社交网用户行为关系推演模型

• 作者: 于亚新 于双羽 刘欣 李玉龙
• 来源期刊: 计算机科学与探索
• 学科: 工学
• 关键词: 行为关系 语义活动 相似性计算 物理位置 最大似然估计 关系推演
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 人工智能与模式识别
• 页码范围: 707-718
• 页数: 12页
• 分类号: TP399
• 字数: 10982字
• 语种: 中文
• DOI: 10.3778/j.issn.1673-9418.1411055

摘要

如何发现具有紧密关系的用户并为其提供信息推荐服务，是目前学术界和工业界关于社交网用户行为关系研究的热点问题之一。迄今为止，大部分社交网用户行为关系研究主要局限于用户间“关注（follow）”行为上，导致用户间关系的发现尚不够准确和完善。在社交网应用之一的Twitter平台中，“@（mention）”关系相比于一般“关注”关系能更准确反映用户间紧密关系程度，因此提出了一种新的用户间相似关系，即UPBR （user pair behavior relationship）关系，该关系体现了在相近地理位置进行相似活动的语义行为，如餐饮、旅行、购物等；根据该关系提出了一种UPBR推演模型，即UPBR-IM，该模型一方面通过用户上传的@Tweet文本来推演用户语义行为活动相似性，另一方面则利用最大似然估计对文本发布位置进行概率最大化计算来推演用户物理位置相似性；最后结合二者结果判断用户间是否存在UPBR关系，从而实现高质量的信息推荐服务。扩展性的实验结果验证了该模型是可行和有效的。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于亚新	东北大学信息科学与工程学院	30	149	7.0	10.0
2	刘欣	东北大学软件学院	17	204	8.0	14.0
3	李玉龙	东北大学软件学院	2	14	1.0	2.0
4	于双羽	东北大学软件学院	2	14	1.0	2.0