微博用户的的影响力分析

微博用户的的影响力分析

ID:34088305

大小:9.12 MB

页数:50页

时间:2019-03-03

微博用户的的影响力分析_第1页
微博用户的的影响力分析_第2页
微博用户的的影响力分析_第3页
微博用户的的影响力分析_第4页
微博用户的的影响力分析_第5页
资源描述:

《微博用户的的影响力分析》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、——山东大学硕士学位论文————————————————————————————————————————'=——-二二—————一3.5AlgorithmAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..283.5.1DatasetAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.283.5.2AlgorithmAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯303.6Conclusion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..32Chapter4UserInnuence

2、AnalysisbasedonUserInteraction。..:.⋯⋯⋯⋯⋯⋯⋯⋯334.1Preliminaries⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..334.2K-CoverageAlgorithm⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..334.2.1K-CoverageAlgorithmbasedonInteraction⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..334.2.2AlgorithmSteps⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.344.3MicroblogAlgorithmbasedOilIn

3、teraction⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.354.3.1AlgorithmIdeas⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.354.3.2AlgorithmSteps⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.374.4AlgorithmAnalysis⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.374.5Conclusion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..40Chapter5ConclusionandProspect..⋯..⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯...⋯⋯⋯..⋯⋯⋯⋯

4、⋯..415.1Conclusion⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..415.2Prospect⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41References⋯··⋯.⋯....⋯⋯⋯..⋯⋯⋯⋯.⋯.⋯.....⋯⋯..⋯⋯⋯...⋯⋯.⋯⋯..⋯⋯⋯..⋯.⋯⋯..⋯..43Acknowledgements⋯...⋯⋯.⋯⋯...⋯⋯.⋯.....⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯.47Publications⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.⋯⋯⋯。⋯⋯..⋯⋯⋯

5、⋯⋯。48山东大学硕士学位论文摘要随着互联网技术的快速发展,人们能够方便快捷地实现信息共享与交互。信息的传播速度和传播规模也都达到前所未有的水平,特别是在微博这种社交网络出现之后。微博是一种通过关注机制实时分享简短消息的交流平台。Anyone,Anytime,Anywhere,Anything的4A特性,使微博成为时下最为热门的社交媒体。微博营销应运而生,其重要的一个需求就是最大化用户影响力。因此,选取微博社区中最有影响力的用户成为微博研究领域中一个重要的切入点。用户影响力研究主要是分析用户在微博社区中的行为对他人行为的影响力。并且,在信息资源一定的情况下,选择最具影响

6、力的用户会使得信息更好的获取和传播。有关影响力的研究很早就出现在社会学领域中。但是,该领域对于影响力的研究多数是进行定性分析,很少有研究者进行定量研究。本文主要是在前人的工作基础上,将微博中的用户影响力量化,并做了详细的对比分析。本文主要研究如下的微博用户影响力问题:给定微博社区的多个用户,每个用户拥有自己的粉丝、关注、发布的微博以及与其他用户的互动关系等,要求选取微博社区中影响力最大的用户。首先,本文对用户本身在社交网络上的结构进行影响力分析,提出了用户粉丝.关注算法、期望影响力的K.覆盖度算法、平均转发率算法以及基于用户拓扑结构的MicroRank算法。通过实验结果

7、,我们对比分析了算法表现:1、5层以上间接关注的粉丝对所关注用户的影响力贡献几乎没有。2、粉丝数、关注数这两个指标只是衡量出用户的期望影响力,而用户的实际影响力还受到其他因素的影响。其次,我们考虑用户之间的互动强度(粉丝可以对自己关注的用户发布的消息进行评论、转发、回复),可以反映出用户的传播力。基于这一因素,我们提出基于用户互动的K.覆盖度算法和基于关系强度的Microblog算法。我们使用新浪微博的数据集进行实验,并使用Kendall’S相关系数方法来分析算法结果。经过仔细分析,发现Microblog算法与平均转发率算法的相关性最高,

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。