基于用戶特征分析的微博意見領(lǐng)袖挖掘研究.pdf

1、基于用戶特征分析的微博意見領(lǐng)袖挖掘研究重慶大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)學(xué)生姓名：尹衍騰指導(dǎo)教師：李學(xué)明教授專業(yè)：計算機(jī)軟件與理論學(xué)科門類：工學(xué)重慶大學(xué)計算機(jī)學(xué)院二O一三年四月重慶大學(xué)碩士學(xué)位論文中文摘要I摘要隨著互聯(lián)網(wǎng)的廣泛使用，論壇、微博等多種網(wǎng)絡(luò)應(yīng)用作為一種在線交流方式深入到人們?nèi)粘Ｉ町?dāng)中，這些網(wǎng)絡(luò)交流媒介會使得信息在幾小時甚至幾分鐘內(nèi)得到廣泛的傳播，如果不對這種瞬間傳播進(jìn)行有效地控制，一旦爆發(fā)了對社會或經(jīng)濟(jì)有影響的新聞或言論，就

2、會覆水難收。因此在消息得到極大傳播之前就要加以制約和控制，那么在網(wǎng)絡(luò)中占據(jù)信息流動的主導(dǎo)地位、并且極具權(quán)威性的意見領(lǐng)袖的發(fā)現(xiàn)和監(jiān)控就顯得十分重要了。目前對于意見領(lǐng)袖的挖掘方法主要有統(tǒng)計學(xué)方法、聚類分析法、網(wǎng)絡(luò)結(jié)構(gòu)分析法等。其中聚類算法著重考慮用戶重要度、活躍度等用戶自身屬性，網(wǎng)絡(luò)結(jié)構(gòu)分析法多偏向于考慮用戶之間的關(guān)系，這兩種方法都能達(dá)到比單純統(tǒng)計的方法更加有效的挖掘效果，但兩者都相對獨立，考慮因素不全面，導(dǎo)致挖掘結(jié)果有偏差。本文針對后兩種

3、挖掘方法，結(jié)合用戶的屬性和用戶間的關(guān)聯(lián)性，并對現(xiàn)有方法進(jìn)行了改進(jìn)，還對意見領(lǐng)袖做了其他擴(kuò)展性研究比如主題相關(guān)性與情感分析等。本文闡述了當(dāng)前微博意見領(lǐng)袖的概念及國內(nèi)外研究的現(xiàn)狀，理論上分析了用戶屬性和用戶關(guān)系兩者的側(cè)重點，綜合現(xiàn)有方法并結(jié)合IKCCSA算法在意見領(lǐng)袖挖掘上的優(yōu)點，提出了一種新的概念和挖掘方法——用戶特征分析方法，并且在騰訊微博數(shù)據(jù)集上進(jìn)行了驗證，發(fā)現(xiàn)本文的方法更加準(zhǔn)確有效。本文主要的研究成果總結(jié)如下：①本文充分考慮了用戶的

4、自身屬性和用戶的關(guān)聯(lián)性，提出了基于用戶特征分析的微博意見領(lǐng)袖挖掘方法，并且對算法做了對比實驗和相關(guān)驗證性實驗。②針對屬性的聚類，Kmeans系列算法初始簇難以確定的問題，借鑒IKCCSA算法，提出了改進(jìn)算法Dmeans，通過對密度的排序和梯度點概念的描述，得到更準(zhǔn)確的初始簇中心，并且在微博挖掘?qū)嶒炛序炞C了它的合理性。③在基于用戶關(guān)系挖掘中，考慮了小世界網(wǎng)路中節(jié)點距離和聚集系數(shù)的關(guān)系，提出用戶中心權(quán)威性Centrality概念，一定程度上