广东工业大学学报 ›› 2015, Vol. 32 ›› Issue (3): 61-66.doi: 10.3969/j.issn.1007-7162.2015.03.012

• 综合研究 • 上一篇    下一篇

蛛网态微博关系网中有影响力用户的识别研究

谭思妮,陈平华   

  1. 广东工业大学 计算机学院,广东 广州 510006
  • 收稿日期:2014-04-11 出版日期:2015-09-22 发布日期:2015-09-22
  • 作者简介:谭思妮(1990-),女,硕士研究生,主要研究方向为社会网络分析、数据挖掘.
  • 基金资助:

    广东省教育部产学研结合项目(2012B091000058);广东省专业镇中小微企业服务平台建设项目(2012B040500034)

Identifying the Influential User in the Cobweb State Micro-blog Network

Tan Si-ni, Chen Ping-hua   

  1. School of Computers, Guangdong University of Technology, Guangzhou 510006, China
  • Received:2014-04-11 Online:2015-09-22 Published:2015-09-22
  • Supported by:
     

摘要: 通过分析蛛网态微博关系网的特点,指出识别蛛网态微博关系网中有影响力用户的重要意义.重点探讨微博用户自身属性对用户影响力的作用,结合PageRank算法原理,提出一种蛛网态微博关系网中有影响力用户发现方法 (Influential User Discovering Algorithm,IUDA),并基于新浪微博的真实用户数据将该方法与另外两种方法进行对比实验.结果显示,结合用户本身影响值的IUDA方法可以更高质量地发现蛛网态微博网中有影响力用户,客观反映用户的影响力.

关键词: 有影响力用户, 微博, 微博关系网, PageRank, 中心性分析

Abstract: Through analyzing the characteristics of the cobweb state microblog network, the paper points out the importance of identifying the influential user in the cobweb state micro-blog network. It focuses on the effect of the attributes of micro-blog users itself, combines the principle of PageRank algorithm, and then proposes IUDA(Influential User Discovering Algorithm) in cobweb state micro-blog relationship network to find influential users. Finally, experiments are conducted with the real user data from Sina micro-blog based on this method and are compared with two other methods. The results show that the IUDA method combined with the user itself can find influential users in cobweb state micro-blog network more effectively, and can objectively reflect the user′s influence.

Key words: influential users, micro-blog, micro-blog relationships network, PageRank, centrality analysis

中图分类号: 

  •  
[1] 张舒, 莫赞, 柳建华, 杨培琛, 刘洪伟. 基于NWD集成算法的多粒度微博用户兴趣画像构建[J]. 广东工业大学学报, 2020, 37(04): 42-50.
[2] 何炜俊, 周应堂. 结合强弱联系和兴趣的社交网络推荐算法[J]. 广东工业大学学报, 2019, 36(03): 39-46.
[3] 张钰莎, 蒋盛益. 微博公共事件演化分析研究综述[J]. 广东工业大学学报, 2015, 32(2): 58-63.
[4] 陈平华, 周鹏. 一种应用于噪声点分布密集环境下的噪声点识别算法[J]. 广东工业大学学报, 2014, 31(3): 39-43.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!