浅析移动社交网络语义话题的若干关键技术.doc

《浅析移动社交网络语义话题的若干关键技术.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、浅析移动社交网络语义话题的若干关键技术摘要：随着移动终端的普及，手机用户之间的沟通、传播与分享正在构建自组织移动社交网络并逐步渗透到人们日常生活、工作、学习和娱乐中，而移动社交网络也将成为一种全新的连接并融合物理空间和网络空间的真实社会网络模式。随之而来的对日益海量和错综复杂信息的移动网络语义话题的研究也日趋困难。因此，该文以海量的、高阶异构的移动社会网络数据为背景，提出了以语义话题发现、搜索和溯源为目标来探究社交网络及其语义话题的关键技术。关键词：移动网络；语义话题；话题溯源；潜在语义；话题搜索中图分类号：TP393.092文献标识码：A

2、章编号:1009-3044(2016)25-0227-03Abstract：Withthepopularityofmobile,thecommunication,spreadandsharingbetweenmobilephoneusersarebuildingself-organizationmobilesocialnetworkandgraduallypermeatingintoPeople'sDailylife,work,studyandentertainment.Mobilesocialnetworkwillalsobecomean

3、ewrealsocialnetworkmodelwithconnectingandintegratingthephysicalspaceandcyberspace.Ofcoursetheincreasingandcomplexinformationsemantictopicresearchhasbecomeincreasinglydifficult.Therefore,basedonthemass,thehighorderheterogeneousmobilesocialnetworkdata,Thisarticleputforwardto

4、found,search,andtracesemantictopicstoexploresocialnetworkandthekeytechnologiesofsemantictopics.Keywords:mobilenetwork；semantictopic；topicroots；latentsemantic；topicsearch1背景随着智能手机等移动设备的普及，使用移动设备来访问社交网络逐渐成为主流，随之带来了大量崭新的研究和应用机会，例如位置服务、传感器技术与社交网络的结合以及针对移动社交网络数据的管理与挖掘等。近期，在多个国际

5、学术会议中，如UbiComp和ACMSIGSPATIAL,移动社交网络都是研究热点。伴随着SoLoMo（Social、Local、Mobile三个字母开头组合而成的，即社交加本地化加移动）概念的风靡，国内外创业公司也开始关注这个领域。互联网的普及使人类以前所未有的广度和深度及时记录和存储信息，且各种形式的Web社会网络为用户提供了一个信息传播与信息共享的平台。用户与Web的高互动性极大促进了社会行为向Web行为、现实社会关系向网络社会关系的转化过程。然而，目前话题模型是单一同构的纯文本或纯关系模型，无法体现移动社会网络中人-社区-知识三者间

6、的异构关系和动态性。而且移动社会网络上社会化标注不规范性的特点和一些不确定的话题来源会降低算法的效率和性能，使得无法揭示移动社会网络的结构特性、进而更准确地对话题进行发现、检索以及溯源。因此，迫切需要在新的领域出现新的技术的出现对移动社会网络的特性进行全面准确地把握和利用。2移动社交网络语义话题的研究2.1遇到的问题由于以人、社区和知识为主体的移动社交网络呈动态变化趋势，如个人社交环境的变化、社区成员的增减和语义话题的改变，使得在人-社区-知识间构建稳定的关联模型变得十分复杂。目前话题模型是单一同构的纯文本或纯关系模型，此类模型无法体现移动

7、社会网络中人-社区-知识三者间的异构关系，而且当前的模型构建算法均不能表达移动社会网络中人、社区和知识三大主体的动态变化过程，因此如何有效的表达人-社区-知识间的异构关系以及移动社会网络的动态性是移动社会网络潜在语义话题发现的基础问题。其次，移动社会网络上社会化标注具有不规范性。如何对不规范的社会化标注进行准确、智能的规范标注是语义话题搜索面临的新挑战。另外，传统的基于关键词的匹配搜索已经不能满足移动社会网络上实体之间的高阶异构关联特性。例如：当用户在社会网络中搜索一个特定关键词的时候，不仅需要预测用户搜索目标（如：人、文档和社区），还需要

8、在语义话题的层次上进行匹配。这是因为社会网络生成的信息大多数是短文档，很多短文档在语义上和查询相关，但很可能不包含查询的关键词。因此，如何自动预测用户的查询动机以及如何在语义话题