面向微博的社區(qū)發(fā)現(xiàn)研究.pdf

1、隨著在線社交網(wǎng)絡(luò)的快速發(fā)展，微博已被公認(rèn)為是繼電視、郵件、報(bào)紙、廣播等之后的一種新型的網(wǎng)絡(luò)信息傳播方式，兼具著媒體和社交網(wǎng)絡(luò)的特征。隨著微博這個(gè)新型媒體的興起，越來(lái)越多的廣告商在這個(gè)社交網(wǎng)絡(luò)平臺(tái)上看到了機(jī)會(huì)。雖然微博這個(gè)社交化網(wǎng)絡(luò)對(duì)于用戶來(lái)說(shuō)僅僅是一個(gè)獲取信息與知識(shí)，實(shí)現(xiàn)與好友互動(dòng)，展現(xiàn)自我的平臺(tái)，但是對(duì)于商家來(lái)說(shuō)，一個(gè)有著那么多注冊(cè)用戶的平臺(tái)，它就不僅僅是一個(gè)分享信息的平臺(tái)了，商家可以利用社交平臺(tái)對(duì)其產(chǎn)品和服務(wù)進(jìn)行病毒營(yíng)銷、口碑營(yíng)銷。

2、如今，不管是文本或是富媒體信息，在微博平臺(tái)上均能快速的進(jìn)行傳遞、互通、互動(dòng)，由此，越來(lái)越多的社交行為從線下轉(zhuǎn)向線上，而這種從線下到線上的轉(zhuǎn)變，不僅僅體現(xiàn)在線下的社交行為一,線下社區(qū)的產(chǎn)品宣傳到線上社區(qū)的產(chǎn)品宣傳的轉(zhuǎn)變尤為明顯。但是如何將線下社區(qū)的廣告宣傳無(wú)縫隙移植到線上社區(qū)，這是如今廣告商越來(lái)越想解決的問(wèn)題。雖然廣告商可以借助微博社交平臺(tái)采用海投廣告的策略，但這無(wú)疑會(huì)造成廣告成本較高，而且會(huì)引起那些對(duì)廣告不感冒的微博用戶的反感，從而將這

3、種反感情緒通過(guò)發(fā)布微博迅速傳播到其它微博用戶視線中，進(jìn)而產(chǎn)品的知名度亦會(huì)隨之降低。因?yàn)椴煌膹V告面向不同的用戶群體所屬的虛擬社區(qū)，如果能挖掘出每個(gè)用戶所屬的社區(qū)后，根據(jù)微博的局部聚類特性識(shí)別出領(lǐng)域廣告對(duì)應(yīng)的社區(qū)，就可提高廣告投放的精準(zhǔn)度。這樣，廣告商不僅可以有針對(duì)性的對(duì)相應(yīng)虛擬社區(qū)的微博用戶投放廣告，而且可以獲得更多投放用戶，從而更能提高廣告的轉(zhuǎn)化率。
　　本文首先對(duì)與社區(qū)發(fā)現(xiàn)相關(guān)的一些理論技術(shù)進(jìn)行介紹，然后總結(jié)了目前幾類較經(jīng)典的

4、社區(qū)發(fā)現(xiàn)算法，包括基于標(biāo)簽傳播的社區(qū)發(fā)現(xiàn)、以層次為中心的社區(qū)發(fā)現(xiàn)、基于團(tuán)滲透的社區(qū)發(fā)現(xiàn)、基于混合概率模型的社區(qū)發(fā)現(xiàn)，并分析了以上幾類社區(qū)發(fā)現(xiàn)算法的適用場(chǎng)景及優(yōu)缺點(diǎn)。在領(lǐng)會(huì)了以上兒類社區(qū)發(fā)現(xiàn)算法之后，本文針對(duì)微博這種相互性網(wǎng)絡(luò)的獨(dú)特性，提出了一種基于RDD(Resilient DistributedDataset)數(shù)據(jù)模型的Spark集群并行計(jì)算思想的多標(biāo)簽傳播社區(qū)發(fā)現(xiàn)算法。本算法借鑒了Raghava等人提出的標(biāo)簽傳播算法LPA的思想，解

5、決了LPA標(biāo)簽傳播算法社區(qū)發(fā)現(xiàn)不穩(wěn)定及準(zhǔn)確度不高的兩大缺陷。為了消除標(biāo)簽傳播算法中不穩(wěn)定的特性，在對(duì)自身社區(qū)標(biāo)簽進(jìn)行更新時(shí)，若有多個(gè)可選社區(qū)標(biāo)簽時(shí)，不會(huì)任意地對(duì)某一社區(qū)標(biāo)簽進(jìn)行挑選，而是利用一定規(guī)則，將符合這一規(guī)則的社區(qū)標(biāo)簽全部選擇。而為了解決LPA算法準(zhǔn)確率不高的缺點(diǎn)，本文引入了微博傳播系數(shù)，因?yàn)槲⒉﹤鞑ハ禂?shù)能夠識(shí)別出當(dāng)用戶節(jié)點(diǎn)關(guān)注某一個(gè)人時(shí)，該用戶屬于被關(guān)注用戶所在社區(qū)的隸屬程度，不會(huì)平等地對(duì)待每一個(gè)被關(guān)注用戶所屬社區(qū)。另外，本算法

6、也借鑒了Gregory等人提出的COPRA算法，能夠?qū)哂兄丿B的社區(qū)結(jié)構(gòu)進(jìn)行發(fā)現(xiàn)，但與其思想也有本質(zhì)的區(qū)別:(1)不會(huì)限制每個(gè)微博用戶所從屬的社區(qū)標(biāo)簽，因?yàn)槲⒉┯脩舻呐d趣愛好是廣泛的，而且是動(dòng)態(tài)變化的;(2)首先根據(jù)用戶所發(fā)微博內(nèi)容挖掘出那些活躍微博用戶所屬社區(qū)，然后利用這些已被劃分到相關(guān)社區(qū)的用戶作為已標(biāo)注社區(qū)的節(jié)點(diǎn)進(jìn)行社區(qū)標(biāo)簽傳播。最后，本文將基于RDD（Resilient Distributed Dataset）數(shù)據(jù)模型的Spar