社會網絡環(huán)境下基于信任關系的影響用戶識別方法研究.pdf_第1頁
已閱讀1頁,還剩102頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、影響用戶是企業(yè)在社交媒體環(huán)境下進行電子口碑營銷的關鍵。作為一個重要的社會學概念,信任是用戶簡化決策和處理風險的一種機制。為此,基于信任的影響用戶識別已經成為電子口碑營銷領域的重要研究內容。然而,社會網絡的無限可達性、實時性和不確定性為基于信任的影響用戶識別帶來了巨大的挑戰(zhàn)。分析大規(guī)模異質信任網絡環(huán)境下信任的特征,研究基于信任的影響用戶識別方法,對企業(yè)施行基于影響用戶的電子口碑營銷,提高企業(yè)品牌知名度和企業(yè)銷售業(yè)績具有重要意義。
 

2、 本文主要針對社會網絡環(huán)境下基于信任關系的影響用戶識別方法進行研究。首先,通過分析大規(guī)模異質信任網絡環(huán)境下復雜、多重的用戶間信任關系,研究了領域感知的用戶信任網絡發(fā)現方法。然后,在領域感知信任網絡的基礎上,考慮信任網絡的動態(tài)性,研究了具有不同生命周期的領域感知的影響用戶識別方法。最后,分析了社會網絡中信任與不信任相關關系,研究了融合信任與不信任關系的影響用戶識別方法。具體研究內容和創(chuàng)新點包括以下三個方面:
  (1)基于有向多圖理

3、論建立了大規(guī)模異質信任網絡環(huán)境下的信任網絡模型,提出了領域感知的信任網絡發(fā)現方法。為了描述大規(guī)模異質信任網絡環(huán)境下用戶間復雜多重的信任關系,利用有向多圖模型建模異質用戶信任網絡。為了讓用戶間的信任指標更容易被端用戶理解,提出了基于信任領域和用戶影響力的信任度量指標。在有向多圖模型和領域感知的信任度量指標的基礎上,提出了大規(guī)模異質信任網絡環(huán)境下領域感知信任網絡的發(fā)現方法。最后,選擇流行的信任傳播算法在所發(fā)現的領域感知的信任網絡上進行信任傳

4、播,驗證了本文所提出的信任模型和領域感知信任網絡發(fā)現方法的有效性。實驗結果表明了絕大部分信任傳播算法在領域感知信任網絡上都是有效的,表現出較高的準確率、召回率和F值。
  (2)基于時變超圖理論建立了具有領域依賴和動態(tài)時變特征的社會網絡模型,提出了不同生命周期的領域感知影響用戶的識別方法?;谏鐣J同理論,提出了識別領域感知影響用戶的多階段研究框架。為了建模社會網絡隨時間動態(tài)演繹特征,通過增加一個時間維度,提出了時變超圖模型建模社

5、會網絡。在時變超圖模型的基礎上,提出了領域感知信任網絡的動態(tài)構建方法。最后融合信任、領域和時間三個維度,提出了基于PRDA的出現型、保持型和消失型等不同生命周期的影響用戶識別方法。實驗結果表明本文提出的PRDA方法優(yōu)于SNIE方法和“Popular author”方法。
  (3)通過融合用戶信任與不信任關系,研究了混合信任網絡的結構性質,提出了混合信任網絡環(huán)境下影響用戶的識別方法?;诙确植?、相關系數以及混合模式,研究了混合信任

6、網絡的結構性質。在PageRank算法的基礎上,提出了混合信任網絡環(huán)境下影響用戶影響力的MTPR度量指標。通過融合信任與不信任關系,提出了基于MTPR的影響用戶識別方法。最后,利用包含信任與不信任關系的真實在線信任網絡數據集,驗證了混合信任網絡環(huán)境下基于MTPR的影響用戶識別方法的有效性。研究結果表明:大部分用戶的不信任度高于信任度,而僅有小部分用戶的信任度高于不信任度。此外,混合信任網絡呈現出異配性。最后,基于MTPR的影響用戶識別方

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論