1、在線社交網(wǎng)絡(luò)的發(fā)展與普及給人們的日常生活帶來(lái)了極大的便利，如今每天有多達(dá)數(shù)十億的用戶活躍在社交網(wǎng)絡(luò)上，產(chǎn)生了大量的社交信息。其作為巨大的信息交流與分享的生活服務(wù)平臺(tái)，深刻影響著人們的生活方式，如人們?cè)谟龅絾栴}時(shí)，會(huì)向社交網(wǎng)絡(luò)中的專家用戶咨詢以解決問題，因而網(wǎng)絡(luò)中專家用戶的識(shí)別便尤為重要。然而人們對(duì)專家的需求不僅僅局限于專家擅長(zhǎng)的專業(yè)領(lǐng)域，專家的位置因素也不可忽視，這樣的專家被稱為本地專家。本文便是對(duì)社交網(wǎng)絡(luò)中的本地專家進(jìn)行挖掘，通過識(shí)別

2、網(wǎng)絡(luò)中的本地專家，為用戶提供更加個(gè)性化的服務(wù)。本地專家對(duì)當(dāng)?shù)匦畔⒌氖占c傳播有著重要的意義。
　　基于位置的社交網(wǎng)絡(luò)(LBSN——location-based social network)融合了線上關(guān)系與線下行為，通過位置特征將虛擬社交空間和現(xiàn)實(shí)行為空間連接起來(lái)，其迅速發(fā)展所產(chǎn)生的海量帶有位置的社交行為數(shù)據(jù)，為本研究提供了重要的理論依據(jù)。本文從網(wǎng)絡(luò)中個(gè)體的“主題”性和“地域”性出發(fā)，分析社交網(wǎng)絡(luò)中個(gè)體的主題權(quán)威度和地域權(quán)威度，并

3、量化其專業(yè)程度。
　　本研究針對(duì)LBSN數(shù)據(jù)，充分利用網(wǎng)絡(luò)中包含線上線下社交行為的拓?fù)浣Y(jié)構(gòu)信息、以及節(jié)點(diǎn)的內(nèi)容和位置信息，從網(wǎng)絡(luò)結(jié)構(gòu)、信息內(nèi)容和交互位置多個(gè)角度對(duì)本地專家進(jìn)行挖掘研究，提出一種基于評(píng)論的本地專家發(fā)現(xiàn)算法(LER)。首先，對(duì)數(shù)據(jù)集中用戶活躍行為的地域特征及類別偏好進(jìn)行分析，以證實(shí)網(wǎng)絡(luò)中本地專家的客觀存在性。在此基礎(chǔ)上基于給定查詢形成候選專家集合，為了更加準(zhǔn)確的衡量候選專家的本地專家水平，文章充分利用網(wǎng)絡(luò)中的各種信息，

4、從個(gè)人屬性、社交關(guān)系、評(píng)論語(yǔ)義以及位置偏好多方面對(duì)候選專家水平進(jìn)行分析和量化，并將多維量化分值線性相加構(gòu)建本地專家評(píng)分模型。為了方便對(duì)模型的學(xué)習(xí)，本文基于聚類算法對(duì)城市中的興趣點(diǎn)進(jìn)行選取，并對(duì)數(shù)據(jù)集中已有專家標(biāo)注的用戶進(jìn)一步進(jìn)行本地專家的標(biāo)注。同時(shí)，基于極大似然估計(jì)的思想設(shè)計(jì)有效的算法對(duì)于模型中的評(píng)分權(quán)值進(jìn)行訓(xùn)練學(xué)習(xí)，最終提出本地專家發(fā)現(xiàn)算法，設(shè)計(jì)并實(shí)現(xiàn)了本地專家發(fā)現(xiàn)原型系統(tǒng)。
　　為驗(yàn)證本文提出算法的效果，本文在評(píng)論社交網(wǎng)絡(luò)Ye