

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、數(shù)據(jù)是互聯(lián)網(wǎng)中最寶貴的資源之一,海量數(shù)據(jù)中蘊含著巨大的潛在價值,深入挖掘這些數(shù)據(jù)對于互聯(lián)網(wǎng)電子商務、企業(yè)決策與推廣、信息傳播與預測均具有重要的意義。隨著Web2.0網(wǎng)絡應用與移動終端設備的發(fā)展,社交網(wǎng)絡的普及率與使用率日益提高。相比傳統(tǒng)網(wǎng)絡應用形式,社交網(wǎng)絡具有用戶主體性強、網(wǎng)絡特征多樣、數(shù)據(jù)內(nèi)容豐富、群體交互密切、信息傳播迅速等特點。傳統(tǒng)的研究方法與模型難以準確地描述社交網(wǎng)絡中用戶的行為特征,因而難以實現(xiàn)符合社交網(wǎng)絡特性的數(shù)據(jù)挖掘與分
2、析。鑒于此,論文結(jié)合交叉學科的研究方法,針對現(xiàn)有算法與模型運用于社交網(wǎng)絡時存在的效果與性能問題,分別從互聯(lián)網(wǎng)數(shù)據(jù)采集與處理、社交網(wǎng)絡數(shù)據(jù)實證分析、用戶影響力與行為分析、用戶個性化推薦算法以及基于機器學習的信息預測算法等角度,對社交網(wǎng)絡中的數(shù)據(jù)挖掘方法進行了研究。本研究主要內(nèi)容包括:
?、叛芯苛嘶ヂ?lián)網(wǎng)數(shù)據(jù)采集與預處理技術。針對數(shù)據(jù)挖掘相關研究對于數(shù)據(jù)樣本精度與模型處理性能的具體要求,提出了一套數(shù)據(jù)抓取與處理的完整方案。首先,優(yōu)化了
3、基于Nutch的分布式網(wǎng)絡爬蟲系統(tǒng),實現(xiàn)了爬蟲系統(tǒng)的并行化同步運行方式,提升了爬蟲處理性能。之后,重點研究了網(wǎng)頁信息解析算法,提出了基于規(guī)則與基于wrapper的網(wǎng)頁解析模型。基于規(guī)則的網(wǎng)頁解析模型邏輯簡單且普適性強,適用于互聯(lián)網(wǎng)海量網(wǎng)頁的處理工程;基于wrapper的網(wǎng)頁解析模型具有較高的信息抽取精度,且能夠?qū)崿F(xiàn)來自相同網(wǎng)站信息的結(jié)構(gòu)化處理。最后,研究了網(wǎng)頁快速消重算法與自動算法,以到達降低樣本特征的數(shù)量與維度,提高數(shù)據(jù)質(zhì)量的目的。<
4、br> ?、茖嵶C分析了微博社交網(wǎng)絡特征與用戶特征。對新浪微博在線數(shù)據(jù)進行了多維度分析,包括用戶特征、微博特征、時間與演化特征等,探討了作用于用戶影響力與微博傳播關系的主要因素。在上述分析的基礎上,提出了一套微博社交網(wǎng)絡用戶權重計算模型。該模型由用戶活躍度特征與基于HITS算法的用戶影響力特征加權實現(xiàn),并在數(shù)據(jù)分析的基礎上改進了HITS算法的實現(xiàn)方式,降低了傳統(tǒng)HITS模型用于迭代的運算時間。社交網(wǎng)絡中更強調(diào)人與人的交互關系,本文用戶權威
5、性分析,為進一步研究社交網(wǎng)絡中的信息推薦與傳播機制提供了理論基礎。
⑶研究了社交網(wǎng)絡中的用戶個性化推薦算法。針對傳統(tǒng)推薦算法不足以描述社交網(wǎng)絡中的用戶偏好性問題,提出了基于統(tǒng)計特征的微博推薦算法。該算法由用戶微博內(nèi)容偏好性、微博作者影響力水平與用戶交互關系三大特征加權構(gòu)成,算法邏輯簡單,計算性能較高,適用于在線微博平臺的應用級研究。為進一步提高模型的推薦精度,論文借助基于二元網(wǎng)絡的NBI推薦模型,對NBI模型初始矩陣與計算中連
6、接權重進行了優(yōu)化,并將具有社交網(wǎng)絡特色的用戶特征對于微博的偏好性影響加入到模型中,實現(xiàn)了微博的個性化推薦。試驗結(jié)果表明,該算法相比NBI模型或單一偏好特征推薦模型,具有更好的個性化推薦效果。
?、忍岢隽嘶跈C器學習的信息預測方法。結(jié)合微博社交網(wǎng)絡的真實數(shù)據(jù),分析了影響用戶連接關系以及微博傳播的主要特征因素,建立了基于SVM的用戶連接關系預測模型與基于邏輯回歸的用戶微博轉(zhuǎn)發(fā)模型。為提高算法的預測性能與big-data模式下模型的實
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于社交網(wǎng)絡的數(shù)據(jù)挖掘研究.pdf
- 基于位置社交網(wǎng)絡的數(shù)據(jù)挖掘.pdf
- 基于大數(shù)據(jù)的社交網(wǎng)絡數(shù)據(jù)挖掘.pdf
- 基于社交網(wǎng)絡的數(shù)據(jù)挖掘技術研究.pdf
- 基于手機網(wǎng)絡數(shù)據(jù)挖掘的用戶社交移動行為模式分析.pdf
- 社交網(wǎng)絡中基于用戶特征的專家推薦研究.pdf
- 基于用戶特征的社交網(wǎng)絡信息傳播的研究
- 基于機器學習的社交網(wǎng)絡用戶特征分析
- 基于用戶特征的社交網(wǎng)絡信息傳播的研究.pdf
- 基于機器學習的社交網(wǎng)絡用戶特征分析.pdf
- 基于數(shù)據(jù)挖掘的網(wǎng)絡游戲用戶研究.pdf
- 基于Web數(shù)據(jù)挖掘的微博用戶特征研究.pdf
- 基于大數(shù)據(jù)的社交網(wǎng)絡數(shù)據(jù)挖掘-畢業(yè)論文
- 基于大數(shù)據(jù)的社交網(wǎng)絡數(shù)據(jù)挖掘-畢業(yè)論文
- 基于自然語言處理的社交網(wǎng)絡數(shù)據(jù)挖掘研究.pdf
- 面向社交網(wǎng)站的數(shù)據(jù)挖掘應用研究-用戶關系分析.pdf
- 基于數(shù)據(jù)挖掘在社交網(wǎng)絡中熱點話題的研究.pdf
- 基于網(wǎng)絡用戶行為特征挖掘的商圈管理系統(tǒng).pdf
- 社交網(wǎng)絡中的數(shù)據(jù)挖掘與分析.pdf
- 社交網(wǎng)絡中的多媒體數(shù)據(jù)挖掘.pdf
評論
0/150
提交評論