LBSN中基于評論的本地專家發(fā)現(xiàn).pdf

1、在線社交網(wǎng)絡的發(fā)展與普及給人們的日常生活帶來了極大的便利，如今每天有多達數(shù)十億的用戶活躍在社交網(wǎng)絡上，產生了大量的社交信息。其作為巨大的信息交流與分享的生活服務平臺，深刻影響著人們的生活方式，如人們在遇到問題時，會向社交網(wǎng)絡中的專家用戶咨詢以解決問題，因而網(wǎng)絡中專家用戶的識別便尤為重要。然而人們對專家的需求不僅僅局限于專家擅長的專業(yè)領域，專家的位置因素也不可忽視，這樣的專家被稱為本地專家。本文便是對社交網(wǎng)絡中的本地專家進行挖掘，通過識別

2、網(wǎng)絡中的本地專家，為用戶提供更加個性化的服務。本地專家對當?shù)匦畔⒌氖占c傳播有著重要的意義。
　　基于位置的社交網(wǎng)絡(LBSN——location-based social network)融合了線上關系與線下行為，通過位置特征將虛擬社交空間和現(xiàn)實行為空間連接起來，其迅速發(fā)展所產生的海量帶有位置的社交行為數(shù)據(jù)，為本研究提供了重要的理論依據(jù)。本文從網(wǎng)絡中個體的“主題”性和“地域”性出發(fā)，分析社交網(wǎng)絡中個體的主題權威度和地域權威度，并

3、量化其專業(yè)程度。
　　本研究針對LBSN數(shù)據(jù)，充分利用網(wǎng)絡中包含線上線下社交行為的拓撲結構信息、以及節(jié)點的內容和位置信息，從網(wǎng)絡結構、信息內容和交互位置多個角度對本地專家進行挖掘研究，提出一種基于評論的本地專家發(fā)現(xiàn)算法(LER)。首先，對數(shù)據(jù)集中用戶活躍行為的地域特征及類別偏好進行分析，以證實網(wǎng)絡中本地專家的客觀存在性。在此基礎上基于給定查詢形成候選專家集合，為了更加準確的衡量候選專家的本地專家水平，文章充分利用網(wǎng)絡中的各種信息，

4、從個人屬性、社交關系、評論語義以及位置偏好多方面對候選專家水平進行分析和量化，并將多維量化分值線性相加構建本地專家評分模型。為了方便對模型的學習，本文基于聚類算法對城市中的興趣點進行選取，并對數(shù)據(jù)集中已有專家標注的用戶進一步進行本地專家的標注。同時，基于極大似然估計的思想設計有效的算法對于模型中的評分權值進行訓練學習，最終提出本地專家發(fā)現(xiàn)算法，設計并實現(xiàn)了本地專家發(fā)現(xiàn)原型系統(tǒng)。
　　為驗證本文提出算法的效果，本文在評論社交網(wǎng)絡Ye