最低62.6%(Top-200),与基于好友关系网络的IND、PageRank算法相比,排序结果的相关性平均提高了33.26%和37.68%,与基于RN网络的INS算法相比,平均提高了2.5%。(3)设计并实现了一种综合社交关系网络、用户评论行为活动网络以及用户发表内容的多维度融合的用户影响力分析算法MDUIR。该算法将社交关系网络和基于用户评论行为的活动网络融合构建新的微博网络模型IN,其中节点和边的权值取决于用户行为的数量和有效性,设计实现了一种综合考虑用户行为的发生时间、用户发表内容的质量以及与主题的相关性等因素的用户行为有效性度量方法SIM,解决了微博社会关系网络以及RN和AN模型无法描述用户交互内容与时间的问题。MDUIR算法综合考虑了微博社交关系网络、用户评论行为以及用户发表的内容等因素,计算节点间转移概率,进而得出节点影响力得分值。实验表明,MDUIR算法有效的反映了用户发表内容的质量以及时间在用户影响力分析中的作用,与基于好友关系网络的IND、PageRank算法,ANR算法和KsRN算法相比,MDUIR算法的用户影响力分析结果更为合理。从本文的研究结论来看,综合考虑了微博社交关系网络、用户评论行为以及用户发表内容的MDUIR算法对微博网络中的信息传播过程和用户交互行为的刻画能力和效果最好,其用户影响力分析结果在本文所讨论的算法中是最具合理性的。
[Abstract]:This paper analyzes the influence of user ' s influence by using user ' s comment behavior , analyzes the influence of user ' s influence by using user ' s comment behavior , and analyzes the influence of user ' s activity and comment behavior by using user ' s comment behavior . ( 3 ) The paper designs and implements a user influence analysis algorithm MDUIR , which integrates social relationship network and user ' s comment behavior . The algorithm combines social relation network and user ' s comment behavior to construct new micro blog network model IN .

【学位授予单位】：解放军信息工程大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP393.09

【参考文献】