首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 172 毫秒

1.  微博用户的相似性度量及其应用  
   《计算机学报》,2014年第1期
   微博用户的兴趣分析和模型表示是用户关系分析的基础,而用户关系分析又构成了微博社会网络的生成和分析的基础.该文主要讨论微博的用户关系分析技术.作者将微博社会网络视为一个加权无向图,节点表示用户,边表示用户之间的关系,边的权值表示用户之间的关系强度.该文将用户关系强度定义为用户之间的相似度,分别给出了基于各种用户属性信息(背景信息、微博文本、社交信息)的用户相似度计算方法,并通过实验系统性对比了上述方法的优劣.实验结果显示:基于社交信息的用户相似度在用户关系分析方面取得了最好的效果.为了进一步验证上述用户相似度的实际性能,该文将它们应用于用户推荐的相关实验,基于社交信息的用户相似度又取得了最好的推荐效果.最后,该文应用基于社交信息的用户相似度生成了微博的社会网络(称作用户相似性网络),在该社会网络上进行了团体挖掘的实验,实验结果显示了该相似度在团体挖掘上的有效性.    

2.  基于转发评论的微博语义扩充和分类方法  
   刘磊  许志刚  蔡海博  王石《北京工业大学学报》,2015年第10期
   为了对微博用户、微博文本和微博评论进行分析和研究,提出了一种基于转发评论的微博语义扩充和分类方法。首先在对微博用户类型分析的基础上将微博分为6种类型;然后以信息发布型微博为研究对象,提出了微博评论选择算法,筛选出微博有效评论;再利用基于转发评论的微博语义扩充和分类( comment-based microblog's semantic expansion and classification,CBMSEC)方法,将微博有效评论信息补充进微博语义,改善微博数据稀疏的问题,提高微博的分类性能。    

3.  AT-IR:微博中结合转发特性的用户兴趣话题挖掘方法*  
   王永贵  张丰田  刘雨诗  肖成龙《计算机应用研究》,2017年第34卷第7期
   微博是当代社会重要的社交网络,转发是微博的重要功能之一。而在以往的用户兴趣话题挖掘研究中并未对用户转发博文的动机作进一步分析,对用户的兴趣转发未有足够重视。针对微博的转发特性,提出一种在原有AT模型的基础上结合兴趣转发来挖掘微博用户兴趣话题的AT-IR模型;并通过对爬取的微博数据集进行实验,该模型在对用户兴趣提取的准确性上优于AT模型,同时该方法对其它主题模型也具有一定扩展性。    

4.  一种面向微博客文本流的噪音判别与内容相似性双重检测的过滤方法  
   王琳  冯时  徐伟丽  杨卓  王大玲  张一飞《计算机应用与软件》,2012年第29卷第8期
   微博客作为一种新的用户信息传播载体,在网络舆情发起和传播中起着重要作用。由于用户有意(上传广告)、无意(转发)操作所带来的大量噪音微博和相似微博,对网络舆情分析和用户浏览造成极为不利的影响。检测这些噪音微博和相似微博,对微博数据进行提纯,成为一个亟待解决的问题。基于统计数据分析了噪音微博和相似微博的特点,提出一种面向微博文本流的噪音判别和内容相似性双重检测的过滤方法:通过URL链接、字符率、高频词等特征判别,过滤噪音微博;通过分段过滤和索引过滤的双重内容过滤,检测和剔除相似微博。实验表明该方法能有效地对微博数据进行提纯,高效准确地过滤掉相似微博和噪音微博。    

5.  基于MRT-LDA模型的微博文本分类  
   庞雄文  万本帅  王盼《计算机科学》,2017年第44卷第8期
   微博的广泛使用产生了大量微博数据,这些数据中包含有大量有价值的信息。然而由于微博信息的文本内容简短且其本身带有一些结构化的社会网络方面的信息,传统的主题模型建模方法并不能十分有效地处理微博信息。根据微博信息的特点,提出一个基于Latent Dirichlet Allocation(LDA)的微博生成模型MRT-LDA,利用微博之间的转发、对话、支持(赞)和评论等关系来计算微博之间的相关性,综合考虑微博之间的相关性和同一用户微博信息间的关系,来辅助对微博的主题进行挖掘。采用吉布斯抽样法对模型进行推导,结果表明该模型能有效地对微博数据进行文本挖掘。    

6.  基于微博用户评论和用户转发的数据挖掘  
   张国安  钟绍辉《数字社区&智能家居》,2012年第9X期
   随着微博的日趋流行,微博网站已成为海量信息的发布体,对微博的研究也需要从单一的用户关系分析向微博用户及其转发内容的挖掘进行转变,该文提出了一种新的方法挖掘微博用户评论和所转发微博的文字信息,将被用户关注的层面发掘出来,从而并产生推荐。    

7.  融合标签关联关系与用户社交关系的微博推荐方法  
   马慧芳  贾美惠子  张迪  蔺想红《电子学报》,2017年第1期
   通过分析微博特点及现有微博推荐算法的缺陷,提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标,构建用户-标签矩阵,得到用户标签权重,为了解决该矩阵中稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性,构建用户-用户社交关系相似度矩阵,并与更新后的用户-标签矩阵进行迭代,得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.    

8.  基于模糊综合评价理论的微博用户影响力评价方法研究  
   王睿  马众  党宝珍  徐雪莹《无线互联科技》,2013年第6期
   本文在综合分析各大门户微博和第三方微博数据提供商等微博影响力评价数据和研究成果的基础上,研究中兼顾了微博社会化媒体及自身媒体的特性,主要从微博内容、微博受众以及微博传播力三方面进行了微博用户影响力的分析与探讨,提出微博影响力评价的改进思路,为微博营销提供参考指标。    

9.  基于相似度的微博社交网络的社区发现方法  
   孙怡帆  李赛《计算机研究与发展》,2014年第12期
   作为一种新兴的社交媒体,微博由于其信息的简短性、实时性和公开性,在短短4年内已积累数以亿计的用户并且数量还在迅速增长,由此带来的社会影响日益广泛.对微博用户关系网络进行社区发现具有重要的理论和实际意义.根据微博网络的有向性及建立关注关系的随意性等特点,提出一种基于共同关注和共同粉丝的微博用户相似度,定义此相似度的模块化函数,依据贪心算法思想设计出基于此模块化函数最大化的社区发现方法,并在此基础上将该方法推广到具有标签信息的微博网络中.应用该方法处理了3个真实的微博用户关系网络数据,结果表明该方法可以有效地发掘微博用户关系网络中的社区结构.    

10.  基于二部图投影的微博事件关联分析方法研究  
   柳俊  周斌  黄九鸣《信息网络安全》,2014年第9期
   文章针对微博事件相对于传统事件在传播过程中的新特征,提出了利用图论中二部图的理论来获取微博事件间的关联关系的新方法。文中给出了将微博事件和微博用户的关系转换为二部图网络的方法,并根据微博用户在微博事件中的角色特征,给出了微博用户的综合权重,由此来构造“微博事件--微博用户”加权二部图。通过对比多种二部图投影算法,提出了一种基于加权的一维投影算法,在保留二部图结构信息的基础上得出了微博事件间相互关联和影响的定量表示。最后通过实验验证了文章算法的合理性和正确性。    

11.  基于特征分析的微博用户兴趣发现算法  
   赵岩露  王晶  沈奇威《电信工程技术与标准化》,2012年第11期
   本文在综合兴趣模型研究现状的基础上,结合微博数据集对微博用户的特征进行分析,建立微博用户兴趣模型,并提出基于微博用户兴趣模型的发现算法。实验结果表明,本文提出的算法能很好的发现微博用户的兴趣,提高推荐系统的质量。    

12.  新浪微博网信息传播分析与预测  
   曹玖新  吴江林  石伟  刘波  郑啸  罗军舟《计算机学报》,2014年第4期
   文中以新浪微博为研究对象,以分析新浪微博的信息转发与传播特征为研究目的,并对传播行为进行预测.在获取大量新浪微博在线数据的基础上,对各种可能影响用户转发行为的因素进行统计、分析,挖掘各种影响因素特征并进行建模.提出基于用户属性、社交关系和微博内容三类综合特征,使用机器学习的分类方法,对给定微博的用户转发行为进行预测.基于微博网关注关系拓扑,利用概率级联模型对给定微博的转发路径进行预测,为预测微博的影响范围提供依据.文中通过实验分析了新浪微博符合复杂网络特征、社交类特征对转发行为有重要影响,并验证了传播预测的有效性.    

13.  微博用户的个性分类分析  
   张岩峰  陈长松  杨涛  左俐俐  丁飞《计算机工程与科学》,2015年第37卷第2期
   社交网络给每个社会中的人提供了自由表达个人情感、观点、兴趣、建议等言论的平台。用户在这些平台上发表的言论、所做的行为以及用户在平台上建立的社交圈子也给数据挖掘带来了新的数据和机会。提出了一种利用用户在微博上的公开数据信息实现对该用户的MBTI个性维度进行分类分析的方法。在该方法中,基于对用户微博数据的分析,提出了能够表征用户心理和行为的文本和非文本特征,然后采用三种机器学习的分类方法—提升决策树、支持向量机和贝叶斯逻辑递归来对微博用户的个性进行分类分析。实验结果表明,通过对微博数据的挖掘可以在不同MBTI个性维度上达到75%~90%的准确率。    

14.  腾讯微博的内容生成模式分析  
   李亚平  曹润  童露  梁循  倪志豪《中文信息学报》,2015年第29卷第3期
   随着Web 2.0时代网络技术的快速发展,社交类网站用户大规模增加.该文选取腾讯微博近两万名用户,抓取了他们所有的微博数据,对腾讯微博的用户内容生成模式进行分析和研究.我们从微博用户贡献分析、基于时间的用户活跃度分析以及微博影响三个角度出发,对微博的数量、微博的原创与转发、微博发布的周模式与日模式、微博转发影响力以及对影响微博转发的因素进行研究.总结出微博用户内容生成的一些特点,如用户内容贡献呈现一种“90-10”规则,不同类型的用户有着不同的“微博风格”,微博用户每日微博发布数有着明显的周模式与日模式等.相关分析结论对于进一步深化研究微博的用户内容生成模式具有一定参考意义.    

15.  基于社团信息传播能力分析的微博舆情热点监测  
   陈刚  林琛  席耀一  李弼程《信息工程大学学报》,2015年第16卷第5期
   在分析微博舆情热点监测研究局限的基础上,从信息传播角度提出一种基于社团信息传播能力分析的微博舆情热点监测方法。该方法首先基于微博用户间信息交互构建微博信息交互网络;然后采用快速Newman社团发现算法挖掘信息交互网络中的信息传播社团;最后根据用户传播影响力和用户间交互紧密度对社团的传播能力进行评估,并通过对具有较强信息传播能力社团中信息交互的监测实现微博潜在舆情热点的挖掘。实验结果表明,微博信息传播社团的信息传播能力与热点微博信息在社团中的真实传播效果具有较高的拟合度,通过对强传播能力社团中信息交互情况的实时监测,可发现潜在舆情热点信息。    

16.  基于概率生成模型的微博话题传播群体划分方法  
   陈静  刘琰  王煦中《计算机科学》,2016年第43卷第8期
   事件以话题形式在微博中迅速传播,并能够产生巨大的影响力。因此,对 参与 话题传播过程的用户进行分析以及发现具有不同主题兴趣情感倾向性的群体受到政府和企业的广泛关注。现阶段,绝大多数应用到微博的群体发现算法都是从单个用户出发,仅考虑了用户社会联系,与用户共享内容相隔离,其群体发现的结果不具有语义信息。少数算法综合了用户社会联系与内容,却忽略了微博本身的结构特性。因此从微博话题的角度出发,综合考虑话题传播过程中的用户交互、微博文本内容以及情感极性,同时结合用户的行为信息,提出了一个基于概率生成模型的微博话题传播群体划分方法BP-STG。采用吉布斯抽样对模型进行推导,不仅能够挖掘出具有不同主题倾向性的群体,同时还能够挖掘出群体的情感倾向分布以及用户在群体中的活跃度及其行为表现。此外,模型还能够推广到许多带有社交网络性质的媒体中。在获取的新浪微博两个话题数据集上的实验表明,BP-STG模型不仅能够有效地对微博话题传播群体进行划分,而且能够发现群体内部活跃用户以及用户在群体中的行为模式。    

17.  基于SVM的微博转发规模预测方法  
   李英乐  于洪涛  刘力雄《计算机应用研究》,2013年第30卷第9期
   为了评价微博的传播效果, 在分析影响用户转发行为因素的基础上, 提出了采用用户影响力、用户活跃度、兴趣相似度、微博内容重要性和用户亲密程度五项特征进行转发行为预测的SVM算法, 以及基于该算法的转发规模预测算法。最后给出了传播规模预测的评价方法。针对新浪微博用户数据的实验表明, 预测精度达到了86. 63%。    

18.  基于循环神经网络的微博转发行为预测  
   穆圣坤  张路桥  滕彩峰《计算机系统应用》,2019年第28卷第8期
   随着网络的飞速发展,微博逐渐成为社交网络中信息传播及信息收集的重要平台,微博转发是微博信息传播的重要途径,研究微博转发问题对微博信息传播、微博营销、舆情监控有着极其重要的意义.影响微博转发的主要因素有:粉丝兴趣与微博文本的相似度,微博营销策略及用户粉丝数量的变化.以往的预测模型没有综合考虑这两方面因素,基于此,提出了一种基于循环神经网络的方法来对微博转发量级进行预测,首先利用SIM-LSTM模型构建微博转发趋势度,然后再利用TF-IDF构建粉丝兴趣和微博文本的相似度,最后通过神经网络模型来预测粉丝是否会转发该微博.实验结果表明本文提出的算法相对于其他预测算法F1评估值提高了近5%.    

19.  基于非负多矩阵分解的微博网络信息推荐*  
   张国英  武 浩  蔡光卉  何 敏  余 江  徐 涛《计算机应用研究》,2017年第34卷第9期
   微博网站作为一种流行的社交媒体形式,在为用户提供丰富信息和服务的同时,也带来了信息超载问题。如何利用微博网络为用户推荐有价值的信息,以缓解信息超载问题,变得日益重要。根据微博网络的有向性以及建立关注关系的随意性等特点,提出了一种基于非负多矩阵分解的微博网络推荐方法,综合考虑了用户之间的关注关系、用户与微博内容的转发关系,以及微博内容与主题的所属关系等多源信息。基于新浪微博数据集进行了微博内容推荐实验,结果表明基于非负多矩阵分解的方法,能够有效利用微博网络中的多维信息,显著提高推荐准确度。本方法不仅能挖掘出微博内容的主题,还能挖掘出用户间的关联关系,还可推广到对用户进行好友和主题的推荐。    

20.  个性化微博推荐算法  被引次数:4
   王晟  王子琪  张铭《计算机科学与探索》,2012年第10期
   微博不同于传统的社会网络和电子商务网站,存在用户活跃程度低,微博数据稀疏和用户兴趣动态变化等特点,将传统推荐算法应用于微博推荐时,效果并不理想。提出了一种基于贝叶斯个性化排序的微博推荐算法,对用户进行个性化微博推荐。该基于贝叶斯个性化排序的微博推荐算法,以微博对的形式提取微博系统中的隐式信息,对这些微博对进行学习,从而得到用户对不同微博的兴趣值。根据每条微博发出的时间,估计每条微博对的可信度。发出时间越接近的微博对,它的可信度就越高,并且对用户的兴趣值影响就越大。在新浪微博的真实数据上进行实验和评测,结果表明该基于贝叶斯个性化排序的微博推荐算法相比于对比算法,在进行微博推荐时有更好的效果。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号