社交網(wǎng)絡(luò)中基于關(guān)系強度的用戶群體發(fā)現(xiàn)研究.pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展，各式各樣的社交網(wǎng)絡(luò)不停地涌現(xiàn)出來。作為一種新穎便捷的交友模式，社交網(wǎng)絡(luò)吸引了大量的用戶。越來越多的用戶通過社交網(wǎng)絡(luò)收集的各類資源信息來發(fā)表看法、交友等，國外知名社交網(wǎng)站Facebook每月活躍人數(shù)已經(jīng)達(dá)到11億人，國內(nèi)社交網(wǎng)絡(luò)代表新浪微博的用戶數(shù)已經(jīng)突破五億。面對日益增長的龐大數(shù)據(jù)，無論用戶還是社交網(wǎng)絡(luò)的服務(wù)商都迫切需要解決一個問題：即如何尋找出與自己興趣愛好或者看法一致的人進(jìn)行交流互動。用戶群體發(fā)現(xiàn)研究正是基于此

2、目的而產(chǎn)生的，其目標(biāo)是通過對社交網(wǎng)絡(luò)中的用戶關(guān)系圖進(jìn)行挖掘，從中發(fā)現(xiàn)具有相似興趣的用戶群體，進(jìn)而支持廣告投放、市場營銷、好友推薦等實際應(yīng)用。
　　傳統(tǒng)的用戶群體發(fā)現(xiàn)方法是基于社交網(wǎng)絡(luò)中用戶之間的原始關(guān)系圖，將用戶視為圖中的頂點，用戶間的關(guān)系作為圖的邊，通過對圖進(jìn)行聚類分析從而獲得用戶的群體聚簇。這些傳統(tǒng)的方法未考慮到用戶關(guān)系的稀疏性，以及用戶關(guān)系在社交網(wǎng)絡(luò)與現(xiàn)實網(wǎng)絡(luò)中的差異。本文在發(fā)現(xiàn)用戶群體的過程中，一方面既考慮了用戶在各個主題

3、上相似信息的總體分布，另一方面也考慮了主題熱門程度的差異對用戶關(guān)系的影響。結(jié)合以上兩個方面，本文給出了用戶關(guān)系強度的計算模型，通過該計算模型針對社交網(wǎng)絡(luò)的特點擴(kuò)充了用戶關(guān)系，最后使用聚類分析實現(xiàn)用戶的群體發(fā)現(xiàn)。本文的具體工作內(nèi)容主要包括：
　　1)首先介紹了相關(guān)技術(shù)，包括社交網(wǎng)絡(luò)的相關(guān)理論基礎(chǔ)、用戶關(guān)系強度的計算方法，以及MapReduce編程模型與局部敏感哈希的基本思想。
　　2)接著闡述了一種通過構(gòu)建用戶特征同現(xiàn)向量，計

4、算用戶關(guān)系強度的方法。該方法結(jié)合了多樣性指數(shù)以及權(quán)重頻率，從兩個相互獨立的角度，共同計算了用戶間的關(guān)系強度。
　　3)面對社交網(wǎng)絡(luò)的數(shù)據(jù)量挑戰(zhàn)，將上述的計算過程通過Map Reduce編程模型得以實現(xiàn)，并在關(guān)系強度的計算結(jié)果基礎(chǔ)上，利用局部敏感哈希和MapReduce的特性實現(xiàn)了新的用戶關(guān)系圖上的用戶群體發(fā)現(xiàn)。
　　4)使用社交網(wǎng)站Last.fm所開放的端口獲取的數(shù)據(jù)進(jìn)行實驗，并對模型的相關(guān)參數(shù)進(jìn)行了估算。實驗結(jié)果從性能分析