基于社区发现的移动自媒体用户兴趣建模

摘要

近年来，在移动互联网快速发展的环境下，迎来了真正的信息传播平民化浪潮。在这个全民参与的时代，自媒体（We Media）空前火爆。普通大众越来越多的参与到分享他们身边发生的事、对朋友发表内容进行评论这样的信息传播行为中。自媒体逐渐走进人们的生活，人们通过社交网络平台的互动越来越频繁，产生了大量的用户数据，并且以海量的规模充斥在人们生活和学习的各个领域和方面，与此同时，由于更新速度较快，其中一些有价值的信息内容可能被湮没，需要花费大量的时间和精力去获取自己感兴趣的内容。在这种情况下，为了向用户提供满足其兴趣偏好的内容（内容推荐，好友推荐，视频推荐等多种形式），智能推荐与个性化服务应运而生。
　　无论是智能推荐服务还是个性化检索服务，其核心部分都是建立用户兴趣模型，现有的用户兴趣模型构建方法大多是对用户自身数据进行兴趣挖掘，得到用户感兴趣的类别，这类模型具有能准确反映用户自身兴趣的优点，但无法反映用户受所在社会群体中其它成员的影响而发生的兴趣偏移。为了解决这一问题，本文利用复杂网络的理论方法，以研究移动社交网络中的社区特性开始进行研究，通过对用户生成内容的兴趣挖掘和网络中兴趣社区发现来建立用户兴趣模型。具体过程如下：
　　文章首先在用户关系复杂多变的网络结构中，将复杂网络理论与移动社交网络的的特点相结合展开分析，给出了用户关系复杂网络模型的构建方法。然后，对社区发现算法进行了深入学习，针对已有算法的不足，结合移动社交网络的特点，提出一种基于复杂网络的“原型社区”社区发现算法。将该算法用于几个经典的社会网络中进行了实验验证，实验表明算法在社区划分结果上具有较高精度，可用于用户兴趣建模中。
　　最后，在考虑了现下自媒体用户兴趣多元化的特点的基础上，结合用户受其它成员的影响会发生兴趣偏移的情况来建立用户兴趣模型，并且对这种建模方法进行了实验分析，结合评价指标发现该方法在兴趣发现结果中具有很好地性能。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 研究背景与意义

1.2 国内外研究现状

1.3 本文主要研究内容

1.4 本文组织结构

第二章 相关理论研究

2.1 社会网络概述

2.2 用户兴趣建模

2.3 社区理论

2.4 本章小结

第三章 一种基于复杂网络的社区发现方法

3.1 用户关系复杂网络模型构建

3.2 复杂网络中的社区发现

3.3 一种基于复杂网络的社区发现方法

3.4 算法验证与分析

3.5 本章小结

第四章 基于社区发现的用户兴趣建模

4.1 自媒体用户生成内容

4.2 自媒体用户兴趣模型构建

4.3 实验结果及分析

4.4 本章小结

第五章 总结及未来展望

5.1 总结

5.2 进一步工作

参考文献

致谢

作者简介