【摘要】：針對社交網(wǎng)絡中提高用戶的高黏性問題,提出了一種基于用戶忠誠度的用戶發(fā)現(xiàn)的算法。該算法利用雙重RFM模型對用戶忠誠度進行計算,挖掘出忠誠度不同分類的用戶。首先,通過雙重RFM模型動態(tài)計算出用戶在某一時間段的消費價值與行為價值,得到用戶某一時間段的忠誠度;其次,根據(jù)用戶的忠誠度,確定標度曲線,利用相似度計算找到典型的忠誠用戶與不忠誠用戶;最后,采用基于模塊度的社區(qū)發(fā)現(xiàn)與獨立級聯(lián)傳播模型,發(fā)現(xiàn)潛在的忠誠用戶與不忠誠用戶。在某社交網(wǎng)絡的微博數(shù)據(jù)集上,實現(xiàn)了社會性網(wǎng)絡服務(SNS)下用戶忠誠度的量化表示,獲得了基于用戶忠誠度的用戶發(fā)現(xiàn)結(jié)果。實驗結(jié)果表明,所提算法能夠有效挖掘出基于忠誠度的用戶分類,可以為社交網(wǎng)站針對用戶的個性化推薦及營銷等,提供理論支持和實用方法。
[Abstract]:In order to improve the high viscosity of users in social networks, a user discovery algorithm based on user loyalty is proposed. The dual RFM model is used to calculate the loyalty of users, and the users with different categories of loyalty are mined. Firstly, the user's consumption value and behavior value in a certain time period are calculated dynamically by double RFM model, and the loyalty of the user in a certain time period is obtained. Secondly, according to the loyalty of users, the scale curve is determined, and the typical loyal users and disloyal users are found by similarity calculation. Finally, a modular based community discovery and independent cascade propagation model is used to find potential loyal and disloyal users. Based on Weibo data set of a social network, the quantitative representation of user loyalty under social network service (SNS) is realized, and the results of user discovery based on user loyalty are obtained. Experimental results show that the proposed algorithm can effectively mine user classification based on loyalty, and can provide theoretical support and practical methods for personalized recommendation and marketing of social network sites.
【作者單位】： 中國石油大學(北京)石油數(shù)據(jù)挖掘北京市重點實驗室;中國石油大學(北京)地球物理與信息工程學院;北京聯(lián)合大學商務學院;石大兆信數(shù)字身份管理與物聯(lián)網(wǎng)技術(shù)研究院;
【基金】：國家863計劃項目(2009AA062802) 國家自然科學基金資助項目(60473125,71572015) 中國石油(CNPC)石油科技中青年創(chuàng)新基金資助項目(05E7013) 國家油氣重大專項子課題(G5800-08-ZS-WX) 中國石油大學(北京)克拉瑪依校區(qū)科研啟動基金資助項目(RCYJ2016B-03-001)~~
【分類號】：TP301.6;TP393.09

【相似文獻】

相關期刊論文 前10條

1 Bruce Antelman;李雯;;社交網(wǎng)絡[J];高校圖書館工作;2008年01期

2 ;美國:印刷企業(yè)青睞社交網(wǎng)絡營銷新方式[J];中國包裝工業(yè);2010年Z1期

3 樓向英;高春玲;;移動社交網(wǎng)絡在圖書館中的應用初探[J];圖書館雜志;2013年12期

4 勞倫·考克斯;;請在工作時更新你的狀態(tài)[J];科技創(chuàng)業(yè);2011年05期

5 吳炳;鄭淵;;基于社交禮品網(wǎng)站淺談社交網(wǎng)絡營銷[J];北方經(jīng)貿(mào);2014年03期

6 Puting;;用心聆聽,從點滴做起[J];成功營銷;2011年07期

7 吳勇毅;;大數(shù)據(jù)熱涌背后的冷思考[J];信息化建設;2013年01期

8 于光媚;;社交網(wǎng)絡成安全“重災區(qū)” 用戶需加強自主防護[J];通信世界;2014年13期

9 ;英國 初創(chuàng)企業(yè)如何應用社交網(wǎng)絡營銷[J];中國制衣;2013年08期

10 吳文昊;范春曉;;一種基于社交網(wǎng)絡模式的公共交通服務[J];軟件;2012年12期

相關會議論文 前1條

1 顏艷春;;電子商務的下一個浪潮:社交購物[A];第四屆（2011）中國商業(yè)信息化行業(yè)大會暨第四屆中國商業(yè)信息化技術(shù)展覽會會刊[C];2011年

相關重要報紙文章 前10條

1 ;企業(yè)如何創(chuàng)建內(nèi)部社交網(wǎng)絡[N];網(wǎng)絡世界;2012年

2 焦霖;人臉識別技術(shù)與社交網(wǎng)絡威脅個人隱私[N];中國社會科學報;2011年

3 本報記者 程彥博;社交網(wǎng)絡的企業(yè)級應用價值[N];中國計算機報;2013年

4 記者 楊駿;約會軟件:下一場“社交網(wǎng)絡風暴”？[N];新華每日電訊;2014年

5 趙圓媛;中國社交網(wǎng)絡——科技融資帶來另類掘金體驗[N];四川日報;2008年

6 本報記者 卞曉婷;臉萌應用風靡社交網(wǎng)絡 內(nèi)容單一恐后勁不足[N];通信信息報;2014年

7 電腦商報記者 彭敏;SNS引發(fā)協(xié)作新趨勢：社區(qū)化[N];電腦商報;2009年

8 特約撰稿 史彥澤;當SaaS遇到社交網(wǎng)絡[N];計算機世界;2012年

9 張貝貝;CIO為社交網(wǎng)絡頭疼?[N];中華合作時報;2013年

10 本報記者 邱燕娜;SaaS二次浪潮[N];中國計算機報;2011年

相關博士學位論文 前10條

1 李鑫;基于位置社交網(wǎng)絡的地點推薦方法及應用研究[D];中國科學技術(shù)大學;2015年

2 梁斌;社交網(wǎng)絡人物搜索的研究[D];清華大學;2015年

3 張魯民;面向社交網(wǎng)絡的群體分析關鍵技術(shù)研究[D];國防科學技術(shù)大學;2015年

4 孔超;基于異構(gòu)開放數(shù)據(jù)源的實體匹配[D];華東師范大學;2017年

5 丁旋;社交網(wǎng)絡分析中的隱私保護問題：去匿名化與無縫隱私[D];清華大學;2014年

6 張志軍;社交網(wǎng)絡中個性化推薦模型及算法研究[D];山東師范大學;2015年

7 連德富;基于位置社交網(wǎng)絡的數(shù)據(jù)挖掘[D];中國科學技術(shù)大學;2014年

8 鄭夏冰;探討過量使用移動社交網(wǎng)絡Apps對個人用戶的負面影響[D];中國科學技術(shù)大學;2014年

9 黃寶成;基于社交網(wǎng)絡的輿情信息挖掘方法研究[D];哈爾濱工業(yè)大學;2017年

10 曾雪;在線社交網(wǎng)絡用戶的分類及采樣研究[D];電子科技大學;2013年

相關碩士學位論文 前10條

1 賈沖沖;基于MapReduce的微博好友推薦研究[D];東北林業(yè)大學;2015年

2 呂家琦;分布式環(huán)境下基于語義的社團發(fā)現(xiàn)算法研究[D];遼寧大學;2015年

3 趙俊;社交網(wǎng)絡的數(shù)據(jù)采集與分析方法研究[D];鄭州大學;2015年

4 王雄;基于社交網(wǎng)絡的混合推薦算法研究[D];蘭州大學;2015年

5 孫國豪;社交網(wǎng)絡中基于信任的推薦系統(tǒng)[D];蘇州大學;2015年

6 王迪;在線網(wǎng)絡中推薦系統(tǒng)相關算法的研究[D];山東大學;2015年

7 殷澤龍;基于傳播模型的社交網(wǎng)絡潛在熱點話題挖掘[D];哈爾濱工業(yè)大學;2015年

8 王婉青;社交網(wǎng)絡下信任傳播模型的個性化推薦研究[D];首都經(jīng)濟貿(mào)易大學;2015年

9 蘭冰;社交網(wǎng)絡中個性化推薦方法的研究[D];電子科技大學;2014年

10 李全樂;社交網(wǎng)絡的@行為用戶推薦方法研究[D];北京理工大學;2015年

，

本文編號：2404931