社交網用戶行為關系概率推演模型的研究與實現.pdf

1、社交網絡是一個以用戶為中心，由用戶來產生各種信息的應用，而這些信息是觀察用戶間關系的基礎，如何發(fā)現具有緊密關系的用戶并為其提供信息推薦服務，進而服務于社區(qū)發(fā)現，是目前學術界和工業(yè)界關于社交網用戶關系研究熱點問題之一。Twitter作為典型社交網應用之一，由于擁有眾多用戶并含有豐富Tweets內容，因此能有效挖掘用戶關系，本文基于Twitter平臺從用戶行為角度對用戶關系問題進行了深入研究。
　　首先，針對以往大部分研究僅以社交網用

2、戶間“關注”與“被關注”行為作為用戶關系研究焦點所導致不能確切反應用戶間緊密關系的不足問題。本文認為可根據與用戶行為有關的兩個關鍵因素，即活動和位置來分析用戶關系，并由此提出了一種用戶在相近地理位置進行相似活動的用戶關系，即用戶間行為關系(Behavior Relationship-BR)，簡稱BR關系，該關系包括與會、旅游、購物等關系。進一步，將BR關系劃分為用戶對行為關系(User Pair Behavior Relationshi

3、p-UPBR)和用戶群行為關系(User Group Behavior Relationship-UGBR)。
　　其次，由于Twitter平臺“@”關系體現了用戶關系的緊密程度，因而本文利用“@”關系提出了一種BR關系概率推演模型PIM(Probability InferenceModel)。該模型首先面向一對用戶，計算二者之間的行為活動相似性概率及其位置相似度，從而以概率方法推演出他們是否具有UPBR關系;其次，通過基于BR矩

4、陣的最大樹聚類技術(BR Matrix-based Maximal Tree Clustering-BRMC)，來發(fā)現用戶群體間是否具有UGBR行為關系。
　　最后，本文從真實數據與仿真數據兩種數據集對BR關系推演的效果進行了擴展性實驗。其中，真實數據檢驗了PIM推斷用戶地理位置的誤差距離、準確率以及@次數與誤差距離的關系，實驗結果表明PIM在位置推斷具有比較高的準確性。仿真數據則從兩方面進行了實驗，一是測試了不同活動閾值下PIM