基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.     

社交网络中社区领袖的挖掘算法

社交网络中用户和用户之间通过关注而产生联系形成社区。因此,文中借鉴PageRank算法,将传统上把影响力平均分配给关注的人的做法加以改进,依据用户间的亲密程度将影响力按比例分配给关注的人,从而生成新的UserRank算法。算法经过多次迭代计算后,社区中每个用户的影响力收敛并趋于稳定,影响力值最大的用户,就是社区领袖。实验表明,本算法能更快更有效地挖掘出社区领袖。     

基于Hadoop的微博用户影响力排名算法设计

微博用户影响力排名现主要以粉丝数为依据,但这种方法并不公正,针对这一问题,文中基于PageRank算法,提出一种基于PsoRank的评价算法。算法从用户自身质量及其粉丝质量入手,以粉丝数量、粉丝质量、评论率、转发率为因素,计算用户PIR值。最后,算法在Hadoop平台下实现,结果表明该算法相对于粉丝数量排名算法以及PageRank算法更能够反映用户真正的影响力。     

基于区域交互模型的SNS网络用户影响力评估

针对现有方法与模型未能准确体现不同距离用户之间真实交互行为的问题,提出了一种基于用户区域交互模型的用户影响力评估方法。区域交互模型利用影响力传递的不同方式,刻画不同距离之间用户的交互行为模式,能更为真实准确地反映在线社会网络用户之间的交互行为。通过计算用户对相邻用户的显性影响力与非相邻用户的隐性影响力,可有效识别在线社会网络中大影响力用户、僵尸粉用户等不同类型用户。基于新浪微博与人人网真实数据开展用户影响力评估以及相应的用户角色识别实验,结果显示,与现有方法相比,基于区域交互模型的识别方法可以准确有效地识别出在线社会网络中的大影响力用户、僵尸粉用户等各类型用户。     

多种手势对应同一语义的柔性映射交互算法的研究

针对智能交互界面中手势识别错误导致交互界面变化错误和手势不识别两个基本问题,本文设计并实现了基于手势交互的智能教学界面,该系统可以通过获取教师的手势信息与教师进行交互.主要创新点在于提出了多种手势对应同一语义的柔性映射交互算法.本文选取了14种自然交互手势,分析了对应同一语义的多种手势之间的共同特征.实验结果显示,该算法能够有效降低用户负荷.该算法已经用于一个基于手势交互的智能教学系统界面中.     

一种基于主题相关度的网页排序算法

针对现有基于链接结构的PageRank算法的不足,提出了基于网页主题相关度的改进PageRank算法.通过分析网页内容,提取出网页中的链接及其对应的锚文本,建立网页链接库,利用向量空间模型(VSM)计算链接锚文本和网页内容的相关度,在此基础上实现离线计算改进后的PageRank算法.理论分析和仿真实验表明,改进的PageRank算法使用户能方便地找到所需网页,提高了网页查询效率.     

基于用户画像对抑郁倾向人群的识别研究

随着新冠肺炎疫情肆虐全球,抑郁症患病率大幅增加,高患病率和低就诊率成为抑郁症面临的两大挑战。人工智能与机器学习的快速发展为精准识别出抑郁倾向人群奠定了基础。文中借助微博平台,建立用户画像对用户进行抑郁倾向识别,构建基于用户画像的TCNN-GRU-PR融合识别模型。首先,利用TF-IDE算法扩充基础种子词,构建抑郁倾向情绪词典;然后,采用TCNN-GRU模型进行情绪特征提取识别,引入PageRank算法从社交网络维度进行再次识别;最后,将机器学习得出的情绪标签概率值与PR值加权求和,判断抑郁倾向程度。实验结果表明,TCNN-GRU-PR模型结合文本识别和社交网络识别两个维度能准确识别出情绪状态和抑郁程度,对于抑郁倾向人群的早期识别与干预治疗有重要意义。     

基于行为分析的Web日志用户识别算法

文章提出了一种Web日志分析中数据预处理阶段用户识别的新算法。这种算法基于用户浏览行为的建模,能够很好地处理同一用户在不同地点上网情况下的用户识别问题。本算法通过归一化的支持度指标来选择最能代表用户浏览行为的行为模式,并用布尔编码的方式提取特征。用户间的相似度采用余弦相似方法计算,并利用KNN（K=I）的分类方法来识别用户。在特定构造的数据集上的实验表明文章提出的算法能够不依赖于IP信息识别用户并具有较好的识别率。     

基于垂直搜索引擎的网页排序算法研究

伴随着垂直搜索引擎领域的全面发展,为了满足人们对搜索引擎系统的高质量需求,通过深入剖析了Google经典的PageRank算法,针对其单纯的考虑网页链接结构方面的不足,提出了改进的PageRank算法。分析了网页文本结构、网页被抓取时间、网页内容相关度等问题,在此基础上对PageRank算法进行改进,理论分析和仿真实验表明,改进后的算法具有更高的查准率和用户满意度。     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.