面向领域的高质量微博用户发现

摘要：

在微博系统中,寻找高质量微博用户进行关注是获取高质量信息的前提.该文研究高质量微博用户发现问题,即给定领域词查询,系统根据用户质量返回相关用户排序列表.将该问题分解成两个子问题:一是领域相关用户的检索问题,二是微博用户排序问题.针对用户检索问题,提出了基于用户标签的用户表示方法以及基于维基百科的查询—用户相似度匹配方法,该方法作为ESA(explicit semantic analysis)的一个扩展应用,结果具有良好的可解释性,实验表明基于维基百科的效果要优于基于其他资源的检索效果.针对用户排序问题,提出了基于图的迭代排序方法UBRank,在计算用户质量时同时考虑用户发布消息的数量和消息的权威度,并且只选择含URL的消息来构建图,实验验证了该方法的高效性和优越性.

关键词：用户质量测量、用户行为模型、图排序算法

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61402466;国家高技术研究发展计划8632015AA016005

在线出版日期：2018-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：109-115