基于主題和結(jié)構(gòu)的微博社區(qū)挖掘方法研究.pdf

1、近幾年，隨著互聯(lián)網(wǎng)的興盛，在線社交網(wǎng)絡(luò)（Online social network，OSN）蓬勃發(fā)展。其中，微博(Microblog)作為一種全新的社會(huì)化媒體工具和網(wǎng)絡(luò)交流工具，以其“短、平、快”的特點(diǎn)迅速捕獲大眾的青睞。目前我國微博用戶已經(jīng)超過3億人，將近占我國互聯(lián)網(wǎng)用戶的一半，全球排名第一。面對(duì)如此龐大的用戶群，無論是網(wǎng)絡(luò)管理者還是使用者都面臨著許多全新的機(jī)遇和挑戰(zhàn)。用戶如何在茫茫人海中找到與自己興趣相投的人群來互動(dòng);企業(yè)是否可以從

2、產(chǎn)生的海量數(shù)據(jù)中獲取有意義的信息幫助它市場(chǎng)營銷;管理者如何治理這個(gè)龐大的網(wǎng)絡(luò)等等。社區(qū)挖掘可以幫助解決這些問題。“社區(qū)”就是一群相似用戶的集合。有關(guān)它的研究由來已久，但多是基于復(fù)雜網(wǎng)絡(luò)的理論研究。雖然社交網(wǎng)絡(luò)本質(zhì)上也是一種復(fù)雜網(wǎng)絡(luò)，但它擁有自己的特質(zhì)。社交網(wǎng)絡(luò)是由一個(gè)個(gè)鮮活的人以及他們之間的鏈接關(guān)系組成的，不同于傳統(tǒng)的復(fù)雜網(wǎng)絡(luò)只考慮網(wǎng)絡(luò)鏈接結(jié)構(gòu)，這種新興網(wǎng)絡(luò)的節(jié)點(diǎn)內(nèi)容，即用戶的特性同樣不可忽視，它促使著社區(qū)的形成，同時(shí)社區(qū)也影響著其中的

3、用戶。因此，本文就旨在于尋找一種綜合考慮節(jié)點(diǎn)內(nèi)容和網(wǎng)絡(luò)結(jié)構(gòu)的劃分方法，以獲得內(nèi)容相似，結(jié)構(gòu)緊密的社區(qū)。
　　本文首先對(duì)社交網(wǎng)絡(luò)進(jìn)行研究，分析用戶行為特征，從兩個(gè)方面對(duì)用戶進(jìn)行分析——用戶影響力分析和用戶主題分析。前者可以獲取網(wǎng)絡(luò)中的“核心用戶”，即對(duì)于其它用戶有著很強(qiáng)號(hào)召力的用戶。這不但幫助我們認(rèn)識(shí)網(wǎng)絡(luò)，也是后面挖掘工作的基礎(chǔ)。同時(shí)，本文認(rèn)為一個(gè)用戶的特性會(huì)體現(xiàn)在其言行之中，所以后者從用戶發(fā)表的微博中提取出用戶主題。在此基礎(chǔ)之上，

4、本文建立聚類模型，以“核心用戶”為初始聚類節(jié)點(diǎn)，這樣不但能提高效率，而且也避免了結(jié)果的局部最優(yōu)。然后進(jìn)行以用戶主題相似性為基礎(chǔ)的聚類工作，這其中同時(shí)考慮了用戶在網(wǎng)絡(luò)路徑中的距離，以保證社區(qū)中的用戶內(nèi)容上興趣相投，結(jié)構(gòu)上是聯(lián)系緊密。隨后，對(duì)初步結(jié)果進(jìn)行社區(qū)合并，減少小社區(qū)的數(shù)量，獲得更有應(yīng)用價(jià)值的社區(qū)結(jié)構(gòu)。最后，將本文提出的方法應(yīng)用在真實(shí)的數(shù)據(jù)集上。實(shí)驗(yàn)證明，本文提出的方法不但能夠發(fā)現(xiàn)潛在社區(qū)，而且還能獲知社區(qū)主題，解決了傳統(tǒng)基于鏈接結(jié)構(gòu)