mba論文面向在線社區(qū)的用戶信息挖掘及應(yīng)用研究pdf

1、國內(nèi)圖書分類號：TP391.3 國際圖書分類號：681.324 學(xué)校代碼：10213 密級：公開工 工 工學(xué) 學(xué) 學(xué)博 博 博士 士 士學(xué) 學(xué) 學(xué)位 位 位論 論 論文 文 文面向在線社區(qū)的用戶信息挖掘及應(yīng)用研究博 士 研 究 生：劉璟導(dǎo) 師：洪小文教授副 導(dǎo) 師：劉挺教授申 請 學(xué) 位：工學(xué)博士學(xué) 科：計算機科學(xué)與技術(shù)所 在 單 位：計算機科學(xué)與技術(shù)學(xué)院答 辯 日 期：2014 年 09 月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)摘 要摘 要近些

2、年，隨著各種在線社區(qū)的發(fā)展，網(wǎng)絡(luò)上積累了海量的用戶信息，包括了用戶賬戶信息（例如用戶名） 、用戶人口信息（例如性別和年齡等） 、用戶社交關(guān)系（例如朋友關(guān)系和回復(fù)關(guān)系等）以及用戶生成內(nèi)容等。一方面，這些用戶信息可以幫助企業(yè)更好的理解和定位客戶，另外一方面可以為用戶提供更好的個性化信息系統(tǒng)，同時可以幫助社會學(xué)家更好的理解人類行為。因此，挖掘在線社區(qū)中的用戶信息是構(gòu)建新的社會化應(yīng)用以及理解人類行為的關(guān)鍵。然而，在線社區(qū)中的用戶信息挖掘存在著各

3、種挑戰(zhàn)，包括了非結(jié)構(gòu)化的挑戰(zhàn)、跨社區(qū)的挑戰(zhàn)和非度量化的挑戰(zhàn)。非結(jié)構(gòu)化的挑戰(zhàn)是指在線社區(qū)中的用戶信息以非結(jié)構(gòu)化的形式呈現(xiàn)在各種不同類型的網(wǎng)頁中，這些網(wǎng)頁的布局結(jié)構(gòu)的多樣性和動態(tài)性為用戶信息的自動抽取帶來了困難?？缟鐓^(qū)的挑戰(zhàn)是指一個用戶的信息碎片化的分布在不同的社區(qū)中，這為全方面理解一個用戶帶來了很大的困難。非度量化的挑戰(zhàn)是指各種用戶屬性信息（例如影響力、專業(yè)水平等）缺少顯式的直接度量，這為用戶屬性信息的直接應(yīng)用帶來了困難。本文主要針對這三

4、個挑戰(zhàn)進行了研究，并對用戶信息的應(yīng)用研究進行了一定的探索。具體的，本文的主要研究內(nèi)容可概括如下：（1）針對用戶信息的非結(jié)構(gòu)化挑戰(zhàn)，本文研究了面向用戶生成內(nèi)容網(wǎng)頁的用戶名抽取問題。本文提出了一種基于弱指導(dǎo)學(xué)習(xí)的方法。該方法利用少量的、由統(tǒng)計意義上稀有的字符串構(gòu)成的用戶名，自動收集和標(biāo)注大量訓(xùn)練數(shù)據(jù)，解決了目前有指導(dǎo)學(xué)習(xí)方法需要人工標(biāo)注訓(xùn)練數(shù)據(jù)的問題。同時，本文方法僅依賴于從單頁面中抽取出的特征，克服了已有方法對于多頁面特征的依賴性。實驗結(jié)

5、果表明，本文方法顯著性優(yōu)于僅基于單頁面特征的有指導(dǎo)學(xué)習(xí)方法，并且和基于多頁面特征的有指導(dǎo)學(xué)習(xí)方法性能相當(dāng)。（2）針對用戶信息跨社區(qū)的挑戰(zhàn)，本文研究了跨社區(qū)的用戶鏈指問題。本文將用戶鏈指問題分為兩步： （a）同名消歧，即判斷使用相同用戶名的用戶是否屬于同一個自然人； （b）不同名消解，即收集一個自然人所使用的所有不同的用戶名。本文關(guān)注解決同名消歧任務(wù)。首先，本文進行了用戶問卷調(diào)查和基于About.me數(shù)據(jù)的分析，量化的說明了解決同名消歧任