社交媒体中用户影响力挖掘

发布时间：2021-10-31 22:45

　　近年来,影响力分析已经成为社交媒体（social media）挖掘中的重要研究课题之一。社交媒体使得网民可以随时随地与他人沟通和交流,对社交媒体中的影响力挖掘展开分析有利于推动社交影响力在信息传播、推荐系统、链路预测、专家发现等领域的应用。但是,随着社交媒体的普及,各种应用的要求在不断提高、同一用户经常出现在多个社交媒体中以及团体影响力挖掘成为一个新兴的问题,现有的研究成果难以满足这些应用的需要。本文进一步探索这一重要课题中的若干问题,主要讨论如何度量社交媒体中用户之间的距离以及如何建模和表示社交媒体中的个体以及团体的社交影响力。具体工作和创新点如下:1.联合度量学习和Boosting的自适应用户距离度量算法为了建模和度量多个社交媒体中的用户距离,尝试综合考虑用户特征、链接信息和网络拓扑结构,同时利用不同社交媒体中用户的个体属性和他所在的网络结构,以解决单个社交媒体中的数据稀疏性问题。利用距离度量学习算法思想构建了一个度量学习模型,提出了一种基于度量学习和Boosting框架的自适应度量学习算法。该算法能从相关的社交媒体中学习相关知识以帮助社交媒体的嵌入特征空间中的距离度量学习,并采用... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：135 页

【学位级别】：博士

【部分图文】：

社交媒体的度分布

户现在正在热衷于多种在线社交媒体（例如，Facebook、户为了满足自己不同的社交需求，会加入多个不同的社会具有几个不同网络的身份，因为这些单个网络都不能是相互补充的。如图 1.2 所示，一个用户同时加入了五不同的个人行为，并且很可能在同一时间表现出他的一k 与他们的朋友沟通，但在 Twitter 上发布他们的实时信他人上传的视频。在多个社交媒体中，每个单独的社交行为和关系。例如，Facebook 上的友谊关系反映了用户 上的联系人信息则反映了用户对视频的常见偏好。为了需要对多个网络的共享用户进行匹配，这些共享用户被户。用锚链接表示一个锚用户的多个账号直接的关系。k、Twitter 或者 Tencent 帐户来登录网络的功能,通过这配。我们知道用户倾向于根据自己的兴趣建立社会关系用户的行为可以从他/她的邻居推断出来。如果一个用户多数朋友已经看过这部电影或正在谈论这部电影。

南京航空航天大学博士学位论文构节点（HeterogeneousNodes）[13]。社交媒体包含多种不同类型地链接和对象，由于这些链接类型是不同的所以它们表示着所连接的对象之间的某种特定的关系。所以说社交媒体是混合信息共享的异构的信息网络, 除了用户结点外社交媒体中还包括博文、视频、图片、地点等实体和属性。例如，豆瓣网（Douban）就是一个典型的社交媒体网站，其中包括多种不同的对象类型（用户、电影及其预告视频、音乐、书籍、参与人、标签等对象）。在豆瓣中，用标签来描述其所表示的内容信息,参与人表示与标签相关的用户，例如，某部电影的演员、某个歌曲的歌手某本书的作者。所以说对于任何一个标签都有许多与标签和参与人相连的链接；对用户而言，用户与他/她喜欢的物品具有相连的链接；同样的道理，用户与他/她的朋友也有相链的链接。图 1.3（a）所示是 Foursquare 网络中的用户信息，具有典型的异构性，它的网络属性信息包含时间戳、文本属性和签到地点。图 1.3（b）是 Foursquare 中用户根据时间戳构成的关联关系，图 1.3（b）是 Foursquare 中用户根据文本属性构成的关联关系，图 1.3（d）是 Foursquare 中用户根据地点签到属性构成的关联关系。因此，如果一个社交媒体中包含异构结点或存在多种关联关系，都可以称它们为异构社交媒体（HeterogeneousSocial Media）。

【参考文献】：
期刊论文
[1]在线社交网络影响力分析[J]. 吴信东,李毅,李磊.  计算机学报. 2014(04)
[2]信任传播与信任关系发现方法[J]. 郎波,高昊,陈凯.  计算机科学与探索. 2011(11)
[3]计算广告:以数据为核心的Web综合应用[J]. 周傲英,周敏奇,宫学庆.  计算机学报. 2011(10)
[4]互联网推荐系统比较研究[J]. 许海玲,吴潇,李晓东,阎保平.  软件学报. 2009(02)
[5]多文档自动文摘综述[J]. 秦兵,刘挺,李生.  中文信息学报. 2005(06)
[6]基于统计的网页正文信息抽取方法的研究[J]. 孙承杰,关毅.  中文信息学报. 2004(05)



本文编号：3469002