基于内容和评论及时性的微博影响力用户检测算法

以评论内容关键字和用户之间的评论关系为基础,结合评论及时性在微博影响力用户检测中的重要作用,研究如何有效获取微博中最有影响力用户的问题,基于Page Rank经典算法提出了基于评论内容相似性和评论及时性的微博影响力用户检测算法(Com Rank)。算法首先对每条评论信息进行分割处理,获取关键字并记录评论生成时间;然后基于评论内容关键字相似性计算评论内容相似性;再次,结合评论及时性计算评论关系权值;最后使用Com Rank算法检测最有影响力的微博用户。真实数据集上的实验结果验证了该方法的有效性。     

社交网络用户影响力分析

随着Web技术的发展,社交网络也呈现井喷式发展,并逐渐成为人与人之间互动交流的重要平台和工具。用户是社交网络的重要组成部分,关于其影响力的分析研究由来已久,因为用户影响力体现了社交网络的社交本质,并在社交网络的应用挖掘上具有重要作用。用户影响力分析主要包括分析与用户影响力有关的因素、分析如何度量用户影响力的大小以及分析影响力传播方式等。本文针对用户影响力的主要内容从用户的微观角度以及从社交网络的宏观角度展开分析,并总结了用户影响力的重要意义。     

基于Hadoop的微博用户影响力排名算法设计

微博用户影响力排名现主要以粉丝数为依据,但这种方法并不公正,针对这一问题,文中基于PageRank算法,提出一种基于PsoRank的评价算法。算法从用户自身质量及其粉丝质量入手,以粉丝数量、粉丝质量、评论率、转发率为因素,计算用户PIR值。最后,算法在Hadoop平台下实现,结果表明该算法相对于粉丝数量排名算法以及PageRank算法更能够反映用户真正的影响力。     

社交网络中用户区域影响力评估算法研究

以人人网为例对在线社交网络的分析,从区域信息传播的角度出发,研究社交网络中,信息传播的微观过程.通过真实测量用户的信息传播行为,完成用户信息传播网络的构建和测量.发现区域信息传播网络中少量核心节点覆盖了大部分的网络传播行为.针对这些核心节点,文中提出了一种基于节点传播意愿和传播能力综合考察的节点传播影响力识别算法InfluenceRank,并通过与多种相关算法进行比对,验证了算法的有效性.     

一种基于MapReduce架构的微博用户影响力评价算法的设计与实现

随着互联网的高速发展和Web2.0时代的到来,微博用户正以惊人的速度在增长.新浪微博现以粉丝数作为用户排名的依据,在僵尸粉和大量低使用率帐号的影响下,这种简单的排名依据难以表征用户的影响力.本文以海量新浪微博数据为分析对象,在分布式系统上构建微博用户的影响力评价模型.文章主要以微博用户的转发网络计算微博用户的微博影响力,再利用关注关系计算微博用户的潜在影响力,最后合成微博用户影响力的评价模型.实验及分析表明,该评价方法在微博服务中能有效的反映微博用户的真实影响力,适用于度量微博用户的影响力.     

基于用户行为和结构洞的用户影响力评价模型

针对目前大多数用户影响力度量方法未能充分考虑非冗余信息的问题,结合结构洞原理,构建基于用户行为和结构洞的用户影响力评价模型。对用户行为进行量化,将其融入到网络边权中,并在此基础上对结构洞评价方法——网络约束系数进行改进,解决其未考虑用户行为对网络边权的影响,以及节点与邻近节点、次邻近节点三层拓扑关系的问题,最后构建用户影响力综合评价模型。通过新浪微博数据进行验证,排序实验与覆盖率实验结果验证了该模型用户影响力度量的准确性与有效性。     

基于模糊综合评价理论的微博用户影响力评价方法研究

本文在综合分析各大门户微博和第三方微博数据提供商等微博影响力评价数据和研究成果的基础上,研究中兼顾了微博社会化媒体及自身媒体的特性,主要从微博内容、微博受众以及微博传播力三方面进行了微博用户影响力的分析与探讨,提出微博影响力评价的改进思路,为微博营销提供参考指标。     

微博用户影响力的评估

作为一种便捷的社交网络平台,微博已成为人们进行信息交流的重要媒介。微博活跃用户多,信息发布方式多、方便快捷,信息传播快速,范围广,极易形成网络舆情。微博博主对信息传播起着决定作用,而其在网上的影响力对其传播有很大影响。在消息的传播分析以及用户个体行为分析的基础上,提出影响力评估体系。该系统利用实例提供的数据,通过AHP方法,可计算出用户的影响力并排名,比较合理地体现了用户的实际影响力。     

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。     

一种改进的社交网络影响力最大化算法

社交网络影响力最大化即是在社交网络中如何挑选包含K个节点的种子节点集,去激活整个网络,使网络中最终被激活的节点数最大化。基于IC模型研究了社交网络影响力最大化问题。Diffusion degree算法提出了节点潜在影响力的概念,即一个节点的邻居节点的影响力也可以作为当前节点的影响力的一部分。基于Diffusion degree算法做出了改进,在考虑潜在影响力的时候进一步考虑了节点潜在影响力的有效性,更加准确地判断节点的影响力,再综合了算法Single Discount中的核心思想,从而选出更加优质的种子节点。仿真结果表明,该算法在影响范围上接近KK贪婪算法的影响范围,同时在时效性上优于Diffusion degree算法,较适合大型社交网络。     

Analysis of User＇s Weight in Microblog Network Based on User Influence and Active Degree

Based on user’s in-degree distribution, traditional ranking algorithms of user’s weight usually neglect the considerations of the differences among user’s followers and the features of user’s tweets. In order to analyze the factors which impact on user’s weight, under the analysis of the data collected from SINA Microblog network, this paper discovers that user influence and active degrees are the dominant factors for this issue. The proposed algorithm evaluates user influence by user’s follower number, the influence of user’s followers and the reciprocity between users. User’s active degree is modeled by user’s participation and the quality of user’s tweets. The models are tested by different data groups to confirm the parameters for the final calculation. Eventually, this paper compares the computational results with the user’s ranking order given by the SINA official application. The performance of this algorithm presents a stronger stability on the fluctuant range of the value of user’s weight.     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.     

基于MD5与随机数组合的加密算法在用户身份验证中的应用

用户身份验证是保障信息系统安全的第一道关卡,本文选取了MD5加密算法,在此算法基础上将MD5与随机数相结合对用户信息进行加密,从而增强了用户身份的识别和验证,保障了整个系统数据信息的安全。     

UGC-Driven Social Influence Study in Online Micro- Blogging Sites

In Web 2.0 era,the content on a web page is increasingly generated by end users,rather than limited number of administrators.Hence,large number of User Generated Content（UGC） has driven the explosion of content in the web.Thanks to UGC,the pattern of web usage has evolved from download dominated way to a hybrid one with both information download and upload.Large number of UGC has unveiled great capacity of information that is unavailable for researchers before,such as individual preferences,social connections,and etc.In this paper,we propose a novel model which studies the UGC in micro-blogging web sites,the largest and fastest information diffusion media online,and evaluate the social influence for an arbitrary individual.Experimental results show that our model outperforms state-of-the-art techniques in social influence evaluation in both the running time and accuracy.     

P2P网络用户注册和评估系统的建立

计算机对等联网(peer-to-peer network,P2P)技术是目前国际计算机网络技术研究领域发展较快的一项新兴网络应用技术.在P2P技术的推动下,因特网的存储模式将由现在的"内容位于中心"模式转变为"内容位于边缘"模式.针对目前P2P网络模型中缺乏管理和监督机制这一缺陷,本文通过建立新型P2P网络模型并引入用户注册和评估系统,实现了对P2P网络用户及其网络行为的有效管理.     

基于交换策略的混合网络用户接入算法

针对ad-hoc用户接入蜂窝与ad-hoc混合网络的接入管理问题,从减少和避免引入自组网通信模式后对蜂窝系统造成严重干扰的角度出发,提出了一种基于交换策略的混合网络用户接入控制算法。以ad-hoc网络的可靠性和保证蜂窝的通信质量为优化目标,提出了对应的优化公式,将之进一步转换成0-1背包问题,并使用融入交换策略的蚁群算法进行求解。仿真结果表明该算法有效控制干扰的同时,使得ad-hoc用户接入比例达到一个比较高的水平。     

社交网络中社区领袖的挖掘算法

社交网络中用户和用户之间通过关注而产生联系形成社区。因此,文中借鉴PageRank算法,将传统上把影响力平均分配给关注的人的做法加以改进,依据用户间的亲密程度将影响力按比例分配给关注的人,从而生成新的UserRank算法。算法经过多次迭代计算后,社区中每个用户的影响力收敛并趋于稳定,影响力值最大的用户,就是社区领袖。实验表明,本算法能更快更有效地挖掘出社区领袖。     

一种改进的多用户下行MIM0系统用户选择算法

为了克服多用户下行MIMO系统采用迫零波束成形算法时基站天线的数目要大于等于所有同时工作的用户接收天线的数目之和的缺点,丈中提出了一种改进的多用户下行MIMO系统用户选择算法。该算法具有较低的算法复杂度,性能优于常规的基于贪婪算法的用户选择方法。     

基于用户兴趣和推荐信任域的微博推荐

向用户推荐其感兴趣的微博,是改善用户体验的重要途径.为使推荐的微博更加符合用户的兴趣和品味,提出的微博推荐方法不仅考虑用户自身的特点,而且还考虑所在社区对微博的评价.在技术实现上,采用支持向量机进行文本分类,以便发现用户的兴趣偏好;通过多维Newman算法进行用户社区的发现,并将社区视为推荐信任域.最后采用改进的协同过滤算法综合用户兴趣偏好和推荐信任域进行微博推荐,以此提高微博推荐的质量.实验结果表明,提出的微博推荐方法是切实有效的.     

基于树核度的社交网络影响最大化问题

社交网络中的影响最大化问题是指对于给定的k值,寻找k个在特定传播模型下能够使得传播范围达到最大的节点.此问题在常用的几种传播模型中都是NP-难的.目前虽然已经有很多近似求解的算法,但如何在较低的算法时间复杂度下,保证较大的传播范围仍然是求解该问题的一个挑战.为此,本文提出了一种新颖的基于图的树核度理论的方法来求解社交网络影响最大化问题,并相应地给出了一个多项式时间的算法.所提算法综合考虑了网络的结构特征和传播特征.另外,我们将该算法与传统的随机、度以及贪心算法进行了比较.实验结果表明,所提算法可以较快地找到能够使得传播范围较大的节点集合.