面向微博的社區(qū)發(fā)現(xiàn)研究.pdf

1、隨著在線社交網(wǎng)絡的快速發(fā)展，微博已被公認為是繼電視、郵件、報紙、廣播等之后的一種新型的網(wǎng)絡信息傳播方式，兼具著媒體和社交網(wǎng)絡的特征。隨著微博這個新型媒體的興起，越來越多的廣告商在這個社交網(wǎng)絡平臺上看到了機會。雖然微博這個社交化網(wǎng)絡對于用戶來說僅僅是一個獲取信息與知識，實現(xiàn)與好友互動，展現(xiàn)自我的平臺，但是對于商家來說，一個有著那么多注冊用戶的平臺，它就不僅僅是一個分享信息的平臺了，商家可以利用社交平臺對其產(chǎn)品和服務進行病毒營銷、口碑營銷。

2、如今，不管是文本或是富媒體信息，在微博平臺上均能快速的進行傳遞、互通、互動，由此，越來越多的社交行為從線下轉向線上，而這種從線下到線上的轉變，不僅僅體現(xiàn)在線下的社交行為一,線下社區(qū)的產(chǎn)品宣傳到線上社區(qū)的產(chǎn)品宣傳的轉變尤為明顯。但是如何將線下社區(qū)的廣告宣傳無縫隙移植到線上社區(qū)，這是如今廣告商越來越想解決的問題。雖然廣告商可以借助微博社交平臺采用海投廣告的策略，但這無疑會造成廣告成本較高，而且會引起那些對廣告不感冒的微博用戶的反感，從而將這

3、種反感情緒通過發(fā)布微博迅速傳播到其它微博用戶視線中，進而產(chǎn)品的知名度亦會隨之降低。因為不同的廣告面向不同的用戶群體所屬的虛擬社區(qū)，如果能挖掘出每個用戶所屬的社區(qū)后，根據(jù)微博的局部聚類特性識別出領域廣告對應的社區(qū)，就可提高廣告投放的精準度。這樣，廣告商不僅可以有針對性的對相應虛擬社區(qū)的微博用戶投放廣告，而且可以獲得更多投放用戶，從而更能提高廣告的轉化率。
　　本文首先對與社區(qū)發(fā)現(xiàn)相關的一些理論技術進行介紹，然后總結了目前幾類較經(jīng)典的

4、社區(qū)發(fā)現(xiàn)算法，包括基于標簽傳播的社區(qū)發(fā)現(xiàn)、以層次為中心的社區(qū)發(fā)現(xiàn)、基于團滲透的社區(qū)發(fā)現(xiàn)、基于混合概率模型的社區(qū)發(fā)現(xiàn)，并分析了以上幾類社區(qū)發(fā)現(xiàn)算法的適用場景及優(yōu)缺點。在領會了以上兒類社區(qū)發(fā)現(xiàn)算法之后，本文針對微博這種相互性網(wǎng)絡的獨特性，提出了一種基于RDD(Resilient DistributedDataset)數(shù)據(jù)模型的Spark集群并行計算思想的多標簽傳播社區(qū)發(fā)現(xiàn)算法。本算法借鑒了Raghava等人提出的標簽傳播算法LPA的思想，解

5、決了LPA標簽傳播算法社區(qū)發(fā)現(xiàn)不穩(wěn)定及準確度不高的兩大缺陷。為了消除標簽傳播算法中不穩(wěn)定的特性，在對自身社區(qū)標簽進行更新時，若有多個可選社區(qū)標簽時，不會任意地對某一社區(qū)標簽進行挑選，而是利用一定規(guī)則，將符合這一規(guī)則的社區(qū)標簽全部選擇。而為了解決LPA算法準確率不高的缺點，本文引入了微博傳播系數(shù)，因為微博傳播系數(shù)能夠識別出當用戶節(jié)點關注某一個人時，該用戶屬于被關注用戶所在社區(qū)的隸屬程度，不會平等地對待每一個被關注用戶所屬社區(qū)。另外，本算法

6、也借鑒了Gregory等人提出的COPRA算法，能夠對具有重疊的社區(qū)結構進行發(fā)現(xiàn)，但與其思想也有本質(zhì)的區(qū)別:(1)不會限制每個微博用戶所從屬的社區(qū)標簽，因為微博用戶的興趣愛好是廣泛的，而且是動態(tài)變化的;(2)首先根據(jù)用戶所發(fā)微博內(nèi)容挖掘出那些活躍微博用戶所屬社區(qū)，然后利用這些已被劃分到相關社區(qū)的用戶作為已標注社區(qū)的節(jié)點進行社區(qū)標簽傳播。最后，本文將基于RDD（Resilient Distributed Dataset）數(shù)據(jù)模型的Spar