大規(guī)模微博數(shù)據(jù)的品牌檢索與可視化.pdf

1、隨著Web2.0技術的發(fā)展和社交網(wǎng)絡的流行，互聯(lián)網(wǎng)絡中的數(shù)據(jù)與過去相比呈現(xiàn)出一些新的特點。首先信息類型更加豐富，傳統(tǒng)互聯(lián)網(wǎng)數(shù)據(jù)以文本類型為主，而如今圖片、音頻和視頻等多媒體類型的數(shù)據(jù)在逐漸增多;其次由于網(wǎng)絡的去中心化和社交網(wǎng)絡中用戶數(shù)量的增加，互聯(lián)網(wǎng)信息量急速增加，大數(shù)據(jù)的時代已經來臨。這些新的數(shù)據(jù)特點為研究人員帶來了新的挑戰(zhàn)。
　　社交平臺具有很強的實時性和真實性，用戶可以通過關鍵字對品牌相關的微博進行檢索以了解某個品牌。因此微

2、博品牌檢索具有一定應用意義。微博中圖像數(shù)據(jù)很多，如何利用圖像信息輔助傳統(tǒng)的文本檢索、如何提高檢索結果中圖像信息所占據(jù)的比例都是亟待解決的問題。本文針對上述問題提出了一種結合文本和圖像信息的多模態(tài)的微博重排序方法。該方法利用半監(jiān)督學習的概率圖模型將不同類型數(shù)據(jù)以單圖的形式建模，并將多個單圖連接形成多圖模型。多圖模型使得不同類型的特征可以同時參與計算，并且自適應的調整不同數(shù)據(jù)類型之間的權重。本文還通過實驗對所提出的算法進行了詳細的分析，實驗

3、結果也證明了該算法的有效性。
　　本文還提出了一種基于圖的對大規(guī)模微博數(shù)據(jù)的可視化方法。其不通過社交信息建立微博數(shù)據(jù)之間的聯(lián)系，而用微博內容的相關性建立這種聯(lián)系。這樣可防止數(shù)據(jù)采樣時好友或轉發(fā)關系鏈斷裂而導致的問題。本文提出的方法利用基于力導向的圖排布算法將相似的微博相互聚集，從而得到一個二維的點云圖。算法的流程如下:首先對數(shù)據(jù)進行預處理、去重和采樣等步驟;然后通過采樣的數(shù)據(jù)建立圖模型，并將圖排布到二維平面中;最后本文展示一個可視