微博用户的相似性度量及其应用

被引：77

作者：

徐志明 ^{[1
]}

李栋 ^{[1
]}

刘挺 ^{[1
]}

李生 ^{[1
]}

王刚 ^{[1
]}

袁树仑 ^{[1
]}

机构：

[1] 哈尔滨工业大学计算机科学与技术学院

来源：

计算机学报 | 2014年 / 37卷 / 01期

关键词：

微博; 社会网络; 用户相似度; 团体挖掘; 用户推荐;

D O I：

暂无

中图分类号：

TP393.092 [];

学科分类号：

080402 ;

摘要：

微博用户的兴趣分析和模型表示是用户关系分析的基础,而用户关系分析又构成了微博社会网络的生成和分析的基础.该文主要讨论微博的用户关系分析技术.作者将微博社会网络视为一个加权无向图,节点表示用户,边表示用户之间的关系,边的权值表示用户之间的关系强度.该文将用户关系强度定义为用户之间的相似度,分别给出了基于各种用户属性信息(背景信息、微博文本、社交信息)的用户相似度计算方法,并通过实验系统性对比了上述方法的优劣.实验结果显示:基于社交信息的用户相似度在用户关系分析方面取得了最好的效果.为了进一步验证上述用户相似度的实际性能,该文将它们应用于用户推荐的相关实验,基于社交信息的用户相似度又取得了最好的推荐效果.最后,该文应用基于社交信息的用户相似度生成了微博的社会网络(称作用户相似性网络),在该社会网络上进行了团体挖掘的实验,实验结果显示了该相似度在团体挖掘上的有效性.

引用

页码：207 / 218

页数：12

共 4 条

[1] 网络日志规模分析和用户兴趣挖掘
郭岩
白硕
杨志峰
张凯
[J]. 计算机学报, 2005, (09) : 1483 - 1496
[2] 一种基于相似度分析的主题提取和发现算法
王晓宇
熊方
凌波
周傲英
[J]. 软件学报, 2003, (09) : 1578 - 1585
[3] 用户兴趣模型的表示和更新机制
林鸿飞
杨元生
[J]. 计算机研究与发展, 2002, (07) : 843 - 847
[4] Link prediction using supervised learning .2 Hasan M,Chaoji V,Salem S,Zaki M. Proceedings of the Workshop on Link Discovery:Issues,Approaches and Applications . 2005

← 1 →