社交網(wǎng)用戶行為關(guān)系概率推演模型的研究與實現(xiàn).pdf

1、社交網(wǎng)絡(luò)是一個以用戶為中心，由用戶來產(chǎn)生各種信息的應(yīng)用，而這些信息是觀察用戶間關(guān)系的基礎(chǔ)，如何發(fā)現(xiàn)具有緊密關(guān)系的用戶并為其提供信息推薦服務(wù)，進而服務(wù)于社區(qū)發(fā)現(xiàn)，是目前學(xué)術(shù)界和工業(yè)界關(guān)于社交網(wǎng)用戶關(guān)系研究熱點問題之一。Twitter作為典型社交網(wǎng)應(yīng)用之一，由于擁有眾多用戶并含有豐富Tweets內(nèi)容，因此能有效挖掘用戶關(guān)系，本文基于Twitter平臺從用戶行為角度對用戶關(guān)系問題進行了深入研究。
　　首先，針對以往大部分研究僅以社交網(wǎng)用

2、戶間“關(guān)注”與“被關(guān)注”行為作為用戶關(guān)系研究焦點所導(dǎo)致不能確切反應(yīng)用戶間緊密關(guān)系的不足問題。本文認為可根據(jù)與用戶行為有關(guān)的兩個關(guān)鍵因素，即活動和位置來分析用戶關(guān)系，并由此提出了一種用戶在相近地理位置進行相似活動的用戶關(guān)系，即用戶間行為關(guān)系(Behavior Relationship-BR)，簡稱BR關(guān)系，該關(guān)系包括與會、旅游、購物等關(guān)系。進一步，將BR關(guān)系劃分為用戶對行為關(guān)系(User Pair Behavior Relationshi

3、p-UPBR)和用戶群行為關(guān)系(User Group Behavior Relationship-UGBR)。
　　其次，由于Twitter平臺“@”關(guān)系體現(xiàn)了用戶關(guān)系的緊密程度，因而本文利用“@”關(guān)系提出了一種BR關(guān)系概率推演模型PIM(Probability InferenceModel)。該模型首先面向一對用戶，計算二者之間的行為活動相似性概率及其位置相似度，從而以概率方法推演出他們是否具有UPBR關(guān)系;其次，通過基于BR矩

4、陣的最大樹聚類技術(shù)(BR Matrix-based Maximal Tree Clustering-BRMC)，來發(fā)現(xiàn)用戶群體間是否具有UGBR行為關(guān)系。
　　最后，本文從真實數(shù)據(jù)與仿真數(shù)據(jù)兩種數(shù)據(jù)集對BR關(guān)系推演的效果進行了擴展性實驗。其中，真實數(shù)據(jù)檢驗了PIM推斷用戶地理位置的誤差距離、準確率以及@次數(shù)與誤差距離的關(guān)系，實驗結(jié)果表明PIM在位置推斷具有比較高的準確性。仿真數(shù)據(jù)則從兩方面進行了實驗，一是測試了不同活動閾值下PIM