为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and...为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and Followers User Influence Rank)SF-UIR.运用用户追随者数、用户是否认证、用户微博的传播能力三个指标对用户自身影响因素进行了量化,改善了PageRank值对用户影响力评价客观性差的问题.采用权重因子将追随者对其所关注用户的影响力贡献值进行科学的量化分配,解决了追随者影响力等值传递的弊端.与四类主流算法的对比实验结果表明:SFUIR算法同时考虑了基于用户行为的自身影响因素和基于拓扑结构的追随者影响因素,能够有效地解决追随者数量排名算法中的"僵尸粉"干扰问题,能比平均转发数算法更真实地反映用户的影响力高低,能有效规避K-覆盖度算法中未考虑微博用户自身行为特征和将所有的追随者都一视同仁的严重缺陷,能极大地改进PageRank算法单纯依赖追随者数量和追随者质量的不足,从而能够更加全面、更加客观地反映微博用户的影响力.展开更多
随着Web技术的发展,微博逐渐成为当下最流行的社交平台之一。微博中用户影响力计算是相关研究中的焦点问题。通过对PageRank模型的改进,提出一种新的用户影响力挖掘算法PR4WB(PageRank for Micro Blogs),解决了传统的PageRank算法由于...随着Web技术的发展,微博逐渐成为当下最流行的社交平台之一。微博中用户影响力计算是相关研究中的焦点问题。通过对PageRank模型的改进,提出一种新的用户影响力挖掘算法PR4WB(PageRank for Micro Blogs),解决了传统的PageRank算法由于页面权威值的等分传递带来的潜在误差过大的问题。PR4WB算法在考虑微博中用户关系的同时,利用社会网络概念将自身的活跃度、博文质量及可信性加以关联,形成动态的评价模型。基于Twitter数据的实验表明,PR4WB算法能更加准确、客观地反映出用户的实际影响力。展开更多
伴随着互联网的高速发展与普及,微博作为信息交流与传播的载体,已成为新型社会化媒体的代表。在中国,微博用户规模已经达到了2.42亿。微博用户影响力计算对社会日常信息在微博中有效传播、正确传播、健康传播有着非常重要的意义。以新...伴随着互联网的高速发展与普及,微博作为信息交流与传播的载体,已成为新型社会化媒体的代表。在中国,微博用户规模已经达到了2.42亿。微博用户影响力计算对社会日常信息在微博中有效传播、正确传播、健康传播有着非常重要的意义。以新浪微博数据为实验对象,通过改进传统的PageRank模型,提出了新的微博用户影响力排名算法——MBUI-Rank(micro-blog user influence rank)算法。该算法在传统的PageRank算法模型上加入了微博用户自身在微博中的行为活动,同时考虑到了微博用户的自身行为,结合用户权值得到最终影响力。实验结果表明,与传统的PageRank算法相比,MBUI-Rank算法可以更加真实有效地反映微博用户的实际影响力。展开更多
文摘为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and Followers User Influence Rank)SF-UIR.运用用户追随者数、用户是否认证、用户微博的传播能力三个指标对用户自身影响因素进行了量化,改善了PageRank值对用户影响力评价客观性差的问题.采用权重因子将追随者对其所关注用户的影响力贡献值进行科学的量化分配,解决了追随者影响力等值传递的弊端.与四类主流算法的对比实验结果表明:SFUIR算法同时考虑了基于用户行为的自身影响因素和基于拓扑结构的追随者影响因素,能够有效地解决追随者数量排名算法中的"僵尸粉"干扰问题,能比平均转发数算法更真实地反映用户的影响力高低,能有效规避K-覆盖度算法中未考虑微博用户自身行为特征和将所有的追随者都一视同仁的严重缺陷,能极大地改进PageRank算法单纯依赖追随者数量和追随者质量的不足,从而能够更加全面、更加客观地反映微博用户的影响力.
文摘随着Web技术的发展,微博逐渐成为当下最流行的社交平台之一。微博中用户影响力计算是相关研究中的焦点问题。通过对PageRank模型的改进,提出一种新的用户影响力挖掘算法PR4WB(PageRank for Micro Blogs),解决了传统的PageRank算法由于页面权威值的等分传递带来的潜在误差过大的问题。PR4WB算法在考虑微博中用户关系的同时,利用社会网络概念将自身的活跃度、博文质量及可信性加以关联,形成动态的评价模型。基于Twitter数据的实验表明,PR4WB算法能更加准确、客观地反映出用户的实际影响力。
文摘伴随着互联网的高速发展与普及,微博作为信息交流与传播的载体,已成为新型社会化媒体的代表。在中国,微博用户规模已经达到了2.42亿。微博用户影响力计算对社会日常信息在微博中有效传播、正确传播、健康传播有着非常重要的意义。以新浪微博数据为实验对象,通过改进传统的PageRank模型,提出了新的微博用户影响力排名算法——MBUI-Rank(micro-blog user influence rank)算法。该算法在传统的PageRank算法模型上加入了微博用户自身在微博中的行为活动,同时考虑到了微博用户的自身行为,结合用户权值得到最终影响力。实验结果表明,与传统的PageRank算法相比,MBUI-Rank算法可以更加真实有效地反映微博用户的实际影响力。
