基于用戶信譽評級的UGC質(zhì)量預(yù)判方法.pdf

1、Web2.0時代的到來改變了原有的信息生產(chǎn)方式，信息來源由經(jīng)專業(yè)編輯審核后的書籍、報紙、電視節(jié)目等，轉(zhuǎn)變?yōu)榭捎扇我鈧€體或群體創(chuàng)作、恣意傳播的內(nèi)容。UGC（User-Generated Content）的激增在豐富網(wǎng)絡(luò)信息資源的同時，其質(zhì)量參差不齊，影響互聯(lián)網(wǎng)絡(luò)的健康發(fā)展。如何對低質(zhì)量UGC進行及時有效地評估與甄別、對高質(zhì)量UGC進行高效地組織和管理，影響著網(wǎng)絡(luò)信息環(huán)境的生存與發(fā)展。
　　目前，已有關(guān)于UGC質(zhì)量評價與控制的研究多是

2、從信息內(nèi)容角度出發(fā)，忽略了用戶行為因素。本研究從用戶信息行為角度出發(fā)，通過對用戶歷史行為與UGC質(zhì)量關(guān)系的挖掘，建立用戶信譽評分機制，進而建立基于用戶信譽評級的UGC質(zhì)量預(yù)判模型，實現(xiàn)對用戶未來產(chǎn)出UGC質(zhì)量的有效預(yù)判。研究共分為六個章節(jié)，第一章、第二章主要是對UGC研究背景和相關(guān)理論的闡釋；第三章、第四章主要是對影響UGC質(zhì)量的用戶信息行為因素的分析和基于用戶信譽評級的UGC質(zhì)量預(yù)判模型的構(gòu)建，通過挖掘與分析用戶過往信息活動中所產(chǎn)生的

3、創(chuàng)建行為、轉(zhuǎn)發(fā)行為和評論行為等歷史信息行為，進而為用戶建立起個人信息行為信譽評級模型；第五章、第六章主要是對模型有效性的驗證及對未來研究的展望，通過爬蟲抓取和用戶提交相結(jié)合的方法獲取六位用戶一年間使用微博的行為數(shù)據(jù)，并以一自然周為一個評測周期，共測得53個時間點下的用戶信息行為數(shù)據(jù)，進而計算出用戶信譽得分。同時為降低評價過程的主觀性，設(shè)計 UGC信息質(zhì)量評估系統(tǒng)，輔助評估用戶歷史行為信息質(zhì)量。實驗結(jié)果表明，該模型不同于以往依賴單一文本分

4、析對UGC質(zhì)量評估的方法，其結(jié)合信息學(xué)和行為學(xué)方法，具備較高的預(yù)測準(zhǔn)確度。
　　由于對用戶信譽等級的評分尚沒有統(tǒng)一的評判標(biāo)準(zhǔn)，致使研究中存在一定程度上的主觀性。同時，根據(jù)用戶過往行為記錄疊加起來的用戶信譽，只能對用戶未來行為向好或向壞的趨勢做出一定的預(yù)判。因此，未來的研究可在建立統(tǒng)一用戶信譽評判標(biāo)準(zhǔn)的基礎(chǔ)上，更深層次地挖掘影響UGC質(zhì)量的用戶信息行為，結(jié)合語義分析方法和情感分析方法，進一步提高UGC質(zhì)量預(yù)判的準(zhǔn)確度。
　　本