基于兴趣的社交网络用户聚类及可视化

摘要：

随着社交网络的流行,从各种各样的社交网络数据中提取出有效信息并进行清晰直观的可视化分析,从而为用户提供有价值的潜在知识,显得尤为重要.聚类分析是数据挖掘中的重要分析手段,传统的面向社交网络数据的用户聚类分析大都仅考虑网络的拓扑链接结构,未考虑用户的兴趣相似度.文中基于贝叶斯概率模型来计算用户兴趣相似度并进行聚类,进一步设计交互可视化方式来展示上述聚类结果.具体地,针对社交网络中的用户评分数据建立潜在语义模型来提取表示每个用户兴趣特点的特征向量;基于用户的特征向量对用户进行聚类,得到具有不同特征的人群,并通过实验和热度图选择合适的人群聚类数;最后提出了基于层次气泡图的可视化展现和分析方案,将用户、电影类型、电影等多维信息在图形中交互展示,支持用户从全局概览到局部细节的雅进式探索,从多角度可视化人群特征.对豆瓣网用户和电影评分数据进行了实验和分析,结果验证了所提方法的有效性.

关键词：社交网络、聚类、数据可视化、潜在语义模型

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

资助基金：国家教育部新世纪优秀人才支持计划NCET-13-0526;国家自然科学基金71571160;浙江省自然科学基金LY14F020021

在线出版日期：2018-01-24（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：385-390,427