融合兴趣和行为的用户转发行为预测

微博转发是微博网络中信息得以传播的基础,对用户影响力评估以及网络营销等具有重要意义。现有的方法在考虑影响用户转发行为的因素时,大多只考虑微博以及用户属性等特征,没有考虑用户兴趣和用户历史行为规律等个性化特征,本文提出了基于LDA主题模型的用户兴趣与微博相似度计算方法,将计算结果作为用户兴趣特征,还提出了基于用户转发率、与上游用户交互频率的用户历史行为特征,最后融合用户兴趣特征、用户历史行为特征、上游用户特征、微博特征,建立基于几种常见分类模型的预测方法,在真实数据集上的实验结果表明,该方法能够有效提升预测准确性,取得较好的预测效果。     

基于内容和评论及时性的微博影响力用户检测算法

以评论内容关键字和用户之间的评论关系为基础,结合评论及时性在微博影响力用户检测中的重要作用,研究如何有效获取微博中最有影响力用户的问题,基于Page Rank经典算法提出了基于评论内容相似性和评论及时性的微博影响力用户检测算法(Com Rank)。算法首先对每条评论信息进行分割处理,获取关键字并记录评论生成时间;然后基于评论内容关键字相似性计算评论内容相似性;再次,结合评论及时性计算评论关系权值;最后使用Com Rank算法检测最有影响力的微博用户。真实数据集上的实验结果验证了该方法的有效性。     

一种基于MapReduce架构的微博用户影响力评价算法的设计与实现

随着互联网的高速发展和Web2.0时代的到来,微博用户正以惊人的速度在增长.新浪微博现以粉丝数作为用户排名的依据,在僵尸粉和大量低使用率帐号的影响下,这种简单的排名依据难以表征用户的影响力.本文以海量新浪微博数据为分析对象,在分布式系统上构建微博用户的影响力评价模型.文章主要以微博用户的转发网络计算微博用户的微博影响力,再利用关注关系计算微博用户的潜在影响力,最后合成微博用户影响力的评价模型.实验及分析表明,该评价方法在微博服务中能有效的反映微博用户的真实影响力,适用于度量微博用户的影响力.     

基于用户行为和结构洞的用户影响力评价模型

针对目前大多数用户影响力度量方法未能充分考虑非冗余信息的问题,结合结构洞原理,构建基于用户行为和结构洞的用户影响力评价模型。对用户行为进行量化,将其融入到网络边权中,并在此基础上对结构洞评价方法——网络约束系数进行改进,解决其未考虑用户行为对网络边权的影响,以及节点与邻近节点、次邻近节点三层拓扑关系的问题,最后构建用户影响力综合评价模型。通过新浪微博数据进行验证,排序实验与覆盖率实验结果验证了该模型用户影响力度量的准确性与有效性。     

微博转发网络中的节点特征和传播模型

微博作为重要的社交网络平台,具有传播快速、平台影响大的特点.微博用户的节点特征决定了其网络影响力.研究了微博转发网络中节点的度值特征和传播模型.首先通过区分信息流动方向构建了微博转发网络;其次分别讨论了出度一入度的均值和方差,明确二者的差异,并分析了考虑节点度值特征的信息传播过程;最后通过仿真验证可以看出:边的有向性对信息传播有着显著的影响,在有向条件下,渗流阈值增加,同样概率下传播范围变小,信息传播更为困难.     

融合标签关联关系与用户社交关系的微博推荐方法

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.     

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.     

突发环境事件中微博影响力的预测研究

构建突发环境事件中微博影响力预测模型,有助于相关部门及早发现问题,并采取行动,保障网络舆情平稳发展。因此,本文以“xx突发环境事件”为研究对象,根据微博转发、点赞和评论次数衡量其影响力,选取微博用户、内容、时间特征,建立基于AdaBoost算法的微博影响力预测模型,并对微博特征重要性进行分析,结果表明该模型的预测精度可达到93.2%,能够较好地完成预测任务。此外,微博的内容、时间特征、用户基本信息、用户活跃度均对微博影响力产生作用,长文本的、通知类的微博影响力更高,白天发布的微博影响力要比晚上发布的高,政府媒体用户和大V用户发布的微博影响力更高,原创度高的用户发布的微博影响力也会更高。     

TPRank用户影响力评价算法的应用

目前针对社交网络的数据挖掘,出现了越来越多的研究热点。结合用户影响力分析建模,提出了TPRank用户影响力评价算法,该算法可以在特定话题下对用户影响力进行评价。引入用户活跃度的概念来反映用户发布微博的频率高低,在此概念的基础上,提出了基准用户影响力评价算法,而后提出了用户聚集系数的概念来反映一个用户的凝聚力大小,对基准用户影响力评价算法进行修正,得到最终的用户影响力评价算法TPRank。该算法综合考虑了用户活跃度、转发行为、时间和聚集系数等因素。最后在新浪微博数据集上进行了实验,利用TPRank找出了特定话题下影响力大的用户。     

基于个人意愿的社会网络团体结构与信息检测方案

个人意愿对于形成网络社团和传播信息有着重要的影响力,因此本文提出一种基于个人意愿的社团结构与信息检测方案.该方案中的社团检测算法初次检测以融入节点属性的模块度,再次检测以兴趣度并能发现重叠社团,最后精细检测以个人意愿,本文社团检测算法（ε_CSDA）较之前的算法更有效的是可以发现重叠社团;同时,该方案建立的信息传播模型在指数模型基础上构建边特征向量（边属性）、节点特征向量（节点属性）和意愿向量（用户意愿、社团意愿和节点意愿）,并以传播概率和传播延迟构建模型基本关系,从而使得该模型实现了基于个人意愿的信息传播.实验结果表明,加入个人意愿的社团检测和信息传播方案,能够保证社团检测的有效性和实用性,能够实现用户间信息传播的主动性和可靠性.     

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。     

一种基于用户浏览行为更新的兴趣模型

为了使个性化推荐系统能适应用户浏览兴趣的变化,一个关键问题就是如何动态地更新用户的兴趣模型。提出了一种新的二层树状结构模型。模型的第1级节点表示用户的兴趣类型,及其对每一兴趣类的兴趣度高低：第2级节点是用户某一兴趣类的向量空间模型表示。并通过分析Web环境下用户的浏览速度,改进了兴趣类兴趣权值计算公式,然后通过用户在这张页面上的浏览速度和页面内容与兴趣类主题的相关程度来更新模型。试验表明改进的计算公式能将兴趣估计的一致性提高到70％。     

Quality of experience evaluation of HTTP video streaming based on user interactive behaviors

User interactive behaviors play a dual role during the hypertext transfer protocol (HTTP) video service: reflection and influence. However, they are seldom taken into account in practices. To this end, this paper puts forward the user interactive behaviors, as subjective factors of quality of experience (QoE) from viewer level, to structure a comprehensive multilayer evaluation model based on classic network quality of service (QoS) and application QoS. First, dual roles of user behaviors are studied and the characteristics are extracted where the user experience is correlated with user interactive behaviors. Furthermore, we categorize QoE factors into three dimensions and build the metric system. Then we perform the subjective tests and investigate the relationships among network path quality, user behaviors, and QoE. Ultimately, we employ the back propagation neural network (BPNN) to validate our analysis and model. Through the simulation experiment of mathematical and BPNN, the dual effects of user interaction behaviors on the reflection and influence of QoE in the video stream are analyzed, and the QoE metric system and evaluation model are established.     

高校BBS与微博的用户社交行为特征分析

为了扩大信息宣传渠道传播校园正能量,高校会使用官方微博发布BBS的一些关键信息。通过对一个高校BBS微博的研究,实现了一种将微博社交信息反馈至BBS的信息抓取与编辑系统。在此基础上,分析微博用户社交行为特征,提出紧密度和亲密度的概念,很好地实现了用户间的好友关系及关注度。特殊标点符号对微博话题的提取能提供很大的帮助,通过比较基于词典与表情符号和基于不同词典的评论情感分析,得出综合网络词典和表情符号的方法能取得更好效果。     

基于微博的网络舆情管控技术研究

微博作为社交网络发展的最新产物,已逐渐成为网络舆情爆发的始发地。微博舆情管控有效的措施是发布舆论疏导信息进行正确导向。研究基于微博网站的开放平台,通过注册合法用户,采取群发消息、群发评论、群发@信息等技术途径,增强舆论导向信息传播的速度和密度、信息投送的精度和力度。最后通过国内主流的微博网站开放平台搭建实验环境,对微博舆情管控技术进行了验证,能够较好地实现微博舆情疏导信息形成几何数的传播速度。     

流行病模型在微博转发预测中的应用

Microblogs currently play an important role in social communication. Hot topics currently being tweeted can quickly become popular within a very short time as a result of re-tweeting. Gaining an understanding of the retweeting behavior is desirable for a number of tasks such as topic detection, personalized message recommendation, and fake information monitoring and prevention. Inter-estingly, the propagation of tweets bears some similarity to the spread of infectious diseases. We present a method to model the tweets’ spread behavior in microblogs based on the classic Susceptible-Infectious-Susceptible (SIS) epidemic model that was developed in the medical field for the spread of infectious dis-eases. On the basis of this model, future re-tweeting trends can be predicted. Our experi-ments on data obtained from the Chinese micro-blog?ging website Sina Weibo show that the proposed model has lower predictive error compared to the four commonly used predic-tion methods.     

一种SDN中用户群博弈的OpenFlow流调度策略

提出了一种基于用户中心网络的软件定义网络框架,建立了一种基于用户群博弈策略的OpenFlow流调度模型,提取用户群属性及用户最佳体验参数,从用户层面跨层至控制层进行调度,对比了非合作博弈调度与合作博弈调度。仿真结果显示,合作博弈调度的用户群整体满意度最佳,有助于通信运营商实现“用户为王”的理念。     

基于LSTM深度学习模型的中国电信官方微博用户情绪分析

中国电信官方微博（简称电信官微）作为一种互联网媒体,是中国电信对外发布信息并获取用户反馈的重要渠道。用户对电信官微消息内容的评论,反映了用户对中国电信品牌、产品和服务的不同态度。爬取了电信官微的消息内容和评论数据,对经过清洗的数据采用Word2vec进行文本信息表示,并使用深度学习平台基于LSTM深度神经网络模型进行用户交互文本的正负面情感分类,实现电信官微访问用户情绪分析。     

用户反馈和模式识别相融合的机器翻译优化研究

目前机器翻译无法进行高质量翻译,以提升机器翻译译文质量为目标,提出了用户反馈和模式识别相融合的机器翻译优化方法.首先提取不同用户置信度特征,建立用户置信度评价模型,通过评价模型区分不同用户反馈的翻译内容,将置信度评价结果较高的机器翻译结果利用模式识别算法进行优化,通过搜索算法判断关键词是否属于椭球公式,符合要求的关键词...     

移动数据业务发展预测模型和质量评估体系研究

针对移动数据业务的发展预测模型和业务质量评估体系进行研究。首先分析移动业务发展现状和趋势,重点从蜂窝数据流量需求的影响因素出发,提出数据流量发展预测模型和方法。然后从3G/LTE的业务需求和特点出发,分析了目前移动运营商面向用户体验的业务质量评估体系,包括用户体验质量（QoE）的评估体系和基于应用覆盖的评估方法。