基于主题和情境的社会网络专家发现方法研究

摘要

近年来，Twitter、新浪微博等在线社会网络网站与人们的日常生活越来越密不可分。在这些社会网络中，每个人都可以发布内容，还可以与他人互相关注交友和互相影响。面对日常各种问题，越来越多的人倾向于向社会网络中的权威用户寻求帮助，这使得社会网络中的专家发现问题被广泛研究。然而，现有研究主要存在以下三方面问题。（1）用户在社会网络中检索专家时常常希望可以找到特定主题的专家用户，例如运动、购物等，但社会网络中用户关系往往是与各种主题相联系并交杂在一起，这使得找到明确主题的专家变得困难。而且目前大部分专家发现方法所考虑的社会网络往往包含许多主题无关的用户和用户关系，这也会使得专家发现结果与相关主题联系不够紧密。（2）社会网络中的情境因素如时间、地点等同样影响专家发现结果的准确性，但是现有方法很少综合地对各项情境因素进行考虑。（3）现有的专家发现方法在得到专家推荐结果后很少对这些专家的生命周期以及用户回馈行为进行分析。针对上述三方面问题，本文研究了一种基于主题和情境的专家发现方法，并对专家的生命周期及用户回馈行为进行了进一步探索。论文主要工作和创新点包括以下内容：
　　首先，提出了一个基于主题和情境的特征模型TSCFM，TSCFM包含主题感知模型TAM和情境感知模型CAM两个部分。TSCFM中主题感知模型TAM采用LDA主题模型和HITS算法提取了社会网络中的主题特征，情境感知模型CAM对社会网络中社会联系、时间和地点三个情境因素特征进行了分析考虑。
　　然后，在 TSCFM模型基础上研究一种基于主题和情境的专家发现方法 TSCEFM。该方法通过支持向量机SVM综合考虑主题和情境两方面特征，并学习训练一个决策函数作为专家评分函数对候选专家评分，最终根据评分对专家排序得到专家推荐列表。设计和实现了相关实验验证提出方法的可行性和准确性，在Twitter和Citeseer两个数据集上的实验结果证明提出的TSCEFM方法是可行的并具有较好的准确性。
　　最后，基于 TSCEFM方法，进一步研究和实现专家的生命周期与传播特征预测方法。该方法分析了社会网络中影响专家生命周期和影响力传播的潜在因素，提出专家二分模型来预测专家发现列表中专家的生命周期，以及提出用户二分模型来预测用户对专家列表的回馈行为。设计完成了相关实验来验证所提模型和方法的可行性和准确性。

目录

声明

第1章 绪论

1.1 研究背景和意义

1.2 研究现状

1.3 论文的主要工作

1.4 论文组织与结构

第2章 相关知识介绍

2.1 社会网络

2.2 专家发现问题

2.3 主题模型

2.4 权威估计算法

2.5 本章小结

第3章 基于主题和情境的专家发现方法研究

3.1 引言

3.2 问题描述及相关概念

3.3 基于主题和情境的特征模型

3.4 基于主题和情境的专家发现方法

3.5 讨论

3.6 实验与结果分析

3.7 本章小结

第4章 专家的生命周期与传播特征预测方法研究

4.1 引言

4.2 相关研究及工作

4.3 问题描述及相关概念

4.4 专家二分模型

4.5 用户二分模型

4.6 专家的生命周期与传播特征预测方法

4.7 讨论

4.8 实验与结果分析

4.9 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的研究成果

致谢