用户生成内容(User Generated Content,以下简称UGC)是在互联网技术尤其是在Web2.0背景下发展的重要果实。UGC以用户为中心,用户成为信息的生产者和传播者,快速发展并渗入到人们的日常生活中,引起了广泛的关注。互联网技术的不断涌现和创新,不仅推动了以UGC为主要业务的平台的快速发展,也为UGC传播提供了新的方式和手段。UGC的业务形式多样,包括视频分享网站、微博、博客、问答社区等,用户在社交平台中发布观点,交流思想,吸引对同样内容感兴趣的用户产生交互,建立社交关系和话题组。UGC在网络中所占比重越来越大,而UGC数量急速增长的同时,暴露出其内容水平参差不齐,信息失真失效等质量问题,增加了用户获取有效信息的成本,科学有效的对UGC质量进行评估就显得尤为重要。根据质量评估结果用户提供优质信息完善推荐策略,并在此基础上制定合理的用户激励体系,刺激高质量内容的生成,使以UGC业务为主的网络平台的环境得到改善。为了对UGC质量进行合理评估,本文从用户角度和内容角度出发,探讨了用户社交网络属性和UGC主题特征,改进了 PageRank算法的权重指标,提出了融合用户权威性和内容相似性的质量评估模型,最终实现对UGC质量的评估。本文的研究内容主要包括以下几点:首先梳理了社会网络论和已有的链接分析方法,讨论链接分析方法的应用领域;接着探究了 UGC质量评估核心的问题,并分析了用户权威性和内容相似性对UGC质量评估的意义,为构建UGC质量评估模型做基础;最后从用户和内容两个角度出发,重点测量用户在社交网络中的权威性和基于LDA算法的用户-内容以及文档-内容的主题相似性,并对本文所选的测度方法进行适当改进,使新的方法更加适合UGC质量评估。本文选取社交网站“知乎”网站进行大规模的数据采集,在真实数据集基础上进行PageRank算法和HITS算法对比实验,最终采用效果较好PageRank算法计算用户权威性。在实验中,进行了多因素融合进行对比实验。在第五章中,对模型的应用和实验中每一个步骤都给出了详细的描述。最终结果表明,本文提出的方法融合用户权威性和内容相似性的结果可以更合理的对UGC质量进行评估。