基于关系分析的微博用户影响力研究
发布时间：2021-01-06 17:54
随着社交网络的发展,社交应用成为信息传播共享的重要平台。社交应用中用户发布的信息涉及多个领域,对各个行业产生了一定的影响。因而评价用户影响力在信息传播、商业营销等方面有重要意义。目前很多国内外研究者对社交网络用户影响力进行研究,但是大量数据的处理和复杂的网络结构分析成为影响力研究的关键。针对上述问题,本文基于用户关系分析从传播影响力和结构影响力两个层面对微博用户影响力进行了研究。本文主要研究内容如下:在用户传播影响力方面,针对用户数据处理问题,提出一种基于激活转发关系的传播影响力排名算法,过滤网络中的非影响力用户。应用随机森林分类模型对用户间的激活转发状态进行预测,并根据独立级联模型的原理对网络中用户激活并过滤,构建新的激活网络,计算网络中用户的激活能力,对用户激活能力进行排名。实验表明,与相关影响力排名算法相比,本文提出的算法能够降低影响力用户排名的时间,提高排名效率。在结构影响力方面,针对复杂网络结构问题,提出一种基于用户关系的改进PageRank算法,改进了 PageRank算法的权值划分问题。划分策略采用机器学习支持向量回归算法对用户关系进行预测,通过用户关系的紧密程度改进转移...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图２－１用户注册数量分布图??本研究不仅对注册用户分布进行了统计，还对这部分用户发布的信息进行了??统计和分析
?时间跨度为５０个月，而且数量随着时间的推进呈上涨的趋势。发布数量在不同??时间段内的分布情况如图２－２所示。由于微博平台中信息具有时效性，因此距离??获取时间越近的信息更有研究价值。从图２－２中可以看出信息大部分分布在后５??个月，而前期发布数量相对较少。??ｃｏｍｔ??■??｜３??６．?■０??１?■??〇．?？１？?．１１?．ｌｌＬｌ．ｌｌｌｌｉｌｌｌｌｌｌ??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?嘗?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??ＣＮｍｉＯＣＯｒ、ＣＤＣ７）ｔ—ＣＤ?卜￣?００〇■）■＇—０＾００１１０??Ｉ?＇?Ｔ?＇?ｔｉｌｌ?＇?ｔｉｌｌ?Ｉ?ＩＩＩ?Ｉ?＊?．?＇?．?ＩＩ?ＩＩＩ?ＩＩＩ?ｆ?Ｉ?Ｉ?Ｉ?Ｉ??ＯＴｌ＾ＬＴＪ＿＇＾＾－＾ＣＮｃ＜ｊＣ＾ｒＭＣ＇ＪＣＭＣＮＣＭＣＭＣＭＣＮＣ０（Ｙ！）ＣＴ！）ＣＹ！ｊＣ０Ｃｒ）００Ｃ０?００Ｃ０Ｃ０?００?＾ｒ－＾ｒ＇＝３－－＾－＾??Ｓ５〇〇ｇＲＳＳ５〇５〇５〇〇〇〇〇〇〇〇５５〇〇〇〇〇〇〇〇〇〇〇〇??ｎａｍｅ??图２－２用户发布数量分布图??用户之间的关注关系呈现一种多极聚集关系，如图２－３所示。图２－３中点表??示用户，点与点之间的连接边为用户之间的关注关系。图中显示的是部分用户的??关注关系网，可以看出用户呈现一种聚集状态。在网络中会有大量的用户关注同??一个用户
?时间跨度为５０个月，而且数量随着时间的推进呈上涨的趋势。发布数量在不同??时间段内的分布情况如图２－２所示。由于微博平台中信息具有时效性，因此距离??获取时间越近的信息更有研究价值。从图２－２中可以看出信息大部分分布在后５??个月，而前期发布数量相对较少。??ｃｏｍｔ??■??｜３??６．?■０??１?■??〇．?？１？?．１１?．ｌｌＬｌ．ｌｌｌｌｉｌｌｌｌｌｌ??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?嘗?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??ＣＮｍｉＯＣＯｒ、ＣＤＣ７）ｔ—ＣＤ?卜￣?００〇■）■＇—０＾００１１０??Ｉ?＇?Ｔ?＇?ｔｉｌｌ?＇?ｔｉｌｌ?Ｉ?ＩＩＩ?Ｉ?＊?．?＇?．?ＩＩ?ＩＩＩ?ＩＩＩ?ｆ?Ｉ?Ｉ?Ｉ?Ｉ??ＯＴｌ＾ＬＴＪ＿＇＾＾－＾ＣＮｃ＜ｊＣ＾ｒＭＣ＇ＪＣＭＣＮＣＭＣＭＣＭＣＮＣ０（Ｙ！）ＣＴ！）ＣＹ！ｊＣ０Ｃｒ）００Ｃ０?００Ｃ０Ｃ０?００?＾ｒ－＾ｒ＇＝３－－＾－＾??Ｓ５〇〇ｇＲＳＳ５〇５〇５〇〇〇〇〇〇〇〇５５〇〇〇〇〇〇〇〇〇〇〇〇??ｎａｍｅ??图２－２用户发布数量分布图??用户之间的关注关系呈现一种多极聚集关系，如图２－３所示。图２－３中点表??示用户，点与点之间的连接边为用户之间的关注关系。图中显示的是部分用户的??关注关系网，可以看出用户呈现一种聚集状态。在网络中会有大量的用户关注同??一个用户
【参考文献】：
期刊论文
[1]微博中用户标签的研究[J]. 邢千里,刘列,刘奕群,张敏,马少平. 软件学报. 2015(07)
[2]基于领域划分的微博用户影响力分析[J]. 刘金龙,吴斌,陈震,沈崇玮. 计算机科学. 2015(05)
[3]基于用户行为的微博用户社会影响力分析[J]. 毛佳昕,刘奕群,张敏,马少平. 计算机学报. 2014(04)
[4]新浪微博网信息传播分析与预测[J]. 曹玖新,吴江林,石伟,刘波,郑啸,罗军舟. 计算机学报. 2014(04)
[5]微博中基于多关系网络的话题层次影响力分析[J]. 丁兆云,周斌,贾焰,张鲁民. 计算机研究与发展. 2013(10)
[6]基于PageRank的社交网络影响最大化传播模型与算法研究[J]. 宫秀文,张佩云. 计算机科学. 2013(S1)
[7]基于个人属性特征的微博用户影响力分析[J]. 马俊,周刚,许斌,黄永忠. 计算机应用研究. 2013(08)
硕士论文
[1]基于相关系数矩阵的网络异常行为分析方法研究[D]. 陈郁.华中科技大学 2009
本文编号：2961001
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
图２－１用户注册数量分布图??本研究不仅对注册用户分布进行了统计，还对这部分用户发布的信息进行了??统计和分析
?时间跨度为５０个月，而且数量随着时间的推进呈上涨的趋势。发布数量在不同??时间段内的分布情况如图２－２所示。由于微博平台中信息具有时效性，因此距离??获取时间越近的信息更有研究价值。从图２－２中可以看出信息大部分分布在后５??个月，而前期发布数量相对较少。??ｃｏｍｔ??■??｜３??６．?■０??１?■??〇．?？１？?．１１?．ｌｌＬｌ．ｌｌｌｌｉｌｌｌｌｌｌ??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?嘗?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??ＣＮｍｉＯＣＯｒ、ＣＤＣ７）ｔ—ＣＤ?卜￣?００〇■）■＇—０＾００１１０??Ｉ?＇?Ｔ?＇?ｔｉｌｌ?＇?ｔｉｌｌ?Ｉ?ＩＩＩ?Ｉ?＊?．?＇?．?ＩＩ?ＩＩＩ?ＩＩＩ?ｆ?Ｉ?Ｉ?Ｉ?Ｉ??ＯＴｌ＾ＬＴＪ＿＇＾＾－＾ＣＮｃ＜ｊＣ＾ｒＭＣ＇ＪＣＭＣＮＣＭＣＭＣＭＣＮＣ０（Ｙ！）ＣＴ！）ＣＹ！ｊＣ０Ｃｒ）００Ｃ０?００Ｃ０Ｃ０?００?＾ｒ－＾ｒ＇＝３－－＾－＾??Ｓ５〇〇ｇＲＳＳ５〇５〇５〇〇〇〇〇〇〇〇５５〇〇〇〇〇〇〇〇〇〇〇〇??ｎａｍｅ??图２－２用户发布数量分布图??用户之间的关注关系呈现一种多极聚集关系，如图２－３所示。图２－３中点表??示用户，点与点之间的连接边为用户之间的关注关系。图中显示的是部分用户的??关注关系网，可以看出用户呈现一种聚集状态。在网络中会有大量的用户关注同??一个用户
?时间跨度为５０个月，而且数量随着时间的推进呈上涨的趋势。发布数量在不同??时间段内的分布情况如图２－２所示。由于微博平台中信息具有时效性，因此距离??获取时间越近的信息更有研究价值。从图２－２中可以看出信息大部分分布在后５??个月，而前期发布数量相对较少。??ｃｏｍｔ??■??｜３??６．?■０??１?■??〇．?？１？?．１１?．ｌｌＬｌ．ｌｌｌｌｉｌｌｌｌｌｌ??Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?■?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?嘗?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ?Ｉ??ＣＮｍｉＯＣＯｒ、ＣＤＣ７）ｔ—ＣＤ?卜￣?００〇■）■＇—０＾００１１０??Ｉ?＇?Ｔ?＇?ｔｉｌｌ?＇?ｔｉｌｌ?Ｉ?ＩＩＩ?Ｉ?＊?．?＇?．?ＩＩ?ＩＩＩ?ＩＩＩ?ｆ?Ｉ?Ｉ?Ｉ?Ｉ??ＯＴｌ＾ＬＴＪ＿＇＾＾－＾ＣＮｃ＜ｊＣ＾ｒＭＣ＇ＪＣＭＣＮＣＭＣＭＣＭＣＮＣ０（Ｙ！）ＣＴ！）ＣＹ！ｊＣ０Ｃｒ）００Ｃ０?００Ｃ０Ｃ０?００?＾ｒ－＾ｒ＇＝３－－＾－＾??Ｓ５〇〇ｇＲＳＳ５〇５〇５〇〇〇〇〇〇〇〇５５〇〇〇〇〇〇〇〇〇〇〇〇??ｎａｍｅ??图２－２用户发布数量分布图??用户之间的关注关系呈现一种多极聚集关系，如图２－３所示。图２－３中点表??示用户，点与点之间的连接边为用户之间的关注关系。图中显示的是部分用户的??关注关系网，可以看出用户呈现一种聚集状态。在网络中会有大量的用户关注同??一个用户
【参考文献】：
期刊论文
[1]微博中用户标签的研究[J]. 邢千里,刘列,刘奕群,张敏,马少平. 软件学报. 2015(07)
[2]基于领域划分的微博用户影响力分析[J]. 刘金龙,吴斌,陈震,沈崇玮. 计算机科学. 2015(05)
[3]基于用户行为的微博用户社会影响力分析[J]. 毛佳昕,刘奕群,张敏,马少平. 计算机学报. 2014(04)
[4]新浪微博网信息传播分析与预测[J]. 曹玖新,吴江林,石伟,刘波,郑啸,罗军舟. 计算机学报. 2014(04)
[5]微博中基于多关系网络的话题层次影响力分析[J]. 丁兆云,周斌,贾焰,张鲁民. 计算机研究与发展. 2013(10)
[6]基于PageRank的社交网络影响最大化传播模型与算法研究[J]. 宫秀文,张佩云. 计算机科学. 2013(S1)
[7]基于个人属性特征的微博用户影响力分析[J]. 马俊,周刚,许斌,黄永忠. 计算机应用研究. 2013(08)
硕士论文
[1]基于相关系数矩阵的网络异常行为分析方法研究[D]. 陈郁.华中科技大学 2009
本文编号：2961001
本文链接：https://www.wllwen.com/guanlilunwen/ydhl/2961001.html
