论文部分内容阅读
随着在线社交网络的逐渐兴起,越来越多的互联网用户开始广泛通过在线社交网络发布信息、传递资源和维护各种社会关系。由于在线社交网络的参与群体和内容形式的多样性,网络资源与信息的主要发布者已经从传统的门户网站逐渐发展到社交网络中无处不在的网络用户。以社交网络用户为主体的文本、图像、影音频等各种网络资源迅速涌现在网络之上,构成了大数据时代不可忽视的重要资源。因此,如何从海量的社交网络数据与资源中快速准确地检索到用户需要的内容或资源成为一个亟待解决的问题。无论是在以内容为中心的多媒体网络中还是在以人为中心的社交网络中,搜索引擎一直是社交网络用户用于发现权威信息的主要源泉。许多相关研究已经证实了基于图结构的排序算法有助于通过社交网络中用户的链接关系传递权值发现权威信息,进而通过提升社交网络中专家用户的排序并降低垃圾信息用户的排序以实现信息检索的目的。尽管如此,现有的工作很少关注通过挖掘不同用户之间的主题相关性,进而设计以人为中心的基于主题相关性的个性化专家排序算法。在本文的研究工作中,本文通过研究社交问答网络中的用户标签信息所反映的用户主题兴趣分布,实验验证了用户主题兴趣中的同质性规律,即有相同或相似兴趣爱好的社交网络用户之间产生共同评论或共同关注同一话题的概率随着他们的兴趣相似程度的提高而相应提高。基于此,本文提出了以人为中心的基于主题相关性的个性化专家排序算法,同时考虑用户的权威性和主题相关性用于计算社交网络用户的专家排序。为了验证基于主题相关性的个性化专家排序算法的可行性与算法性能,本文以在线社交问答网络AskMefi的数据为主要研究对象进行了实验。实验结果表明,以真实社交问答系统中用户的专家评判标准作为算法评价依据,本文提出的个性化专家排序算法明显优于其他经典的非个性化专家排序算法。