蛛网态微博关系网络中用户影响力评估研究

发布时间：2017-09-27 05:40

  本文关键词：蛛网态微博关系网络中用户影响力评估研究

  更多相关文章： 微博关系网络 用户影响力 用户质量 PageRank算法

【摘要】：Web 2.0时代最显著的特点就是以用户为中心,更加注重用户的交互作用,微博就是Web 2.0时代以来出现的代表技术之一,其简单的发布流程和随意的表达方式,让用户能自由地参与网络世界的互动。因为个人价值观的不同,不同的用户会有不同的行为,对群体中其他用户的影响力也不同。微博用户影响力指微博用户在微博关系网络中对其他用户的影响能力。用户作为微博平台的核心组成部分,研究其在关系网中的影响力,有利于微博的发展,为其进一步扩展提供基础,能给不同的商业应用提供新的机会。微博关系网络是社会网络的一种,符合复杂网络的小世界现象这个基本特征。一般说来,同一个小微博关系网络中的用户之间连接比较紧密,与其他小微博关系网络的链接很稀疏。我们称以普通用户为主,用户链接没有明显的特点的小微博关系网络为姊网态微博关系网络。研宄蛛网态微博关系网络中的用户影响力的评估,不仅有利于进一步研究微博用户行为,而且有助于对微博关系网络的研宄。本文认真整理与分析现有的对微博用户影响力的研究情况,总结它们存在的不足之处,提出一种基于用户综合质量的蛛网态微博关系网络中用户影响力评估模型。我们首先研宄了微博用户质量,从微博用户特征研宄入手,分析用户的主动行为特征与被动行为特征对用户影响力的影响,根据选择的七个用户行为特征提出三个影响因素(用户活跃度、覆盖度及博文质量)来表示用户自身质量,提出用户综合质量的概念及计算方法。然后参照著名网页链接算法PageRank算法的算法思想,结合用户综合质量,提出一种蛛网态微博关系网络中用户影响力的评估方法。本文用到的实验数据集来自使用爬萌中国提供的用户数据懫集器采集的新浪微博真实用户数据。首先,按模型流程,严格对原始数据集进行预处理,比如去掉僵尸用户或沉默用户,在一定程度上保证了实验结果的质量。然后,从不同角度对数据集进行可视化分析,帮助理解用户特征对影响力的影响。最后,针对本文评估模型的实验结果与粉丝数评估方法、中心性分析方法以及传统的PageRank算法进行结果对比与分析,从理论与实践的角度说明本文所提评估模型的合理性与有效性。
【关键词】：微博关系网络 用户影响力 用户质量 PageRank算法
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要4-5
• ABSTRACT5-11
• 第一章 绪论11-18
• 1.1 研究背景及意义11-14
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12-14
• 1.2 国内外研究现状14-16
• 1.3 本文研究内容16-17
• 1.4 本文组织结构17-18
• 第二章 相关理论与技术原理18-33
• 2.1 相关理论概述18-25
• 2.1.1 微博及其发展18-20
• 2.1.2 微博关系网络20-25
• 2.1.3 微博用户影响力25
• 2.2 相关技术概述25-32
• 2.2.1 微博数据获取方法25-28
• 2.2.2 数据预处理技术28-30
• 2.2.3 PageRank算法30-32
• 2.3 本章小结32-33
• 第三章 微博用户质量分析33-40
• 3.1 微博用户及特征分析33-34
• 3.2 用户影响力因素分析34-37
• 3.2.1 用户活跃度35-36
• 3.2.2 用户覆盖度36
• 3.2.3 用户微博质量36-37
• 3.2.4 如何提高用户影响力37
• 3.3 用户综合质量计算37-38
• 3.4 僵尸用户或沉默用户及其判定38-39
• 3.5 本章小结39-40
• 第四章 基于用户质量的微博用户影响力评估模型40-46
• 4.1 基于PageRank算法的MicroblogRank算法40-42
• 4.1.1 蛛网态微博关系网络与网页链接网40-41
• 4.1.2 MicroblogRank算法41-42
• 4.2 结合用户质量的影响力评估模型UIEM-CMR42-45
• 4.2.1 UIEM-CMR评估模型的算法43-44
• 4.2.2 UIEM-CMR评估模型的特点及实现流程44-45
• 4.3 本章小结45-46
• 第五章 实验验证及结果分析46-66
• 5.1 实验环境与数据获取及预处理46-49
• 5.1.1 实验环境46
• 5.1.2 数据来源46-47
• 5.1.3 数据预处理47-49
• 5.2 用户特征分析49-52
• 5.3 僵尸用户及沉默用户的识别与剔除52-53
• 5.4 蛛网态微博关系网络构建53-55
• 5.5 UIEM-CMR模型实验与对比分析55-65
• 5.5.1 UIEM-CMR模型实验结果及分析56-60
• 5.5.2 UIEM-CMR模型与其他算法对比60-65
• 5.6 本章小结65-66
• 总结与展望66-68
• 参考文献68-72
• 攻读硕士学位期间取得的研究成果72-74
• 致谢74

【参考文献】

中国期刊全文数据库 前6条

1 张s，

本文编号：927945