社交网络中基于两阶段的意见领袖挖掘及其信息传播模型研究

发布时间：2022-12-23 08:13

　　当前社交网络已经成为人们进行信息交互的重要平台,在参与社交网络活动的用户中,有少部分用户在网络世界中受到更多其他人的认同与追捧,本文称这部分用户为社交网络中的意见领袖。意见领袖能够在信息交互的过程中对其他用户产生思想或行为上的影响,在信息传播过程、舆论引导和监督等研究中发挥了重要的作用。因此,社交网络中的意见领袖挖掘已经成为社交网络分析的重要组成部分。社交网络中意见领袖的比例较小,但大多数意见领袖挖掘方法都需要评估全网中每个用户成为意见领袖的可能性,导致算法的计算复杂度较高。另外,在社交网络中意见领袖往往比普通用户更容易扩散信息,而当前的信息传播模型常忽略用户角色的不同对信息传播过程的影响,造成信息扩散预测结果的偏差。针对上述问题,本文提出了一种基于两阶段的意见领袖挖掘算法和一种基于用户角色的线性阈值传播模型,以及相关的计算方法与理论。论文的主要工作包括:（1）提出一种基于两阶段的意见领袖挖掘算法。将意见领袖识别的过程分为两个阶段:聚类和排序。在聚类阶段,从社交网络拓扑结构上分析出能充分表现意见领袖特征的拓扑属性,使用K-means算法对用户的拓扑属性进行聚类。并选择满足意见领袖条件的... 

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 用户影响力分析
        1.2.2 意见领袖挖掘
        1.2.3 信息传播模型
    1.3 本文主要研究内容
    1.4 本文的组织架构
第2章 相关技术和理论
    2.1 常用的意见领袖挖掘技术
    2.2 本文框架
    2.3 相关定义
        2.3.1 社交网络建模
        2.3.2 意见领袖定义
    2.4 相关基础技术
        2.4.1 K-means聚类
        2.4.2 线性阈值模型
    2.5 本章小结
第3章 基于两阶段的意见领袖挖掘算法
    3.1 基于两阶段的意见领袖挖掘算法概述
    3.2 候选意见领袖集的选择
        3.2.1 意见领袖的拓扑属性特征提取
        3.2.2 聚类获得候选意见领袖集
    3.3 候选意见领袖集中的意见领袖挖掘
        3.3.1 用户行为分析
        3.3.2 意见领袖挖掘
    3.4 本章小结
第4章 基于用户角色的线性阈值模型
    4.1 基于用户角色的线性阈值模型概述
    4.2 用户相对重要性计算
    4.3 用户影响权重的确定
    4.4 基于用户角色的线性阈值模型算法
    4.5 本章小结
第5章 仿真实验
    5.1 实验环境简介
    5.2 数据集概述
    5.3意见领袖挖掘算法仿真实验
        5.3.1 对比算法
        5.3.2 评价标准
        5.3.3 仿真过程
        5.3.4 结果分析
    5.4 信息传播模型仿真
        5.4.1 对比算法和评价标准
        5.4.2 实验结果及分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
攻读学位期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]基于情感倾向性分析的微博意见领袖识别模型[J]. 陈志雄,王时绘,高榕.  计算机科学. 2018(05)
[2]基于多特征信息传播模型的微博意见领袖挖掘[J]. 张米,张晖,杨春明,李波,赵旭剑.  中文信息学报. 2018(02)
[3]一种面向主题耦合的影响力最大化算法[J]. 吕文渊,周丽华,廖仁建.  计算机科学. 2017(12)
[4]基于内容和信任度的舆情扩散研究[J]. 陈振春,刘学军,李斌.  计算机应用与软件. 2017(10)
[5]一种基于节点影响力的信息传播概率算法[J]. 张永,和凯.  计算机工程与应用. 2018(10)
[6]基于用户聚类的社交网络影响力最大化传播模型[J]. 曾燕清,陈志德,李翔宇.  软件. 2017(05)
[7]社交网络用户影响力分析ABP算法研究与应用[J]. 张晓双,夏群峰,刘渊,徐雁飞.  计算机工程与科学. 2017(03)
[8]基于多标签传播的社交网络用户影响力评估[J]. 许为,林柏钢,林思娟,杨旸.  计算机科学. 2016(10)
[9]一种社交网络用户领导者挖掘算法[J]. 宋倩倩,张波,胡斯卉,徐倩,彭如香.  上海师范大学学报(自然科学版). 2016(05)
[10]基于LT+模型的社交网络影响力最大化研究[J]. 蔡国永,裴广战.  计算机科学. 2016(09)



本文编号：3725073