微博环境下基于用户行为与主题相似度的改进PageRank算法

doi:10.3969/j.issn.1000-3428.2017.05.029

计算机工程

微博环境下基于用户行为与主题相似度的改进PageRank算法

朱颢东,丁温雪,杨立志,冯嘉美

(郑州轻工业学院计算机与通信工程学院,郑州 450002)

收稿日期:2016-08-10 出版日期:2017-05-15 发布日期:2017-05-15
作者简介:朱颢东(1980—),男,副教授、博士,主研方向为智能信息处理、智能计算;丁温雪、杨立志、冯嘉美,硕士研究生。
基金资助:
河南省科技计划项目(152102210149,152102210357);河南省高等学校青年骨干教师资助计划项目(2014GGJS-084);河南省高等学校重点科研项目(16A520030);郑州轻工业学院校级青年骨干教师培养对象资助计划项目(XGGJS02);郑州轻工业学院博士科研基金(2010BSJJ038)。

Improved PageRank Algorithm Based on User Behavior and Topic Similarity in Microblog Environment

ZHU Haodong,DING Wenxue,YANG Lizhi,FENG Jiamei

(School of Computer and Communication Engineering,Zhengzhou University of Light Industry,Zhengzhou 450002,China)

Received:2016-08-10 Online:2017-05-15 Published:2017-05-15

摘要/Abstract

摘要：

针对传统PageRank算法存在主题漂移、网页权值均分等问题,提出一种改进的PageRank算法。为提高用户查询效率和搜索质量,结合时间反馈因子对用户转发、用户评论和微博提及行为进行综合分析,采用统计分析方法对用户行为在微博用户影响力排序中的贡献进行度量,并利用改进的TF-IDF算法计算主题相似度权值使用户能够选择相关度较高的网页,从而获得相对应的PageRank权值。实验结果表明,与微博常用排序算法相比,改进PageRank算法具有更好的用户影响力排序效果。

关键词: PageRank算法, 相似度权值, 时间反馈因子, 用户行为, 随机游走模型

Abstract:

Aiming at the theme drifting and the page weight splitting of traditional PageRank algorithm,an improved PageRank algorithm is proposed.In order to improve the user query efficiency and search quality,combined with the time feedback factor,it makes a comprehensive analysis on user forwarding,user comments and micro-blog mentions.Statistical analysis is used to measure the contribution of user behavior in the ranking of micro-blog user influence.By using the improved TF-IDF algorithm to calculate the similarity weight of the topic,the user can select the Web page with high relevance to obtain the corresponding PageRank weight.Experimental results show that compared with common microblog ranking algorithms,the improved PageRank algorithm has better user influence ranking effect.

Key words: PageRank algorithm, similarity weight, time feedback factor, user behavior, random walk model

中图分类号:

TP301

朱颢东,丁温雪,杨立志,冯嘉美. 微博环境下基于用户行为与主题相似度的改进PageRank算法[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2017.05.029.

ZHU Haodong,DING Wenxue,YANG Lizhi,FENG Jiamei. Improved PageRank Algorithm Based on User Behavior and Topic Similarity in Microblog Environment[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2017.05.029.

http://www.ecice06.com/CN/Y2017/V43/I5/179

参考文献

参考文献［1］中国互联网络信息中心.第37次中国互联网络发展状况统计报告［EB/OL］.(2016-01-22).http://www.cnnic.cn/hlwfzyj/hlwxzbg/hlwtjbg/201601/t20160122_53271.htm. ［2］Dugué N,Perez A.Social Capitalists on Twitter:Detection,Evolution and Behavioral Analysis［J］.Social Network Analysis & Mining,2014,4(1):1-15. ［3］黄德才,戚华春.PageRank算法研究［J］.计算机工程,2006,32(4):145-146. ［4］Rossi R A.A Dynamical System for PageRank with Time-dependent Teleportation［J］.Internet Mathematics,2012,10(1/2):188-217. ［5］Kang Fuwei,Liu Xiaodong,Liu Wenhuang.A Personali-zed Ranking Approach via Incorporating Users’ Click Link Information into PageRank Algorithm［J］.Energy Procedia,2011,13(2):275-284. ［6］王钟斐,王彪.基于锚文本相似度的PageRank改进算法［J］.计算机工程,2010,36(24):258-260. ［7］Romero D M,Meeder B,Kleinberg J.Differences in the Mechanics of Information Diffusion Across Topics:Idioms,Political Hashtags,and Complex Contagion on Twitter［C］//Proceedings of International Conference on World Wide Web.Washington D.C.,USA:IEEE Press,2011:695-704. ［8］Bakshy E,Hofman J M,Mason W A,et al.Everyone’s an Influencer:Quantifying Influence on Twitter［C］//Proceedings of ACM International Conference on Web Search & Data Mining.New York,USA:ACM Press,2015:65-74. ［9］齐超,陈鸿昶,于洪涛.基于用户行为综合分析的微博用户影响力评价方法［J］.计算机应用研究,2014,31(7):2005-2007. ［10］卢罡,李更生.基于时间反馈和分类技术的PageRank改进算法［J］.北京化工大学学报(自然科学版),2013,40(4):87-89. ［11］Rezvani M,Hashemi S M.Enhancing Accuracy of Topic Sensitive PageRank Using Jaccard Index and Cosine Similarity［C］//Proceedings of IEEE/WIC/ACM International Joint Conferences on Web Intel-ligence.Washington D.C.,USA:IEEE Press,2012:620-624. ［12］Weng J,Lim E P,Jiang J,et al.Twitterrank:Finding Topic-sensitive Influential Twitterers［C］//Proceedings of the 3rd ACM International Conference on Web Search and Data Mining.New York,USA:ACM Press,2010:261-270. ［13］徐志明,李栋,刘挺,等.微博用户的相似性度量及应用［J］.计算机学报,2014,37(1):208-217. ［14］李稚楹,杨武.基于网页内容和时间反馈的网页排序PageRank算法研究［D］.重庆:重庆理工大学,2012. ［15］王冲,纪仙慧.基于用户兴趣与主题相关的PageRank算法改进研究［J］.计算机科学,2016,43(3):275-278. ［16］Shipilov A,Labianca G,Kalnysh V,et al.Network-building Behavioral Tendencies,Range,and Promotion Speed［J］.Social Networks,2014,39(1):71-83. ［17］Wu Gang,Wei Yimin.Arnoldi Versus GMRES for Computing PageRank:A Theoretical Contribution to Google’s PageRank Problem［J］.ACM Transactions on Information Systems,2010,28(3):1-28. ［18］Silberstein A S,Braynard R,Ellis C,et al.A Sampling-based Approach to Optimizing Top-K Queries in Sensor Networks［C］//Proceedings of the 22nd International Conference on Data Engineering.Washington D.C.,USA:IEEE Press,2006:3-7. ［19］王春花,朱俊平.改进的非平均传递权值PageRank算法［J］.计算机工程与设计,2010,31(10):2231-2233. ［20］Yamaguchi Y,Takahashi T,Amagasa T,et al.TURank:Twitter User Ranking Based on User-tweet Graph Analysis［C］//Proceedings of the 11th International Conference on Web Information Systems Engineering.Washington D.C.,USA:IEEE Press,2010:12-14. 编辑陆燕菲

[1]	李盼, 解庆, 李琳, 刘永坚. 知识增强的图神经网络序列推荐模型[J]. 计算机工程, 2023, 49(2): 70-80.
[2]	谢柏林, 黎琦, 魏娜, 邝建. 基于用户行为的社交网络人格特质识别方法[J]. 计算机工程, 2023, 49(1): 279-286,294.
[3]	戴炳荣, 姜胜明, 李顿伟, 李超. 基于改进PageRank算法的跨链公证人机制评价模型[J]. 计算机工程, 2021, 47(2): 26-31.
[4]	黄宁, 刘渊, 王晓锋. 基于交互式流量回放的用户行为仿真技术[J]. 计算机工程, 2021, 47(10): 103-110.
[5]	汤伟韬, 余敦辉, 魏世伟. 融合知识图谱与用户评论的商品推荐算法[J]. 计算机工程, 2020, 46(8): 93-100.
[6]	马慧芳, 李苗, 童海斌, 詹子俊. 基于通配符模式与随机游走的关键词提取方法[J]. 计算机工程, 2020, 46(7): 78-83.
[7]	李志, 宋礼鹏. 基于用户窗口行为的内部威胁检测研究[J]. 计算机工程, 2020, 46(4): 135-142,150.
[8]	童曼琪, 黄江升, 郭昆. 融合Spark与隐性兴趣的用户综合影响力度量[J]. 计算机工程, 2020, 46(11): 61-69.
[9]	毕猛, 邵中, 徐剑. 一种用于网络用户行为聚类的标签自动生成方法[J]. 计算机工程, 2020, 46(10): 81-87.
[10]	张光杰, 叶海洋, 王晓锋. 基于多尺度虚拟化的卫星终端用户行为仿真[J]. 计算机工程, 2019, 45(8): 165-172,189.
[11]	黄贤英, 阳安志, 刘小洋, 刘广峰. 一种改进的微博用户影响力评估算法[J]. 计算机工程, 2019, 45(12): 294-299.
[12]	朱正伟,刘晨,黄晓竹,刁小敏. 基于用户行为的智能手机能耗优化方法[J]. 计算机工程, 2018, 44(5): 286-290.
[13]	周飞,高茂庭. 基于PageRank的网络社区意见领袖发现算法[J]. 计算机工程, 2018, 44(2): 203-209,219.
[14]	胡计鹏,谭励,杨明华,张亚明. 一种基于可信密码模块的用户行为度量方法[J]. 计算机工程, 2017, 43(5): 121-128.
[15]	梁婷婷,李春青,李海生. 基于内容过滤PageRank的Top-k学习资源匹配推荐[J]. 计算机工程, 2017, 43(2): 220-226.

选择文件类型/文献管理软件名称

选择包含的内容

微博环境下基于用户行为与主题相似度的改进PageRank算法

Improved PageRank Algorithm Based on User Behavior and Topic Similarity in Microblog Environment

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

微博环境下基于用户行为与主题相似度的改进PageRank算法

Improved PageRank Algorithm Based on User Behavior and Topic Similarity in Microblog Environment

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价