微博用户关注兴趣的社会网络分析.pptxVIP

来源《现代图书情报技术》袁园，孙霄凌，朱庆华李卉 管理科学2014104122微博用户关注兴趣的社会网络分析背景：微博已成为大多数人用以表达自己思想、传播内容和交流学习的平台。广大的微博用户及其相互间的交互关系构成了一个庞大的社会网络结构。目前，微博已受到各界学者的广泛研究，但大多数都是对微博所形成的社会网络在结构上和用户态度上的分析，并没有涉及微博用户的行为规律以及它所形成的社群网络内容上的角色关系的探讨。意义：随着互联网的发展和微博用户数据的急剧增长，如何在海量数据中挖掘表征用户兴趣度的特征，向用户进行更有针对性的个性化推荐，对于提升用户体验至关重要。内容：本文的研究方案是在通过抽样获取微博关注样本数据的基础上，通过共链关系建立社会网络结构，对该社会网络的相关指标进行分析，并辅以聚类分析方法，挖掘出微博用户关注的热点对象，并在此基础上对热点对象进行分类，最后在事实发现的基础上对微博平台的用户关注推荐提出相关建议。技术路线（1）选取10个较为发达的城市，随机抽取50个微博达人（２）记录下５０位微博达人关注的好友中已具有新浪认证的明星（个人主页有“Ｖ”符号认证）（3）将这些明星按照微博用户关注频数从高到低排列，并选取8个不同类型的各前4个不同类型的明星作为研究微博明星样本。（4）统计出这３２个微博明星两两联系的共链数据（5）将共链数据进行“二值化”处理，所采取的方法是在平均共链数以上的数据赋值为１，平均数以下的数据赋值为０。使用ucinet软件得到微博明星共链数据的显现化社群图。（6）根据ucinet算出度点中心度，中间中心度，分析得到核心点。（7）对微博社区内部进行子结构分析（8）使用spss以每个数据与其他31个微博间的共链数据作为聚类变量计算指标，得出聚类结果。 创新点： 之前通过对微博用户特征的统计分析表明，用户被关注数遵循幂律分布，即只有极少数用户拥有广泛关注，而大多数用户的影响力十分有限。 因此，需要改变传统一般的推荐算法，深入分析各用户关注对象在整个社交网络中的结构位置和角色属性，进而从整体上挖掘广大微博用户关注行为习惯，提高推荐效率。计划11周读论文，理解论文中的概念，学习文中所提到的方法12周学习使用ucinet软件13周收集数据14周使用软件得出数据，进行总结15周整理回顾，找出不完善的地方加以改正。参考文献1] Gediminas Adomavicius,Alexander Tuzhilin.Toward the next generation of recommender systems: a survey of the state-of-the-art and possible extensions. IEEE Transactions on Knowledge and Data Engineering . 2005 [2] Fischer E,Reuber A R.Social Interaction via New Social Media: (How)can Interactions on Twitter Affect Effectual Thinkingand Behavior. Journal of Business . 2011 [3] Java,A. et al.Why we twitter:understanding microblogging usage and communities. Proceedings of the 9th WebKDD and 1st SNA-KDD 2007 workshop on Web mining and social network analysis,2007 . [4] Adar E,Zhang L,Adamic LA,Lukose RM.Implicit structure and the dynamics of blogspace. Proc.of the Workshop on the Weblogging Ecosystem,the13th Int’l World Wide Web Conf . 2004 [5] Teutle A R M.Twitter:Network Properties Analysis. Pro-ceedings of the 20th International Conference on Electronics,Com-munications and Computer . 2010 [6] Delwiche A.Agenda-setting,Opinion Leadership,and the Worldof Web Logs. Proceedings of the International Communi