基于MUK-means算法的微博舆情意见领袖群识别

• 作者: 李冠 李熠辉 赵卫东
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 微博舆情 MUR MUK-means 意见领袖群
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 30-34
• 页数: 5页
• 分类号: TP301
• 字数: 4894字
• 语种: 中文
• DOI: 10.11907/rjdk.192007

摘要

推动微博舆情事件演化是众多意见领袖共同作用的结果,因此识别意见领袖群对于舆情事件的监管具有重要作用.提出微博舆情话题下的意见领袖群识别模型,综合考虑用户属性特征、交互特征和网络结构,设计微博舆情下用户影响力评估算法MUR,并结合K-means算法形成MUK-means算法,实现对意见领袖群的识别.以新浪微博数据进行实验,MUK-means算法的聚类时间(14s)远远少于传统K-means算法(32s),而且基于MUK-means算法得到的意见领袖群的用户覆盖率高达86.3％.实验结果表明,MUK-means算法改进了K-means算法初始聚类中心不确定的缺点,不仅提高了聚类效率,而且实现了对意见领袖群的有效识别.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李冠	山东科技大学计算机科学与工程学院	16	397	7.0	16.0
2	赵卫东	山东科技大学计算机科学与工程学院	57	330	8.0	17.0
3	李熠辉	山东科技大学计算机科学与工程学院	1	1	1.0	1.0