基于关系的微博重要度算法研究

近年来微博已经发展为一个影响力巨大的社交网络平台。针对微博的复杂网络特性,提出了对微博用户重要度的算法,从海量微博信息中智能提取重要内容。算法考虑到社交网络的节点间影响以及用户行为的传递性,同时为了提高对海量节点的处理能力,进行了有效的子网分划。通过实验,证明算法能有效分析网络中节点贡献内容的重要度,有助于提高社交网络中舆情监控、分析、管理等工作的效率和准确性。     

基于微博媒体的社区发现技术研究

微博社交网络是由节点构成的,每个节点代表一个微博用户。节点与节点间存在着关系,因此连接紧密的节点形成了社区。如何从微博社交网络中挖掘出社区,已成为Web2．0的团体挖掘研究热点。详细介绍了传统的网络团体挖掘算法,并提出了一种新的社区发现的算法,称为基于用户兴趣的社区发现算法。该算法不论在计算效率还是社区发现效果上比传统算法都具有明显的提升,取得了不错的实验效果。     

浅论微博的基本功能及传播特点

微博是这几年来网络不断的发展而兴起的产物,至2007年开始进入我国,并在2010年迎来春天,像雨后春笋般崛起,至今新浪、腾讯、网易、搜狐四大微博门户使用活跃人数已经超过三亿。是什么使得这个新兴产物如此火爆,短短几年成为很多人日常生活中不可缺少的一部分,它凭借着什么超越了传统媒体和互联网媒体。笔者试从微博的四大功能及传播的主体、内容、方式、渠道入手,浅论微博的基本功能及传播特点。     

基于聚类分析的微博用户标签自动生成

基于用户发表的微博内容进行标签的自动生成,主要研究的是基于聚类分析的用户标签自动生成.本文首先介绍用到的关键技术:聚类技术和TextTank,提出了Baseline系统,接下来详细说明了基于聚类分析的标签自动生成方法,最后通过实验对该方法进行了分析和评价.实验结果表明,该方法生成的用户标签能够有效地解决同义标签的堆积问题,使得生成的标签能够在更多的维度上体现用户的兴趣.     

从微博新闻性看微博的回归之路——以新闻马航事件为例

微博的起势过程中,各种各样的信息都有可能成为微博头条。随着微博的沉默,只有新闻性较强的微博"新闻",才能使得微博重受网众青睐。本文以马航事件为例,分析了微博新闻性的特点,以及在微博的回归之路上,新闻性所具有的重要意义。     

微博双向“关注”网络节点中心性及传播 影响力的分析

根据新浪微博的实际数据, 建立了两个基于双向“关注”的用户关系网络, 通过分析网络拓扑统计特征, 发现二者均具有小世界、无标度特征. 通过对节点度、紧密度、介数和k-core 四个网络中心性指标进行实证分析, 发现节点度服从分段幂率分布; 介数相比其他中心性指标差异性最为显著; 两个网络均具有明显的层次性, 但不是所有度值大的节点核数也大; 全局范围内各中心性指标之间存在着较强的相关性, 但在度值较大的节点群这种相关性明显减弱. 此外, 借助基于传染病动力学的SIR信息传播模型来分析四种指标在刻画节点传播能力方面的差异性, 仿真结果表明, 选择具有不同中心性指标的初始传播节点, 对信息传播速度和范围均具有不同影响; 紧密度和k-core较其他指标可以更加准确地描述节点在信息传播中所处的网络核心位置, 这有助于识别信息传播拓扑网络中的关键节点.     

基于SVM算法的微博用户识别和分类研究

基于广受欢迎的微博平台,利用新浪微博提供的API接口及网络爬虫技术从微博中提取用户数据,通过支持向量机算法(SVM)将微博用户分为水军用户和非水军用户两类。再利用改进的支持向量机算法(SVM)从大量的用户数据中提取特征值,实现多分类支持向量机模型,将用户分为正常用户、炒作型水军、营销型水军、谣言型水军四类。研究结果表明,构建的模型可以较为准确地识别出用户的类型,识别误差率较低。