基于兴趣图谱的用户兴趣分布分析及专家发现

QqWw11

摘 要： 尽管用户可自主生成个性化数据以更全面描述个人偏好，但由于用户创建数据不严谨、不可控，导致生 成的庞大数据集大多存在质量低、噪声严重的缺陷．因此管理复杂网络信息时，不能仅使用写入性知识，必须重视具有 大量领域知识的专家，因为其可为系统提供高质量的信息．本文通过构建和分析用户兴趣分布曲线以发现兴趣领域专 家，并提出甄别状态不正常的伪专家算法．由于网络中权威专家数量较少，所以所提供的信息是有限的．因此本文定义 的领域专家不仅包含权威专家，而且包含普通用户中对某领域有极高关注的兴趣领域专家．实验证明算法的正确性和 高效性，并且较低的复杂度使其可处理海量用户节点信息．
+ ~/ k+ C  m9 H( b. o7 e9 u
关键词： 专家发现；兴趣分析；兴趣图谱；复杂网络分析


' ~8 n  V$ i3 y& f) ^/ `+ Y/ X6 Y1 _
从社会网络用户中发现专家以扩展网络信息储备 量，是一种在特定领域中寻求知识量较多用户的信息检 索过程．网络信息多样化导致数据噪声和严重的冗余现 象，因此知识挖掘和管理不能仅局限于写入性知识（传 统互联网页面信息），必须重视拥有大量领域知识的专 家所能为系统提供的高质信息．专家发现算法主要包 含：基于共词分析和网络特征分析［１］，基于关联关系分 析或网络节点链接信息［２］，基于文本相关度和用户权威 度分析［３］，发现社区以确定专家［４］，基于监督 ／半监督的 机器学习［５］，有识别能力的概率模型［６］及多种专家发现 策略的融合算法［７］




附件下载：

游客，如果您要查看本帖隐藏内容请回复

cscscwww

复杂网络分析