微博用戶行為與信息傳播研究.pdf

1、隨著互聯(lián)網(wǎng)的發(fā)展，微博已經(jīng)發(fā)展為人們交流、共享信息的重要平臺。微博用戶通過發(fā)布、關(guān)注、轉(zhuǎn)發(fā)和評論等行為，促進(jìn)了信息的傳播。微博用戶自身的行為不僅影響了消息的傳播，而且也影響了消息的傳播方向。為了快速檢測信息傳播，避免惡意信息造成較大影響，及時(shí)的檢測到熱點(diǎn)事件或惡意信息的傳播范圍，對保障社會的安定有重大意義。
　　本文以分析微博用戶行為基礎(chǔ)，研究信息傳播途徑為背景，針對微博高維稀疏的特點(diǎn)，研究微博用戶行為特征的獲取、信息傳播路徑中較

2、大影響力的k個(gè)用戶節(jié)點(diǎn)，旨在建立用戶行為特征模型，從而快速獲得信息傳播途徑。本文主要研究如下：
　　(1)為了盡可能地去除微博短文本中包含的大量噪聲數(shù)據(jù)，對微博內(nèi)容的成分進(jìn)行分析，去掉文本中大量的無關(guān)信息，并通過簡繁轉(zhuǎn)換、分詞和去停用詞方法盡可能地得到無噪聲數(shù)據(jù)。
　　(2)根據(jù)微博用戶行為(發(fā)布、關(guān)注、轉(zhuǎn)發(fā)和評論等)和微博內(nèi)容，提出一種融合用戶行為和內(nèi)容的微博用戶影響力方法。通過對微博用戶行為(發(fā)布、關(guān)注、轉(zhuǎn)發(fā)和評論等)的

3、分析，得到行為數(shù)據(jù)，進(jìn)而計(jì)算出用戶影響力的權(quán)值。利用微博用戶內(nèi)容建立詞共現(xiàn)矩陣，繼而運(yùn)用LDA(Latent Dirichlet Allocation)模型進(jìn)行潛在主題的識別，通過KL(Kullback Leibler)散度的方法得到用戶之間的相似性，最后結(jié)合用戶影響力權(quán)值，得到用戶的影響力。實(shí)驗(yàn)表明，此算法較為有效。
　　(3)提出了融合用戶內(nèi)容與關(guān)系結(jié)構(gòu)的用戶影響力算法。通過微博的關(guān)注和被關(guān)注行為，建立用戶關(guān)系結(jié)構(gòu)。結(jié)合用戶微