1、隨著互聯網的發(fā)展，社會化網絡迅速流行，并在人們的日常生活中發(fā)揮著至關重要的作用，為信息傳播、經驗分享、生活交流等活動開拓了重要渠道。也因此，社會化網絡中用戶間的關系強度引起了研究者的高度重視。
　　社會化網絡在多個領域的重要作用逐漸凸顯，如應用于好友推薦、商品推薦、鏈路預測等。就個性化服務推薦而言，社會化網絡用戶間的關系強度是進行推薦的重要依據。目標推薦用戶的喜好往往跟與他有較強關系強度的用戶更接近，而來自具有親密關系的人的推薦也

2、往往是更容易被接受的。因此，社會化網絡中用戶間關系強度的重要性不言而喻。但目前已有的關系強度計算方法考慮都較為片面，許多研究只是籠統地對社會化網絡中用戶間的關系強度進行計算，而未針對特定的情況進行研究，并且許多研究只針對社會化網絡中用戶間存在的直接關系進行研究，而忽略具有舉足輕重的間接關系，因此計算結果的精確度有待提高。
　　基于以上問題，本文提出了一種基于活動領域分類與間接關系融合的社會化網絡用戶關系強度計算模型，主要研究內容主

3、要包括以下幾個方面:
　　第一，通過爬蟲獲取社會化網絡中的相關數據，對數據進行預處理（包括中文分詞、去停用詞），轉化為相應的文檔數據集，去除垃圾數據，有助于計算結果準確性的提高。
　　第二，對社會化網絡中用戶群的交互活動進行活動領域分類。用LDA算法對用戶交互活動文檔進行集群，利用標準化谷歌距離將結果集群與活動領域名稱（工作、飲食、購物、旅游、運動、娛樂）進行相關度計算，確定每個結果集群所屬的活動領域。之后再進一步通過相關度

4、的計算判斷每個交互活動文檔所屬的活動領域。結合活動領域分類對社會化網絡中用戶間的關系強度進行計算有助于該研究成果后續(xù)能更有針對性地應用于其他領域，如應用于個性化推薦時，可以分領域進行推薦，提高推薦的成功率。
　　第三，直接關系強度計算中充分考慮多種影響因素。結合個體相似性、時間性、互動性對每個交互活動領域內用戶間的直接關系強度進行計算，充分考慮了多方面的關系強度影響因素，有利于直接關系強度的準確計算。
　　第四，融合間接關系

5、于關系強度計算過程中?？紤]到間接關系在社會化網絡關系網中具有舉足輕重的地位，在最終關系強度的計算中融合了間接關系，不僅解決了不存在直接關系而只存在間接關系的用戶間關系強度無法計算的問題，而且提高了關系強度計算的準確性。
　　第五，提出了衡量關系強度計算結果準確性的評價指標。分別與基于文檔級別、集群級別、微博會話的活動領域分類方法比較，評價本文所提出的活動領域分類方法的效率。并根據準確率、召回率和標準衡量搜索引擎質量指標(NDCG)