在线社交网络中用户间影响力量化研究

发布时间：2022-02-25 21:35

　　近年来，由于大型在线社交网络的爆炸式增长，产生了大量的应用，最显著的应用是病毒营销。其中的核心问题是如何量化在线社交网络中的用户的影响力。主要的方法将用户影响力的量化过程分解成两个阶段，第一阶段对用户间影响力进行量化，第二阶段基于用户间影响力量化用户的影响力。本文将主要研究用户间影响力量化模型。现有的用户间影响力量化模型主要针对传统的社交网络，因此并不适用于在线社交网络。虽然研究者也提出了针对在线社交网络的用户间影响力量化模型，但这些模型本身存在着缺陷，可能会导致不准确的量化结果。由于用户间影响力量化是整个应用的基础，将直接影响最终应用的效果，因此需要能够准确量化在线社交网络用户间影响力的模型。本文主要基于微博平台，将用户间的影响力定义为转发概率。本文首先从理论上推导了现有的均匀模型和极大似然模型，并分析了它们存在的问题。随后通过对真实数据集的分析来验证了理论分析的结果。在此基础之上，本文通过引入贝叶斯概率的理论和虚拟转发的概念来修正现有模型，提出了贝叶斯用户间影响力量化模型。最终，本文证明均匀模型与极大似然模型都是贝叶斯模型的特例。本文的实验部分通过直接和间接的方法来验证模型的理论。... 

【文章来源】：上海交通大学上海市211工程院校985工程院校教育部直属院校

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
目录
表格索引
插图索引
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 本文组织结构
第二章 社交网络用户影响力量化
    2.1 用户影响力的直接量化方法
    2.2 用户影响力的间接量化方法
        2.2.1 用户间影响力与用户影响力
        2.2.2 用户影响力量化算法
        2.2.3 传统社交网络中用户间影响力量化模型
    2.3 在线社交网络的用户间影响力量化模型
        2.3.1 基于关系信息的用户间影响力量化模型
        2.3.2 基于转发信息的用户间影响力量化模型
第三章 数据与分析
    3.1 微博平台介绍
    3.2 微博数据抓取
        3.2.1 新浪微博开放平台简介
        3.2.2 新浪微博数据抓取
    3.3 微博数据集分析
第四章 贝叶斯用户间影响力量化模型
    4.1 概念与问题
    4.2 频率派与贝叶斯派
    4.3 均匀模型与极大似然模型的不足
    4.4 贝叶斯用户间影响力量化模型
        4.4.1 先验概率
        4.4.2 似然函数
        4.4.3 后验概率
    4.5 模型间的关系
    4.6 总结
第五章 实验验证
    5.1 实验介绍
    5.2 准确性验证
        5.2.1 实验设置
        5.2.2 实验结果与分析
    5.3 相关性验证
        5.3.1 排名分析
        5.3.2 模型的相关性
        5.3.3 先验参数
    5.4 总结
第六章 总结与展望
参考文献
致谢
攻读学位期间发表的学术论文目录



本文编号：3643927