微博用戶群體結構挖掘算法分析研究.pdf

1、近年來，隨著Web2.0技術的不斷發(fā)展，各大門戶網站紛紛推出了自己的微博站點，微博用戶數(shù)量劇增，用戶群龐大，信息數(shù)據(jù)量呈現(xiàn)幾何形式增長。微博也因其短小精悍、易于傳播的特點逐漸成為互聯(lián)網市場的新寵。同時，由于其固有的特征和傳播機制，使得在這類社交網絡環(huán)境中，用戶群體結構相對復雜，文本內容巨大而瑣碎，難以轉換成可以使用的結構化格式。在這樣龐雜的網絡環(huán)境下，如何對網絡用戶的組群關系進行挖掘，以實現(xiàn)對其所呈現(xiàn)出的社群結構高效而準確的識別，便具有

2、較大的理論及現(xiàn)實意義。
　　論文主要工作如下:
　　1、介紹了社會網絡和微博的概念以及特點，對復雜網絡的度量參數(shù)、結構特征和基本模型進行了分析，并根據(jù)對網絡群體結構的研究給出了傳統(tǒng)靜態(tài)社群以及動態(tài)社群的定義和數(shù)學模型。
　　2、通過對主流挖掘算法的比對分析，本文發(fā)現(xiàn)已有的一些經典算法都是針對于普通社會網絡的，并未體現(xiàn)出微博環(huán)境下網絡結構的特點，因而在微博網絡中的運行時間和空間效率較低。因此，本文提出了基于微博用戶自定義

3、興趣標簽的動態(tài)網絡模型。該模型以用戶自定義興趣標簽作為確定用戶組群關系的一個重要指標，將其和用戶固有關聯(lián)關系以矩陣的方式疊加融合，形成最終要研究的網絡拓撲模型，較好的體現(xiàn)了微博平臺中以興趣為導向的用戶組織方式和關系結構。
　　3、考慮到微博網絡中人和人的組織關系是隨時間不斷更新改變的，并且一定時間采樣點之間的微博網絡結構通常不會發(fā)生較大變化，本文給出了微博環(huán)境下的社群挖掘算法，該算法以差分分析的方式避免了對網絡中所有節(jié)點的重新劃分