CASIA OpenIR  > 毕业生  > 硕士学位论文
微博社区发现及演变分析关键技术研究
其他题名Research on Key Technologies of Community Discovery and Evolution Analysis for Micro-blogging System
高珩
学位类型工学硕士
导师李秋丹
2013-05-25
学位授予单位中国科学院大学
学位授予地点中国科学院自动化研究所
学位专业模式识别与智能系统
关键词社交网络 微博平台 用户社区发现 社区演变分析 趋势话题分类 微博信息服务 Social Network Micro-blogging Platform User Community Discovery User Community Evolution Analysis Trending Topics Classification Micro-blogging Information Service
摘要作为一种新兴的社交媒体,微博以其便捷快速的交互方式与实时动态的平台特性,受到了越来越多网络用户的青睐。用户可以在该平台上自由地发布帖子,跟随其感兴趣的用户以及快速地浏览网络信息。趋势话题的出现使用户的微博生活更为丰富,微博用户通过参与感兴趣的趋势话题能够快速获取自己感兴趣的信息,包括兴趣相投的用户群组,感兴趣事件的演化规律以及最合心意的微博帖子内容等。在微博平台数据爆炸式增加、用户信息获取需求愈发强烈的时代背景下,充分利用包括趋势话题在内的微博平台信息元素,研究有效的社区发现及演变分析方法,对于更好地分析用户兴趣、缓解信息过载问题,进而为用户提供高质量的信息服务具有重要意义。 微博平台具有实时便捷的特性,用户可以在该平台上发表与自己兴趣爱好相关的帖子、追随自己感兴趣的人物以获得该用户发表或转发的自己感兴趣的内容信息,用户的发帖行为与好友关系从不同方面反映了用户的兴趣爱好,通过有机结合这两方面信息,挖掘其中的潜在关联,对用户与帖子内容进行聚类发现用户社区,有利于用户快速定位自己喜欢的社区类型,方便其浏览自身感兴趣的内容信息;同一社区内用户讨论以及关注的内容会发生变化,且不同时间点间围绕讨论的相关话题, 用户社区结构之间往往存在一定的联系,诸如衍生、消失、分裂与归并等。在用户社区挖掘工作的基础上,研究基于话题展开的用户社区演化关系,有助于理解特定话题的产生背景,可以更全面地对社区用户行为进行分析和建模,从而为微博信息组织与用户信息服务提供更为全面的分析方法。 用户社区会随着时间的推移发生演变,具体表现为用户的发帖行为受到之前时段好友消息传播行为的影响,进而引发用户社区结构随时间的演变发展。在微博平台信息快速传播的背景下,考虑包括时间变化特性以及用户发帖动态行为因素在内的用户社区演变模式,有利于用户把握感兴趣事件的发展趋势。对微博社区的演变分析能帮助用户挖掘各类感兴趣事件的演变模式,社区里的微博趋势话题则能加深用户对各种事件演变模式的理解。针对微博趋势话题展开分类工作,将会为各类事件的演变模式提供更高层次的语义信息描述,从而帮助用户更好地理解社区演变规律,把握事件发展动态。由于用户发布的微博帖子长度短,语义性不强,通过微博趋势话题的内容集合功能为帖子增加语义信息,对结果进行合理归类,会是一种可靠高效的信息组织方法,并将为用户提供友好便捷的面向微博平台的信息服务。 本课题重点研究面向微博的社区发现及演变分析关键技术。课题旨在利用信息检索、数据挖掘与机器学习等技术,结合微博的自身特点,通过对微博社区发现及演变分析等关键技术的研究,对微博上的丰富网络信息进行分析与有效整理,实现为用户提供可靠信息服务的目的。具体而言,本文以微博平台为应用背景,拟从用户社区发现、用户社区演变及微博趋势话题分类这三个不同的用户信息服务角度展开研究,主要内容包括如下几个方面: 1)提出了一种基于概率矩阵分解的用户社区发现模型,用于发现微博平台上的用户社区,以帮助用户快速定位自己...
其他摘要As a new emerging social media, micro-blogging is becoming more and more popular among network users with its convenient interaction style and real-time platform feature. Users can freely post tweets on the platform, follow their interested users and quickly browse online information. The appearance of trending topics enriches users’ micro-blogging life. By attending trending topics that they are interested in, users can quickly acquire the desirable information, including interested users community, the evolution of these events and their favourite tweets. As data in the micro-blogging platform increases explosively, users’ demand for valuable information becomes more intense. To make full use of information elements on the platform, study on effective community discovery and community evolution analysis methods can provide a better analysis for user interest and alleviate information overload problem, which in turn provides high quality information services to micro-blogging users. The real-time convenient features of the micro-blogging platform provide users a natural approach to post tweets that are related to their interest, follow their interested people and acquire the information their followees have posted or re-tweeted. Users’ post behavior and the friendship network reflect their interest from different angles, by combining these two aspects information and mining the latent association between them, the community discovery research can help users quickly locate their favorite community types, which will provide users a new approach to browse valuable content information; The content that users within the same community are discussing and concerning changes over time. There is often a certain degree of connection around the related topics between user's interest community structures from different time periods, such as derivatives, disappear, splitting and merging. On the basis of user community mining work, researches on user communities’ evolution with topics can help understand the background of specific topics, analyze and model community users’ behaviors fully, which provides a more comprehensive analysis method for information organization and user information services. User communities will evolve with the passage of time, the specific phenomenon is that users’ behavior will be influenced by their friends’ earlier performance, which prompts community structure’s evolution with time. In the context of rapid inform...
馆藏号XWLW1905
其他标识符201028014628035
语种中文
文献类型学位论文
条目标识符http://ir.ia.ac.cn/handle/173211/7655
专题毕业生_硕士学位论文
推荐引用方式
GB/T 7714
高珩. 微博社区发现及演变分析关键技术研究[D]. 中国科学院自动化研究所. 中国科学院大学,2013.
条目包含的文件
文件名称/大小 文献类型 版本类型 开放类型 使用许可
CASIA_20102801462803(3011KB) 暂不开放CC BY-NC-SA请求全文
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[高珩]的文章
百度学术
百度学术中相似的文章
[高珩]的文章
必应学术
必应学术中相似的文章
[高珩]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。