大規(guī)模微博數(shù)據(jù)的品牌檢索與可視化.pdf

1、隨著Web2.0技術(shù)的發(fā)展和社交網(wǎng)絡(luò)的流行，互聯(lián)網(wǎng)絡(luò)中的數(shù)據(jù)與過去相比呈現(xiàn)出一些新的特點。首先信息類型更加豐富，傳統(tǒng)互聯(lián)網(wǎng)數(shù)據(jù)以文本類型為主，而如今圖片、音頻和視頻等多媒體類型的數(shù)據(jù)在逐漸增多;其次由于網(wǎng)絡(luò)的去中心化和社交網(wǎng)絡(luò)中用戶數(shù)量的增加，互聯(lián)網(wǎng)信息量急速增加，大數(shù)據(jù)的時代已經(jīng)來臨。這些新的數(shù)據(jù)特點為研究人員帶來了新的挑戰(zhàn)。
　　社交平臺具有很強的實時性和真實性，用戶可以通過關(guān)鍵字對品牌相關(guān)的微博進行檢索以了解某個品牌。因此微

2、博品牌檢索具有一定應(yīng)用意義。微博中圖像數(shù)據(jù)很多，如何利用圖像信息輔助傳統(tǒng)的文本檢索、如何提高檢索結(jié)果中圖像信息所占據(jù)的比例都是亟待解決的問題。本文針對上述問題提出了一種結(jié)合文本和圖像信息的多模態(tài)的微博重排序方法。該方法利用半監(jiān)督學(xué)習(xí)的概率圖模型將不同類型數(shù)據(jù)以單圖的形式建模，并將多個單圖連接形成多圖模型。多圖模型使得不同類型的特征可以同時參與計算，并且自適應(yīng)的調(diào)整不同數(shù)據(jù)類型之間的權(quán)重。本文還通過實驗對所提出的算法進行了詳細的分析，實驗

3、結(jié)果也證明了該算法的有效性。
　　本文還提出了一種基于圖的對大規(guī)模微博數(shù)據(jù)的可視化方法。其不通過社交信息建立微博數(shù)據(jù)之間的聯(lián)系，而用微博內(nèi)容的相關(guān)性建立這種聯(lián)系。這樣可防止數(shù)據(jù)采樣時好友或轉(zhuǎn)發(fā)關(guān)系鏈斷裂而導(dǎo)致的問題。本文提出的方法利用基于力導(dǎo)向的圖排布算法將相似的微博相互聚集，從而得到一個二維的點云圖。算法的流程如下:首先對數(shù)據(jù)進行預(yù)處理、去重和采樣等步驟;然后通過采樣的數(shù)據(jù)建立圖模型，并將圖排布到二維平面中;最后本文展示一個可視