共 4 条
[4]
Link prediction using supervised learning .2 Hasan M,Chaoji V,Salem S,Zaki M. Proceedings of the Workshop on Link Discovery:Issues,Approaches and Applications . 2005
微博用户的相似性度量及其应用
被引：79
作者：
徐志明
李栋
刘挺
李生
王刚
袁树仑
机构：
[1] 哈尔滨工业大学计算机科学与技术学院
来源：
关键词：
微博;
社会网络;
用户相似度;
团体挖掘;
用户推荐;
D O I：
暂无
中图分类号：
TP393.092 [];
学科分类号：
080402 ;
摘要：
微博用户的兴趣分析和模型表示是用户关系分析的基础,而用户关系分析又构成了微博社会网络的生成和分析的基础.该文主要讨论微博的用户关系分析技术.作者将微博社会网络视为一个加权无向图,节点表示用户,边表示用户之间的关系,边的权值表示用户之间的关系强度.该文将用户关系强度定义为用户之间的相似度,分别给出了基于各种用户属性信息(背景信息、微博文本、社交信息)的用户相似度计算方法,并通过实验系统性对比了上述方法的优劣.实验结果显示:基于社交信息的用户相似度在用户关系分析方面取得了最好的效果.为了进一步验证上述用户相似度的实际性能,该文将它们应用于用户推荐的相关实验,基于社交信息的用户相似度又取得了最好的推荐效果.最后,该文应用基于社交信息的用户相似度生成了微博的社会网络(称作用户相似性网络),在该社会网络上进行了团体挖掘的实验,实验结果显示了该相似度在团体挖掘上的有效性.
引用
收藏
页码：207 / 218
页数：12
相关论文