基于@推薦的微博信息推廣研究

摘 要：隨著社交網絡的發(fā)展，特別是伴隨著微博客這一新型社交網絡媒體的興起，社交平臺已經成為用戶發(fā)布、獲取消息的最重要渠道之一。截止目前，僅新浪微博的注冊用戶數已經超過5億人，日均信息發(fā)布數量已經超過1億條。用戶可以發(fā)布不超過140字的博文，他們發(fā)布的內容會出現(xiàn)在關注他們的用戶的時間線里。借助轉發(fā)功能，用戶可以使信息在用戶間產生滾雪球式級聯(lián)轉發(fā)，從而令普通用戶也有可能產生巨大的影響力。通過將合適的用戶提及（@）在微博中，他們將會收到系統(tǒng)發(fā)出的微博提及提醒，他們可能的轉發(fā)將會幫助微博提升傳播力。該工作設計了一種全新算法，通過尋找最合適的提及對象來提升一條微博的傳播力。在研究過程中，我們深入調研了微博的提及機制，并且提出了一個推薦算法，來解決在微博中提及誰能使微博傳播力最大化的問題。在該工作中我們將微博提及的推薦問題，轉換為一個排序問題。該問題與傳統(tǒng)問題相比存在著四大全新挑戰(zhàn)，包括：排序模型的相關性需要與信息傳播相關；需要構建基于話題的用戶關系模型；推薦存在嚴格的長度限制；推薦結果容易造成提及過載等問題。因此我們構建了一個全新的排序模型：我們考慮了用戶興趣與微博內容契合度、基于話題的用戶關系、以及用戶影響力指標等三大類因素作為排序的特征；我們構建了以信息傳播力為標準的新排序相關性模型；我們基于機器學習的方法，訓練一個全新的排序函數。在實驗過程中，我們搜集了來自新浪微博的大量真實的用戶信息，我們設計了多種對照算法，橫向測試了算法的表現(xiàn)。同時，我們還針對算法使用的不同屬性的效用，針對推薦長度限制、推薦過載等問題，分別設計了對應的實驗。經過詳盡的實驗比較，我們提出的算法的表現(xiàn)要遠優(yōu)于其他對照算法。我們的算法在只推薦極少量用戶的情況下，也能取得良好的推薦效果。同時我們設計的算法推薦結果分布較為平滑，不易出現(xiàn)推薦過載的問題。

關鍵詞：信息傳播 社交網絡 提及推薦 排序

Abstract：Nowadays， micro-blogging systems like Twitter have become one of the most important ways for information sharing. In Twitter， a user posts a message （tweet） and the others can forward the message （retweet）. Mention is a new feature in micro-blogging systems. By mentioning users in a tweet， they will receive notifications and their possible retweets may help to initiate large cascade diffusion of the tweet. To enhance a tweet’s diffusion by finding the right persons to mention， we propose in this paper a novel recommendation scheme named as whom-to-mention. Specifically， we present an in-depth study of mention mechanism and propose a recommendation scheme to solve the essential question of whom to mention in a tweet. In this paper， whom-to-mention is formulated as a ranking problem and we try to address several new challenges which are not well studied in the traditional information retrieval tasks. By adopting features including user interest match， content-dependent user relationship and user influence， a machine learned ranking function is trained based on newly defined information diffusion based relevance. The extensive evaluation using data gathered from real users demonstrates the advantage of our proposed algorithm compared with the traditional recommendation methods.

Key Words：Information diffusion； Social network； Mention recommendation； Ranking

閱讀全文鏈接（需實名注冊）：http：//www.nstrs.cn/xiangxiBG.aspx？id=48557flag=1