社交網絡用戶行為關聯分析的關鍵技術的研究.pdf

1、社交網絡在社會生活中扮演著越來越重要的角色，不僅滿足了用戶的社交需求，同時體現出了巨大的經濟價值和社會效益。此外，由于社交網絡本身的復雜性，近年來受到了廣泛的研究，如研究社交網絡的信息傳播模型、用戶增長模型、鏈接預測模型以及輿論演進過程等。本文對社交網絡中用戶行為的關聯性進行研究，本文研究的用戶行為是基于社交網站用戶生成內容的，而不是傳統(tǒng)的用戶行為，如用戶點擊習慣、頁面停留時間等。在研究過程中，提取出了3個關鍵的研究點進行深入研究，分別

2、是：(1)用戶關注的主題，即本文所關注的用戶行為；(2)用戶之間存在的社團結構；(3)用戶行為之間的關聯性。
　　基于上述3個研究點抽象出了本文要研究的3個關鍵技術：主題提取、社團劃分及關聯規(guī)則挖掘。本文的主要工作如下：
　　1.研究了主流的主題提取算法，提出了一種基于期望最大化算法的主題提取算法。該算法的核心是一個主題概率模型，首先，對文本進行預處理；然后進行建模，為各個候選主題定義主題概率模型；然后采用期望最大化算法對主

3、題概率模型的參數進行估計，并得到候選主題的概率密度函數，根據概率密度函數提取得到文本的主題。實驗結果表明，該算法對文本的主題提取效果較好。
　　2.研究了經典的社團發(fā)現算法，提出了一種基于節(jié)點相似度的社團發(fā)現算法，還提出了模塊相似度的概念來評價社團劃分的質量。該算法借鑒了層次聚類的思想，不僅適用于復雜網絡中社團劃分，還可發(fā)現具有相似特征的節(jié)點構成的社團。首先，計算網絡中的節(jié)點之間的相似度，并將各個節(jié)點初始化為一個社團；然后選擇使模

4、塊相似度增量最大的社團進行合并，重新計算社團之間的相似度并選擇社團進行合并，直到只有一個社團為止。實驗表明，本算法的社團劃分效果較好。
　　3.研究了經典的關聯規(guī)則挖掘算法，對于同一數據集，在相同參數的條件下，各種關聯規(guī)則挖掘算法挖掘到的關聯規(guī)則集合是相同的，區(qū)別在于算法的時間復雜度和空間復雜度。本文在研究挖掘社交網絡用戶行為之間的關聯規(guī)則時，提出了一種基于社團劃分的關聯規(guī)則挖掘方法，該方法可以有效減少關聯規(guī)則挖掘算法處理的數據規(guī)