摘要
当前的影响力分析算法大多基于网络拓扑结构或用户交互信息,然而单一方面的方法会使挖掘结果出现较大的偏差,目前缺乏全面准确的影响力挖掘方法。本文通过对传统PageRank算法进行扩展,提出一种面向新浪微博的基于用户交互度连接属性的TCRank算法;其次设计了3种微博意见领袖特征指标,并对其加权求和用于意见领袖候选集的精化操作;同时提出一种基于卷积神经网络模型的情感支持度的意见领袖抽取算法,对意见领袖候选集进行最终排名。最后,通过实验验证所提出算法的有效性。
The current influence analysis algorithms are mostly based on network topology structure or user interaction information. However,a single method will lead to a large deviation in mining results. At present,there is no comprehensive and accurate influence mining method. Therefore,by extending the traditional PageRank algorithm,a new TCRank algorithm based on user interaction connection attribute is proposed for Sina Weibo. Secondly,three kinds of micro-blog opinion leader characteristics are designed,and their weighted summation is used to refine the candidate set of opinion leaders. At the same time,an opinion leader extraction algorithm based on emotional support of convolution neural network model is proposed to rank the candidate set of opinion leaders. Finally,the effectiveness of the proposed algorithm is verified by experiments.
作者
刘俊杰
马畅
邵维龙
韩东红
夏利
LIU Jun-jie;MA Chang;SHAO Wei-long;HAN Dong-hong;XIA Li(Department of Information Engineering and Automation,Shanxi Institute of Technology,Yangquan 045000,China;School of Computer Science and Engineering,Northeast University,Shenyang 110819,China)
出处
《计算机与现代化》
2018年第9期80-86,共7页
Computer and Modernization
基金
国家自然科学基金资助面上项目(61173029
61672144)
作者简介
刘俊杰（1968-），女，山西阳泉人，山西工程技术学院信息工程与自动化系实验师，学士，研究方向：社交媒体分析，数据挖掘；;马畅（1992-），男，东北大学计算机科学与工程学院硕士研究生，研究方向：数据挖掘，大数据分析；;邵维龙（1991-），男，硕士研究生，研究方向：数据挖掘，社交网络分析；;韩东红（1968-），女，副教授，博士，研究方向：数据流管理，不确定数据管理，数据挖掘，社交媒体分析；;夏利（1962-），女，副教授，博士，研究方向：社交网络分析。
