论文部分内容阅读
短短几年间，包括微博在内的社会化媒体得到了长足的发展，所拥有的用户数量和参与率不断刷新记录，在社会生活中的地位和作用也越来越重要。其不但创造了一种新的沟通形式，更逐渐打破了信息传播的传统格局。 微博中最重要的元素是用户关系和信息传播。信息传播的快速性、便捷性、透明性以及受众参与的广泛性与互动性，是微博的核心影响力。但是社会化媒体尤其是微博信息过于泛滥，简单的按时间线组织信息使得用户无法找到高影响力用户（不仅仅是粉丝数来衡量的名人）以及高影响（高质量的、有价值的）博文，严重伤害了用户的使用体验。 新浪微博平台影响力由用户影响力和微博影响力共同体现，包括但不限于用户影响力对于相关用户推荐、微博影响力对于微博智能排序等方面。只有从理论和实践上深刻研究微博平台的影响力，抓住影响力的关键因素，合理的量化影响力的计算，才能为微博的实际应用比如相关用户推荐、微博智能排序和搜索提供有意义的指导，为用户提供更好的产品使用体验。 本文从用户和微博两个角度入手，揭示了在微博平台上两者之间环环相扣的关系;进而总结出用户影响力和微博影响力迭代增强的相关规则;然后提出了一种基于迭代增强规则的半监督学习算法，使用少量标注数据就可以同步的计算用户和微博影响力。最后本文的算法还应用到了微博应用里，提供了推荐相关领域专家的功能。 本文提出的算法思想适用于其他社会化媒体的应用场景，可以根据用户的发表历史和互动关系同时计算用户和内容的影响力，并应用于推荐系统和搜索系统，是一种应用广泛的算法。在实际应用和系统设计中，可以借鉴本文提出的算法、技术和框架，在用户影响力和微博影响力两个层面为用户带来更好的体验，从而最大化微博平台的影响力。