基于用戶信譽(yù)評(píng)級(jí)的UGC質(zhì)量預(yù)判方法.pdf

1、Web2.0時(shí)代的到來(lái)改變了原有的信息生產(chǎn)方式，信息來(lái)源由經(jīng)專業(yè)編輯審核后的書(shū)籍、報(bào)紙、電視節(jié)目等，轉(zhuǎn)變?yōu)榭捎扇我鈧€(gè)體或群體創(chuàng)作、恣意傳播的內(nèi)容。UGC（User-Generated Content）的激增在豐富網(wǎng)絡(luò)信息資源的同時(shí)，其質(zhì)量參差不齊，影響互聯(lián)網(wǎng)絡(luò)的健康發(fā)展。如何對(duì)低質(zhì)量UGC進(jìn)行及時(shí)有效地評(píng)估與甄別、對(duì)高質(zhì)量UGC進(jìn)行高效地組織和管理，影響著網(wǎng)絡(luò)信息環(huán)境的生存與發(fā)展。
　　目前，已有關(guān)于UGC質(zhì)量評(píng)價(jià)與控制的研究多是

2、從信息內(nèi)容角度出發(fā)，忽略了用戶行為因素。本研究從用戶信息行為角度出發(fā)，通過(guò)對(duì)用戶歷史行為與UGC質(zhì)量關(guān)系的挖掘，建立用戶信譽(yù)評(píng)分機(jī)制，進(jìn)而建立基于用戶信譽(yù)評(píng)級(jí)的UGC質(zhì)量預(yù)判模型，實(shí)現(xiàn)對(duì)用戶未來(lái)產(chǎn)出UGC質(zhì)量的有效預(yù)判。研究共分為六個(gè)章節(jié)，第一章、第二章主要是對(duì)UGC研究背景和相關(guān)理論的闡釋；第三章、第四章主要是對(duì)影響UGC質(zhì)量的用戶信息行為因素的分析和基于用戶信譽(yù)評(píng)級(jí)的UGC質(zhì)量預(yù)判模型的構(gòu)建，通過(guò)挖掘與分析用戶過(guò)往信息活動(dòng)中所產(chǎn)生的

3、創(chuàng)建行為、轉(zhuǎn)發(fā)行為和評(píng)論行為等歷史信息行為，進(jìn)而為用戶建立起個(gè)人信息行為信譽(yù)評(píng)級(jí)模型；第五章、第六章主要是對(duì)模型有效性的驗(yàn)證及對(duì)未來(lái)研究的展望，通過(guò)爬蟲(chóng)抓取和用戶提交相結(jié)合的方法獲取六位用戶一年間使用微博的行為數(shù)據(jù)，并以一自然周為一個(gè)評(píng)測(cè)周期，共測(cè)得53個(gè)時(shí)間點(diǎn)下的用戶信息行為數(shù)據(jù)，進(jìn)而計(jì)算出用戶信譽(yù)得分。同時(shí)為降低評(píng)價(jià)過(guò)程的主觀性，設(shè)計(jì) UGC信息質(zhì)量評(píng)估系統(tǒng)，輔助評(píng)估用戶歷史行為信息質(zhì)量。實(shí)驗(yàn)結(jié)果表明，該模型不同于以往依賴單一文本分

4、析對(duì)UGC質(zhì)量評(píng)估的方法，其結(jié)合信息學(xué)和行為學(xué)方法，具備較高的預(yù)測(cè)準(zhǔn)確度。
　　由于對(duì)用戶信譽(yù)等級(jí)的評(píng)分尚沒(méi)有統(tǒng)一的評(píng)判標(biāo)準(zhǔn)，致使研究中存在一定程度上的主觀性。同時(shí)，根據(jù)用戶過(guò)往行為記錄疊加起來(lái)的用戶信譽(yù)，只能對(duì)用戶未來(lái)行為向好或向壞的趨勢(shì)做出一定的預(yù)判。因此，未來(lái)的研究可在建立統(tǒng)一用戶信譽(yù)評(píng)判標(biāo)準(zhǔn)的基礎(chǔ)上，更深層次地挖掘影響UGC質(zhì)量的用戶信息行為，結(jié)合語(yǔ)義分析方法和情感分析方法，進(jìn)一步提高UGC質(zhì)量預(yù)判的準(zhǔn)確度。
　　本