节点内容和链接关系相融合的微博用户兴趣社区发现

发布时间：2016-11-16 17:17

  本文关键词：节点内容和链接关系相融合的微博用户兴趣社区发现，由笔耕文化传播整理发布。

《北京信息科技大学》 2015年

节点内容和链接关系相融合的微博用户兴趣社区发现

樊梦佳  

【摘要】：随着互联网技术的飞速发展,社交网络的模式也从以往的真实网络转变成为了互联网上的虚拟网络。微博作为一种新兴的社交网络,其内容短小、发布时间快和形式多种多样的特点正好迎合了现在人们对于信息获取实时、便捷的需求,受到了人们的热烈追捧。对社交网络进行分析,发现社交网络中的社区结构对网络划分、好友推荐和微博营销等具有十分重要的意义。传统的社区发现方法一般将新兴的微博社交网络与传统社交网络等同看待,忽略了个体所具有的属性信息。在微博网络中,用户一般依据兴趣爱好进行信息的浏览与获取,所以用户的微博信息、关注信息、甚至是用户的基本信息都是用户兴趣的体现。俗话说,“人以类聚,物以群分”,如果可以发现拥有共同兴趣的用户群体,那么对于好友推荐和微博营销等就提供了新的切入点与研究方向。本文将根据微博网络所具有的特点,结合传统的社区发现方法,对微博用户兴趣社区发现的方法进行研究,主要的研究工作包括以下几个方面:(1)新浪微博数据获取方法研究采用了一种基于WebBrowser控件的方法实现微博数据获取。通过模拟用户登录,分别从用户的微博信息页面、关注页面和粉丝页面进行了数据爬取,再利用正则表达式进行数据匹配,获得本文所需数据。(2)微博意见领袖挖掘方法研究提出了一种利用微博属性信息和关注信息的意见领袖挖掘方法。通过分析微博用户的特点,分别构建了基于用户属性信息的初始影响力计算模型和基于用户关注关系的影响力扩散模型,并给出了用户影响力的定量化计算方法。并通过阈值分析,确定了最终意见领袖用户。(3)基于用户内容的兴趣社区发现方法研究提出了一种基于K-means聚类算法的兴趣社区发现方法。通过分析意见领袖和普通微博用户的不同特点,分别构建了意见领袖兴趣发现模型和普通微博用户兴趣发现模型。在获取的用户兴趣信息的基础上,利用K-means聚类算法实现兴趣社区的发现。(4)基于链接关系的社区发现方法研究提出了一种基于聚集系数的局部社区发现算法。通过分析复杂网络的结构特点,定义了点聚集度的概念,通过分析节点之间的点聚集系数、边聚集系数等概念对节点进行群体的划分,最终实现社区发现。(5)微博用户兴趣社区发现系统设计与实现采用windows窗体应用程序实现了微博用户兴趣社区发现系统平台的整体设计与实现。介绍了系统的整体框架设计和各子模块的功能实现。在所构建的系统平台基础上,通过实验,验证了以上所提方法的有效性。

【关键词】：
【学位授予单位】：北京信息科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 辛宇;杨静;谢志强;;基于随机游走的语义重叠社区发现算法[J];计算机研究与发展;2015年02期

2 吴岘辉;张晖;杨春明;李波;赵旭剑;;一种话题相关的微博意见领袖挖掘算法[J];小型微型计算机系统;2014年10期

3 辛宇;杨静;谢志强;;基于标签传播的语义重叠社区发现算法[J];自动化学报;2014年10期

4 李佳;肖基毅;吴霖;;基于微博的用户社区网络挖掘分析[J];电脑知识与技术;2014年16期

5 索勃;李战怀;陈群;王忠;;基于信息流动分析的动态社区发现方法[J];软件学报;2014年03期

6 邱云飞;王琳颍;邵良杉;郭红梅;;基于微博短文本的用户兴趣建模方法[J];计算机工程;2014年02期

7 宋巍;张宇;谢毓彬;刘挺;李生;都云程;;基于微博分类的用户兴趣识别[J];智能计算机与应用;2013年04期

8 何翔;顾春华;丁军;;基于微博的主题社区发现[J];计算机应用与软件;2013年06期

9 黄发良;张师超;朱晓峰;;基于多目标优化的网络社区发现方法[J];软件学报;2013年09期

10 冯时;景珊;杨卓;王大玲;;基于LDA模型的中文微博话题意见领袖挖掘[J];东北大学学报(自然科学版);2013年04期

【共引文献】

中国期刊全文数据库 前10条

1 贺超波;汤庸;杨阿祧;赵淦森;刘海;黄昌勤;;基于分布式非负矩阵分解的大规模主题社区挖掘[J];中国科学:信息科学;2016年06期

2 毛天铭;关鹏;皮德常;;一种改进拓扑势的意见领袖挖掘算法[J];计算机科学;2016年06期

3 刘绍毓;席耀一;李弼程;唐永旺;陈刚;;无监督实体关系触发词词典自动构建[J];计算机应用与软件;2016年05期

4 王东;孙彬;;情绪波动方程下微信息推介演变模型[J];沈阳工业大学学报;2016年04期

5 张磊;马静;李丹丹;沈洋;;语义社会网络的超网络模型构建及关键节点自动化识别方法研究[J];现代图书情报技术;2016年03期

6 金超;张龙波;王海鹏;安建瑞;怀浩;王晓丹;;一种基于结构相似性的图聚类算法[J];计算机与现代化;2016年03期

7 王祎珺;张晖;李波;杨春明;赵旭剑;;一种基于话题演化的意见领袖发现方法[J];山东大学学报(工学版);2016年02期

8 任艳;;微信息大数据粗糙集的近似约简[J];沈阳工业大学学报;2016年03期

9 张钰;吕冰;陈春燕;赵洪科;刘玉文;;网络小额贷款平台产品多维度分析与全局推荐[J];小型微型计算机系统;2016年02期

10 樊梦佳;钮艳;杜翠兰;张仰森;;一种基于聚集系数的社区发现算法[J];计算机工程与科学;2016年02期

【二级参考文献】

中国期刊全文数据库 前10条

1 冯时;景珊;杨卓;王大玲;;基于LDA模型的中文微博话题意见领袖挖掘[J];东北大学学报(自然科学版);2013年04期

2 尹衍腾;李学明;蔡孟松;;基于用户关系与属性的微博意见领袖挖掘方法[J];计算机工程;2013年04期

3 樊兴华;赵静;方滨兴;李欲晓;;影响力扩散概率模型及其用于意见领袖发现研究[J];计算机学报;2013年02期

4 赵岩露;王晶;沈奇威;;基于特征分析的微博用户兴趣发现算法[J];电信工程技术与标准化;2012年11期

5 杨博;刘杰;刘大有;;基于随机网络集成模型的广义网络社区挖掘算法[J];自动化学报;2012年05期

6 金弟;杨博;刘杰;刘大有;何东晓;;复杂网络簇结构探测——基于随机游走的蚁群算法[J];软件学报;2012年03期

7 袁园;孙霄凌;朱庆华;;微博用户关注兴趣的社会网络分析[J];现代图书情报技术;2012年02期

8 林友芳;王天宇;唐锐;周元炜;黄厚宽;;一种有效的社会网络社区发现模型和算法[J];计算机研究与发展;2012年02期

9 何黎;何跃;霍叶青;;微博用户特征分析和核心用户挖掘[J];情报理论与实践;2011年11期

10 祝帅;郑小林;陈德人;;论坛中的意见领袖自动发现算法研究[J];系统工程理论与实践;2011年S2期

【相似文献】

中国期刊全文数据库 前10条

1 王杰;使图像的编辑更加容易[J];中文信息;1998年Z1期

2 王波,姚敏;基于信息抽取的匿名用户兴趣描述[J];华南理工大学学报(自然科学版);2004年S1期

3 董全德;;用户兴趣迁移模式与个性化服务[J];电脑知识与技术(学术交流);2007年17期

4 郑运刚;马建国;;基于分类的用户兴趣漂移模型[J];情报杂志;2008年01期

5 张涛;;基于浏览历史的用户兴趣提取模型[J];软件导刊;2009年06期

6 杨杰;陈恩红;;面向个性化服务的用户兴趣偏移检测及处理方法[J];电子技术;2009年11期

7 陈圣兵;李龙澍;纪霞;;多层次用户兴趣模式的动态捕捉[J];计算机工程与应用;2009年36期

8 郑晓健;庞淑英;何英;;一种面向主题的用户兴趣挖掘模型研究[J];昆明学院学报;2010年03期

9 花青松;刘海峰;胡铮;;基于基尼系数的用户兴趣分布模式度量方法[J];计算机工程;2012年22期

10 孙雨生;刘伟;仇蓉蓉;黄传慧;;国内用户兴趣建模研究进展[J];情报杂志;2013年05期

中国重要会议论文全文数据库 前7条

1 赵琦;骆志刚;田文颖;李聪;丁凡;;一种基于负反馈信息的用户兴趣模型修正方法[A];中国通信学会第六届学术年会论文集（下）[C];2009年

2 孙静;郭奇;张志强;冯建华;;一种基于面向领域检索系统的用户兴趣获取方法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

3 孙铁利;教巍巍;;基于马尔科夫模型的用户兴趣导航模型系统(英文)[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

4 廖祝华;刘建勋;易爱平;;基于用户兴趣的Web服务发现[A];2006年全国开放式分布与并行计算机学术会议论文集（三）[C];2006年

5 李晓黎;史忠植;梁永全;刘福桃;;INTERNET网上一种识别用户兴趣的学习方法[A];第十六届全国数据库学术会议论文集[C];1999年

6 田萱;杜小勇;;基于SAM模型的用户兴趣表示研究[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

7 王勇;刘奕群;张敏;马少平;茹立云;;基于用户兴趣分析的网页生命周期建模(英文)[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

中国重要报纸全文数据库 前1条

1 中国科学院计算技术研究所 王 斌;[N];计算机世界;2004年

中国博士学位论文全文数据库 前8条

1 张召;在线论坛用户兴趣图谱发现与个性化信息推荐[D];华东师范大学;2012年

2 刘淇;基于用户兴趣建模的推荐方法及应用研究[D];中国科学技术大学;2013年

3 郭岩;网络日志中用户兴趣的挖掘及利用[D];中国科学院研究生院（计算技术研究所）;2004年

4 吴丽辉;个性化的Web信息采集技术研究[D];中国科学院研究生院（计算技术研究所）;2005年

5 谢兴;社会网络中兴趣发现与信息组织的研究[D];复旦大学;2011年

6 李东胜;基于兴趣与保护隐私的在线社区推荐技术研究[D];复旦大学;2012年

7 陈浩;Web搜索的用户兴趣与智能优化研究[D];中南大学;2012年

8 姜邵巍;基于竞争关系的推荐技术研究[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前10条

1 梁润庭(Runting Leung);面向微博用户的兴趣识别算法的研究与实现[D];西南交通大学;2015年

2 崔瑞飞;微博兴趣社区发现及其热议话题检测技术研究[D];解放军信息工程大学;2014年

3 于岩;基于用户影响力的用户兴趣建模方法研究[D];解放军信息工程大学;2015年

4 米鹏;面向社区用户的推荐策略研究[D];北方工业大学;2016年

5 樊梦佳;节点内容和链接关系相融合的微博用户兴趣社区发现[D];北京信息科技大学;2015年

6 蒋萍;基于用户兴趣挖掘的个性化模型研究与设计[D];苏州大学;2005年

7 兰杨;移动个性化信息服务中用户兴趣建模的研究[D];电子科技大学;2009年

8 孙威;微博用户兴趣挖掘与建模研究[D];大连理工大学;2012年

9 王广新;基于微博的用户兴趣分析与个性化信息推荐[D];上海交通大学;2013年

10 李致;知识库系统中的用户兴趣挖掘与推荐[D];北京交通大学;2013年

  本文关键词：节点内容和链接关系相融合的微博用户兴趣社区发现，，由笔耕文化传播整理发布。

本文编号：177438