基于用户活跃度和热门话题的微博社区推荐技术研究.doc

兰州交通大学工程硕士学位论文 热门话题检测相关理论27 基于时间特性的微博热门话题检测算法研究29 基于用户活跃度的微博社区推荐32 5 实验结果及评价36 数据采集36 评价方法36 实验结果与分析36 6 结论与展望40 结论40 工作展望40 致 谢42 参 考 文 献43 攻读硕士期间的研究成果及参加的科研项目47 - V - 万方数据 万方数据 兰州交通大学工程硕士学位论文 1 绪论 研究背景和目的 近年来随着 Web2.0 的发展，网络在线信息呈爆炸式增长，这一方面拓宽了用户获 取信息的渠道，另一方面对用户做出信息选择造成了不利影响。顺应信息时代的发展， 在线社交网络服务为用户发布信息、与他人共享信息提供了平台。互联网信息世界中的 社交网络具有很多与现实世界里的社交网络相同的情况。其中最显著的现象就是所谓的 六度分隔，指的是平均每个结点通过不超过 5 个结点都可以和另一个结点相连接[1]，这 也是著名的小世界理论。有很多工具和算法来分析由用户关系形成的社交网络，其中相 互联系的用户用结点表示，用户之间的关系用边来表示。一般来说，一个流行的社交网 络会有几十亿的结点，这些结点通过彼此之间的相互关系连接起来。以图形的方式来看， 有一组结点密集地连接在一起，而不指向其他外围的结点，这些结点组成的集合被看作 是一个社区。充分地理解这些社区的结构、分布及动态变化，人们可以获得更好的机会 去开发创新性的应用和相应的宣传策略。 作为一种新形式的媒体，不同于 BBS 论坛、facebook 以及其他传统的社交服务， 微博具有很多特有的特征，成为人们获取信息、彼此相互交流的平台。首先，用户之间 的关注与被关注关系是单向的，并不需要双方的验证。微博用户不仅包括歌手、电影明 星和普通用户，也包括虚拟用户如公司、科学主题和天气预报等。微博社区中总是存在 着许多所谓的“领导者”，这些人粉丝团庞大，形成了社区信息传播的中心枢纽。其次， 社区的结构在相对较短的时间内变化频繁。当一个用户发现一条有趣的信息被转发了很 多遍时，他可能就会关注最初发布这条信息的用户。这个现象表明社区结构往往趋于平 缓。再次，为了得到更全面的新闻和信息，普通用户可能会关注很多有名的结点，这就 造成了社区结构的重叠。最后，用户之间具有多个属性和关系，例如关注、粉丝、朋友 和指向(@)等。这种用户之间的多维关系增加了社区的复杂性和覆盖面，尤其使得信息 传播沿着关注链接快速扩散。 考虑到用户可以获得朋友发布的所有信息,信息传播主要依靠用户之间的互动行 为，如图 1.1 所示。从图中我们可以了解到，一个用户创造性地发布了一条信息，然后 通过与其互动的其他用户向外层传播该信息，这使本来没有直接联系的用户具有了某种 间接的联系。类似于其他的在线社交网络结构，微博社区也具有自己的意见领袖，这些 意见领袖与很多用户之间具有链接，他们发布的信息频繁的被粉丝转发。另外，社区内 的成员之间与社区外相比，互动更频繁、链接紧密度更高。通过对网络的进一步分析， 我们可以获得特定的拓扑结构来识别各种在线社区的目的，如商业的、安全的使用。 - 1 - 万方数据 基于用户活跃度和热门话题的微博社区推荐技术研究 作为 Web2.0 时代最流行的沟通平台，微博社区使用户能够创建、传播和检索信息， 因此得到了飞速地发展。根据《2012 中国微博蓝皮书》，中国 19 岁及以上的微博用户 占互联网用户的比重已经达到 88.81%，并且微博用户总量约为 3.27 亿，整体呈现趋向 饱和态势。与传统的新闻媒体(例如报纸、广播、电视)相比，微博表现出了一些显著的 特点，如表 1.1 所示： 图 1.1 信息传播拓扑结构 表 1.1 微博与传统媒体的对比 特征 传统媒体 微博 文本长度 具有几百或几千字的文本长度 少于 140 个字符 更新频率 慢 很快 信息提供者 新闻工作者 任何人 质量监控 严格的质量控制 无人控制 数量增长率 慢 很快 鉴于这些因素，微博社区呈现出“大量信息”的特征，造成了信息过载问题。微博 用户在面对不同提供者共享的巨量信息时感觉很难做出决定。例如，给定一个具有 10 万活跃用户的社区，假设每个用户每天创建 10 条微博，这样每天就会有 100 万条更新 的信息，这就造成了信息泛滥，使用户很难有效地阅读。因此，基于用户活跃度和热门 话题的微博社区推荐系统成为帮助用户解决信息过载问题的关键，从“大量信息”中检 索出微量的有效信息。 另外，人们通过常规的网络搜索引擎可以实现导航查询功能，如“Sina 网站”。不 过，这种简单的方式有时候并不能满足人们的信息需求，或者可能无法提供“正确”的 - 2 - 万方数据 兰州交通大学工程硕士学位论文 查询结果，此类查询通常称为信息查询，包括昂