微博用户可信度评估:基于PageRank和用户属性的UC模型
需积分: 9 7 浏览量
更新于2024-09-10
收藏 960KB PDF 举报
"这篇论文研究了基于链接的微博用户可信度评估模型,主要针对新浪微博,利用PageRank算法和网络群体结构平衡理论,结合用户属性,提出了一个名为UC的模型,用于解决微博用户可信度的比较和排序问题。UC模型包括用户自评估和用户互评估两部分,通过实证数据集验证了其有效性。该研究受到多项科研基金的支持,并由闫光辉、刘晓飞和王梦阳等人完成。"
这篇论文的核心在于构建一个评估微博用户可信度的模型,特别是在信息传播迅速且真实性难以辨别的社交媒体环境下。作者们选择了新浪微博作为研究平台,因为微博已经成为重要的信息传播和交流渠道,但同时,虚假信息和误导性的内容也广泛存在,因此评估用户可信度显得尤为重要。
模型UC的构建融合了PageRank算法的原理,这是一种在网页排名中广泛应用的方法,主要用于衡量网页的重要性。在微博环境中,PageRank的概念被扩展到用户,通过分析用户之间的互动和链接关系,来判断其影响力和可信度。此外,论文还借鉴了网络群体结构平衡理论,这是社会网络分析中的一个重要概念,它涉及用户间的相互关系和社交网络的稳定性。
UC模型由两个子模型组成:用户自评估和用户互评估。用户自评估模型考虑了每个微博用户的基本属性,如活跃度、历史发布内容的质量和真实性,以此计算出用户的初始可信度值。然后,这些初始可信度值被输入到用户互评估模型中,通过分析用户之间的互动行为(如转发、评论和点赞)来计算用户之间的相互信任度,进一步调整和优化每个用户的可信度得分。
实验结果表明,UC模型能够有效地对微博用户进行可信度比较和排序,这有助于识别和区分信息源的可靠性,对于抑制虚假信息的传播和提升网络信息质量具有实际意义。此外,论文的研究还得到了多项科研基金的资助,表明这一领域的研究受到学术界的关注和支持。
关键词涵盖了微博、用户可信度、影响力、PageRank算法和结构平衡,这些都是论文研究的关键点,突出了该工作的理论基础和技术手段。论文的发表也反映了数据挖掘、信息传播和社交媒体分析在信息技术领域的重要性。
2021-09-12 上传
2019-09-08 上传
2019-07-22 上传
2019-07-22 上传
weixin_39841848
- 粉丝: 512
- 资源: 1万+
最新资源
- 全国江河水系图层shp文件包下载
- 点云二值化测试数据集的详细解读
- JDiskCat:跨平台开源磁盘目录工具
- 加密FS模块:实现动态文件加密的Node.js包
- 宠物小精灵记忆配对游戏:强化你的命名记忆
- React入门教程:创建React应用与脚本使用指南
- Linux和Unix文件标记解决方案:贝岭的matlab代码
- Unity射击游戏UI套件:支持C#与多种屏幕布局
- MapboxGL Draw自定义模式:高效切割多边形方法
- C语言课程设计:计算机程序编辑语言的应用与优势
- 吴恩达课程手写实现Python优化器和网络模型
- PFT_2019项目:ft_printf测试器的新版测试规范
- MySQL数据库备份Shell脚本使用指南
- Ohbug扩展实现屏幕录像功能
- Ember CLI 插件:ember-cli-i18n-lazy-lookup 实现高效国际化
- Wireshark网络调试工具:中文支持的网口发包与分析