微博属性相似度测量实证研究

《微博属性相似度测量实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、剥嘲弱雕雕；霪l引：；雕；；{{!㈧黪雕瓢戮瓣㈦弼矧{

2、

3、

4、

5、

6、{

7、

8、

9、；

10、

11、

12、{缓㈧髓

13、

14、

15、；

16、剿㈦铡嘲糍骥DOI：10．39696．issn．1003-1154．2015．02．033微博属性相似度测量实证研究口刘铁英张小莉(河北大学计算中心，河北保定071002)[摘要]在对微博用户关系进行深入分析的基础上，得出了可以度量用户关系强度的背景信息、用户信息、社交信息和交互信息等四个影响因素，并提取了用户可量化变量，给出了微博属性相似度的计算方法，并且实证测量了算法的效果。实验结果显示：社交信息的相似度排

17、序准确率及P@N的实验效果是最佳的，实验结果的产生是由于文本信息的不完整性、随意性和兴趣特征抽取的难度性，以及微博结构性信息的特点造成的，其中文本信息的特点起消极作用，微博结构信息特点起积极促进作用。[关键词]微博；用户关系；社交信息[中图分类号]17272．7—39[文献标识码】A[文章编号]1003-1154(2015)02-0096-03新浪微博信息的传播用户和网民的影响越来越广泛，如何有针对性地为用户提供信息，又如何区分不用类别的用户，成了众多学者研究的问题，问题的关键所在，是微博属性相似度的精确测

18、量。黄或⋯将相似度度量的概念加以推广和扩充，从数据空间覆盖关系的角度，提出一种新的相似性度量方法，采取有序的树匹配思想，提出了基于页面结构相似性度量的WEB页面聚类方法，对微博属性相似度的测量有一定的借鉴性。为了提高微博属性相似度测量的精度，本文度量用户关系强度的背景信息、用户信息、社交信息和交互信息等四个影响因素，并提取了微博用户的地理位置、个人标签、个人描述、资料信息、社交信息、微博文本、关注信息、粉丝信息、转发信息和评论信息等可量化变量，在此基础上给出了微博属性相似度的计算方法，得到了更为精准的微博属

19、性相似度测量方法。一、微博用户关系概述新浪微博是中国最大的微博客平台，根据文献对互联拓扑结构的阐述r2]，再结合微博用户之间的关系，可以发现微博用户之间的拓扑形式更为明朗。由于同一属性的微博用户有着一定范畴的信息传播，不同属性微博用户的信息传播存在着较大的差异性，为了对微博用户属性进行划分，并对这种属性用户进行分析研究，就面临着属性相似度的测量。因此，首先对微博用户之间的关系进行定性概述，以期为本文微博属性相似度测量奠定基础。[基金项目]国家自然科学基金面上项目(61272109)微博用户在社交网络信息传播

20、的传播结构可以看作是一个拓扑结构。本文数据从新浪微博数据库中提取。为了更为形象的表述微博用户关系分析的技术平台，以图1为微博用户关系分析技术平台示意图，图1中各符号的示意如表1所示。图1微博用户关系分析技术平台示意图表1图1中符号释义一览表符号释义符号释义符号释义A微博数据获取A2徽博爬虫D2徽博团体挖掘B徽博节点分析A3傲博数据库Bll背景信息C傲博关系分析BI微博用户信息B12散博文本D徽博网络分析B2微博用户表示B13社交信息O可视化输出Cl背景相似度B14交互行为SAC属性相似度计算(12文本相似度

21、C2l背景表示AC用户相似度计算C3社交相似度C22文本向量T傲博人物推荐c4交互性c23社交向量A1种子节点列表D1用户相似性网络c24交互频次向量二、微博属性相似度计算原理由图1和表1可知，微博属性相似度的计算分为囝管理现代化三个环节。环节l，数据的获取。首先选择一组微博用户作为种子节点，并将其加入待爬行节点队列。若待爬行队列超过了阈值，则退出，否则从队列中取出一个用户，然后利用新浪微博API访问函数，抓取该用户节点的个人信息，并将用户的背景信息、社交信息、微博文本和交互信息存人微博用户信息数据库，最后

22、扩展该节点，并将邻接节点加入待爬行队列，依次循环。其中：背景信息包括位置信息、标签信息和个人描述，社交信息包括关注信息和粉丝信息，交互信息包括转发信息和评论信息。此外微博用户的种子节点集合如式(1)所示，待爬行节点队列用Q表示{IDl，ID2，⋯，ID。}(1)环节2，节点的分析。对于节点分析的内容分别是背景信息Background(x)、文本信息Tweet(y)、社交信息Relation(z)和交互信息Interaction(u)，上述四种信息的表达方式如式(2)所示：B(x)=Background(x)

23、=lPlace(x)，r．g(x)，Introduction(x)}R双(力z)抛=Rela以tio"n(《z)淼=Follo—we’笼e，，Follower(z，}㈣(：)，)}l(u)=Interaction(u)={Retweet(u)，Comment(u)}式(2)中Tweet(y)的每个特征词i的权重)，。采用如式(3)所示的方法计算；在Relation(彳)中对用户进行O-n的编号，若用户z关注了编号