【畢業(yè)論文】基于hadoop的微博用戶及微博影響力排名研究

1、 暨南大學(xué)碩士學(xué)位論文 題名（中英對照） ： 基于 基于 Hadoop 的微博用戶及微博影響力 的微博用戶及微博影響力排名 排名研究 研究 The research of Weibo user and Weibo influence ranking based on Hadoop 作者姓名：關(guān)文斌 指導(dǎo)教師姓名：劉偉平 及學(xué)位、職稱：博士/教授 學(xué)科、專業(yè)名稱：工學(xué)/電子與通信工程 學(xué)位類型：專業(yè)學(xué)位 論文提交日期：2015 年 6 月

2、 24 日 論文答辯日期：2015 年 6 月 6 日 答辯委員會主席：潘中良 論文評閱人：黃紅斌、王發(fā)強(qiáng) 學(xué)位授予單位和日期：暨南大學(xué) 2015 年 6 月 萬方數(shù)據(jù)暨南大學(xué)碩士學(xué)位論文 I 摘要 摘要 隨著 Web2.0 時代的到來，用戶主導(dǎo)因素在互聯(lián)網(wǎng)中占了越來越重要的地位，以微博為首的社交網(wǎng)絡(luò)平臺更是得到了空前的發(fā)展。當(dāng)前，微博已經(jīng)成為了資訊傳遞與社會輿論傳播的一個重要平臺，是社會熱點信息傳遞的新風(fēng)向標(biāo)。為此，分析微博用戶影響力

3、及微博影響力具有重要的研究意義及商業(yè)價值。 本文主要分微博用戶影響力及微博影響力兩部分展開研究。對于微博用戶影響力的評定，當(dāng)前應(yīng)用較為廣泛的是基于 PageRank 算法模型的 PeopleRank 算法，但PeopleRank 算法只是簡單的將網(wǎng)頁排名模型應(yīng)用于微博用戶影響力排名中，其對用戶影響力評定的精確度還有待完善。本文則是以新浪微博個人認(rèn)證這一影響因素作為切入點，提出了一種基于 PeopleRank 算法的優(yōu)化方案——NPRan

4、k(New People Rank)算法。對于微博影響力的評定，目前較常用的方法是以微博的轉(zhuǎn)發(fā)數(shù)和評論數(shù)作為評定標(biāo)準(zhǔn)，此方法考慮的指標(biāo)不夠全面，對微博影響力評定的可靠性有待提高。而本文則是在考慮微博的轉(zhuǎn)發(fā)數(shù)、評論數(shù)和點贊數(shù)的情況下，加入了微博發(fā)布者的用戶影響力這一因素作為微博影響力的評定標(biāo)準(zhǔn)，并提出了一種微博影響力評定方法——TRank（Topic Rank）算法。 針對微博用戶影響力排名及微博影響力排名需進(jìn)行海量數(shù)據(jù)處理的特點，本文還

5、通過實驗證明了 NPRank 算法和 TRank 算法在 Hadoop 平臺上的可行性，并對實驗結(jié)果展開了對比分析，驗證了 NPRank 算法相較于 PeopleRank 算法在用戶影響力評定精確度得到的優(yōu)化，及 TRank 算法在微博影響力評定上有著較強(qiáng)可靠性。最后，基于 NPRank 及 TRank 得到的排名結(jié)果，本文還提出新浪微博影響力排名展示系統(tǒng)的設(shè)計方案。 關(guān)鍵詞： 關(guān)鍵詞： PageRank；新浪微博；NPRank 算法；