题目：面向社会媒体的用户社会关系挖掘研究

Web2.0时代的到来让社会媒体以前所未有的方式逐步改变着人们的生活，并颠覆了人们获取信息的方式。社会媒体中，用户不仅能接收信息，同时还可以发布信息和传播信息，更加重要的是用户不再是独立的个体，而是通过信息的交互形成各种关系，因此用户间的交互关系是社会媒体发展的核心。研究分析用户的关系链，不仅能够实现用户对好友的快速定位和管理，还能方便的从海量的关注对象中找到自己感兴趣的好友，具有很重要的意义。然而目前对社会媒体中用户关系的研究大多集中在基于关系的网络应用上，如关键人物识别和对信息传播机制的研究，缺乏对用户社会关系本身的研究。 

针对这一问题，本文基于爬取的微博数据，重点研究了社会媒体中用户间社会关系挖掘的相关问题，包括对已有关系的研究和对未知潜在关系的研究。通过对社会关系进行研究和分析，可以发现社会媒体用户网络中潜在的社会化现象。本文的主要研究工作内容如下：

第一，针对已有关系的研究。提出了一个基于交互行为的用户社会关系类型挖掘框架。首先，通过对用户间交互行为的分析发掘出以关系为中心的微博社群，然后对每个社群进行主题性的描述从而获取用户间的关系类型。该框架对社群、用户、主题三者进行统一建模，同时借助外部知识库解决了挖掘语义社群的技术难点。实验结果表明：本文提出的UIRCT模型在挖掘出的社群结构质量方面，模型的生成能力方面以及模型设计的合理性方面均要高于其他三个基线模型。

第二，针对未知潜在关系的研究。结合微博用户的文本特征和链路特征，提出了一个基于用户聚类和相似度传播的两阶段关系推荐模型。该模型综合利用结构相似度和文本相似度对用户进行聚类，然后在小范围内通过相似度传播为用户推荐其可能感兴趣的关注对象。实验结果表明：本文提出的两阶段推荐模型CSPR各方面性能都超过单纯基于结构特征的推荐算法，以及单纯基于文本特征的推荐算法。

最后，基于上述研究，本文实现了一个面向新浪微博的个人分析可视化系统。该系统包括个人信息形式化表示、用户兴趣建模及表示、好友关系类型识别、好友分组及展示、潜在好友推荐等功能，能够直观分析和展示微博用户间的社会关系。