發(fā)布時間：2024-07-07 19:29

　　當(dāng)社交網(wǎng)絡(luò)群組交互成為新的運營模式后,對于群組內(nèi)用戶之間的影響關(guān)系的研究變得尤為熱門。盡管在線社交網(wǎng)絡(luò)和社交媒體可以讓用戶很直觀地看到用戶之間的關(guān)注關(guān)系,但每個用戶只可能知道其鄰居用戶的少部分好友,無法輕易掌握整個網(wǎng)絡(luò)結(jié)構(gòu),并且無法直觀的獲得關(guān)注程度的強弱。因此必須有方法來推斷群組內(nèi)用戶之間影響關(guān)系,從而進行群組內(nèi)精準(zhǔn)的好友推薦服務(wù)或者其它個性化服務(wù)。越來越多的用戶關(guān)系研究旨在增強在線社區(qū)用戶忠誠度以及活躍度,提升社區(qū)的信息服務(wù)準(zhǔn)確性和效率。社交網(wǎng)絡(luò)用戶關(guān)系的創(chuàng)建因素大體分為兩種:顯示和隱式。在包含顯示連接的社交網(wǎng)絡(luò)中,用戶之間的所有聯(lián)系都是用戶有意行為的直接結(jié)果,如直接互動,關(guān)注。每個用戶都在通過明確定義與他人的聯(lián)系來建立自己的拓撲網(wǎng)絡(luò)。在包含隱式連接的社交網(wǎng)絡(luò)中,用戶之間的聯(lián)系是基于對用戶資料、行為信息等的“第三方”推理,從而導(dǎo)致?lián)碛邢嗨齐[藏信息的用戶之間自動或半自動連接。于是本文提出將基于意見領(lǐng)袖的De Groot模型應(yīng)用到文本為主體的社交網(wǎng)絡(luò)數(shù)據(jù)集上,并通過文本的主題分布來挖掘社交網(wǎng)絡(luò)中成員之間的相互影響關(guān)系的方法。該方法能夠同時挖掘社交網(wǎng)絡(luò)用戶顯示和隱式影響關(guān)系,對傳統(tǒng)用戶影...

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 本文研究背景
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
        1.2.3 國內(nèi)外研究現(xiàn)狀與本文研究的聯(lián)系
    1.3 本文研究內(nèi)容以及創(chuàng)新點
    1.4 論文章節(jié)安排
第2章 主題分析與意見挖掘
    2.1 主題模型
        2.1.1 概率潛在語義分析
        2.1.2 隱狄利克雷分布
            2.1.2.1 共軛分布
            2.1.2.2 文本建模與參數(shù)估計
        2.1.3 Anchor Free主題模型
    2.2 神經(jīng)網(wǎng)絡(luò)主題分析
        2.2.1 Word2vec
        2.2.2 Paragraph2vec
        2.2.3 Doc2vec C
    2.3 小結(jié)
第3章 觀點動態(tài)演化與用戶影響關(guān)系
    3.1 De Groot共識模型
    3.2 基于意見領(lǐng)袖的用戶影響關(guān)系挖掘模型
        3.2.1 概述
        3.2.2 意見領(lǐng)袖與普通用戶
        3.2.3 模型詳解及推導(dǎo)
    3.3 小結(jié)
第4章 觀點演化模型以及本文方法的數(shù)據(jù)模擬仿真
    4.1 DeGroot模型仿真
    4.2 帶有意見領(lǐng)袖的觀點動態(tài)模型仿真
    4.3 本文所提出方法的性能評估
    4.4 小結(jié)
第5章 基于主題模型和意見領(lǐng)袖的用戶影響關(guān)系挖掘模型的真實數(shù)據(jù)仿真
    5.1 概述
    5.2 數(shù)據(jù)介紹
    5.3 數(shù)據(jù)預(yù)處理
    5.4 群組用戶意見的挖掘
    5.5 意見領(lǐng)袖和普通用戶的選取
    5.6 群組用戶關(guān)系挖掘
    5.7 網(wǎng)絡(luò)結(jié)構(gòu)的重建
    5.8 小結(jié)
第6章 結(jié)論與展望
參考文獻
指導(dǎo)教師對研究生學(xué)位論文的學(xué)術(shù)評語
論文答辯委員會決議書
致謝
攻讀碩士學(xué)位期間的研究成果



本文編號：4003664