%A 席运江, 杜蝶蝶, 廖晓, 仉学红 %T 基于超网络的企业微博用户聚类研究及特征分析* %0 Journal Article %D 2020 %J 数据分析与知识发现 %R 10.11925/infotech.2096-3467.2020.0091 %P 107-118 %V 4 %N 8 %U {https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/abstract/article_4899.shtml} %8 2020-08-25 %X

【目的】提出一种对多维用户兴趣数据的集成建模方法,并在此基础上研究用户兴趣的谱聚类方法。【方法】以"三只松鼠"微博数据为实例,采用超网络模型对微博内容及用户互动数据进行整合建模,构建互动兴趣度指数,并结合谱聚类算法划分用户群。通过Silhouette Coefficient及Davies-Bouldin方法对实验结果进行评估。【结果】对比三类用户特征向量的最优聚类效果,发现当k取15时,基于话题互动超网络特征向量的聚类DB值达到0.57,效果优于基于互动数据或博文内容的特征向量,类群之间分布更均匀,类群内部也更紧致。【局限】用户特征数据的选取未能全面涵盖。此外,不同维度数据对用户兴趣的影响程度或可进一步探索。【结论】通过对企业微博用户群体分布情况和兴趣特征的分析,提出对应的维护和营销建议,有助于指导企业更好地发现用户兴趣,提升微博营销效果。