基于微博的專家用戶搜索關(guān)鍵技術(shù)研究.pdf

1、近年來，隨著 Web2.0的快速發(fā)展，社會網(wǎng)絡(luò)越來越普及，Twitter和Weibo等微博客被廣泛使用，并產(chǎn)生了巨大的社會影響力，改變了人們的生活方式。微博中有數(shù)以億記的用戶，用戶的身份也各不相同，其中有名人機(jī)構(gòu)，也有草根大眾。如何從這些海量的用戶中發(fā)現(xiàn)與主題相關(guān)的專家用戶是一件很有挑戰(zhàn)的事情。
　　本文以新浪微博平臺為基礎(chǔ)，通過用戶標(biāo)簽數(shù)據(jù)和用戶關(guān)注關(guān)系數(shù)據(jù)來挖掘用戶的專家屬性。本文通過調(diào)查統(tǒng)計分析，發(fā)現(xiàn)微博用戶朋友之間興趣趨同

2、的特點(diǎn)，提出同質(zhì)性假設(shè)。
　　針對微博用戶標(biāo)簽數(shù)據(jù)缺失、標(biāo)簽數(shù)量少、信息含量低等問題，本文提出改進(jìn)的TF-IDF模型，過濾低信息含量的用戶自標(biāo)簽，并基于同質(zhì)性假設(shè)，設(shè)計一種標(biāo)簽傳播算法來擴(kuò)展用戶的興趣標(biāo)簽，形成用戶的興趣圖譜。通過用戶的興趣圖譜，給用戶關(guān)注關(guān)系附上相應(yīng)語義信息，以此為基礎(chǔ)，利用眾包的策略來推斷話題專家。
　　根據(jù)微博網(wǎng)絡(luò)中的二八原則，即20％的用戶產(chǎn)生80%的內(nèi)容，本文把微博網(wǎng)絡(luò)中的用戶分為核心群體和輔助群體

3、兩大部分。在興趣圖譜基礎(chǔ)之上，本文根據(jù)特定話題構(gòu)建局部網(wǎng)絡(luò)，提出基于用戶分級的SALSA算法來計算用戶的話題影響力，推斷用戶的專家屬性，并根據(jù)微博平臺固有特點(diǎn)，提出多特征融合模型，提高檢索精度。
　　本文實驗基于新浪微博真實數(shù)據(jù)集，包括用戶屬性、用戶關(guān)系網(wǎng)絡(luò)等信息，并人工標(biāo)注測試集。在該數(shù)據(jù)集上對興趣圖譜挖掘和基于用戶分級模型進(jìn)行驗證。實驗結(jié)果表明，擴(kuò)展興趣圖譜大幅度提高了檢索精度，在擴(kuò)展興趣圖譜后，用戶分級模型精度也有較大提高。