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
谭思妮,陈平华
Tan Si-ni, Chen Ping-hua
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.
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. |
|