基于微博的專家用戶搜索關鍵技術研究.pdf

1、近年來，隨著 Web2.0的快速發(fā)展，社會網絡越來越普及，Twitter和Weibo等微博客被廣泛使用，并產生了巨大的社會影響力，改變了人們的生活方式。微博中有數以億記的用戶，用戶的身份也各不相同，其中有名人機構，也有草根大眾。如何從這些海量的用戶中發(fā)現與主題相關的專家用戶是一件很有挑戰(zhàn)的事情。
　　本文以新浪微博平臺為基礎，通過用戶標簽數據和用戶關注關系數據來挖掘用戶的專家屬性。本文通過調查統(tǒng)計分析，發(fā)現微博用戶朋友之間興趣趨同

2、的特點，提出同質性假設。
　　針對微博用戶標簽數據缺失、標簽數量少、信息含量低等問題，本文提出改進的TF-IDF模型，過濾低信息含量的用戶自標簽，并基于同質性假設，設計一種標簽傳播算法來擴展用戶的興趣標簽，形成用戶的興趣圖譜。通過用戶的興趣圖譜，給用戶關注關系附上相應語義信息，以此為基礎，利用眾包的策略來推斷話題專家。
　　根據微博網絡中的二八原則，即20％的用戶產生80%的內容，本文把微博網絡中的用戶分為核心群體和輔助群體

3、兩大部分。在興趣圖譜基礎之上，本文根據特定話題構建局部網絡，提出基于用戶分級的SALSA算法來計算用戶的話題影響力，推斷用戶的專家屬性，并根據微博平臺固有特點，提出多特征融合模型，提高檢索精度。
　　本文實驗基于新浪微博真實數據集，包括用戶屬性、用戶關系網絡等信息，并人工標注測試集。在該數據集上對興趣圖譜挖掘和基于用戶分級模型進行驗證。實驗結果表明，擴展興趣圖譜大幅度提高了檢索精度，在擴展興趣圖譜后，用戶分級模型精度也有較大提高。