社交网络用户行为挖掘研究进展与展望

随着信息技术飞速发展,社交网络逐渐占领了人们日常交往、娱乐和购物等主要平台。因此,大量围绕社交网络展开的研究也变得非常热门.现有的围绕社交网络用户行为展开的研究热点主要有：基于社交网络用户行为的用户影响力研究、基于用户行为的推荐系统研究、以及社交网络用户隐私方面的研究等。社交网络是互联网的主要组成模块之一,同时也是大数据时代的主要数据提供者之一,未来对于社交网络的研究会越来越受到学术界以及工业界的更多投入,本文对社交网络用户行为挖掘的研究现状、热点展开论述,并作出展望,提出一些目前尚缺深入研究的方向,以期对读者有所帮助。     

社交网络研究综述

社交网络已成为Web2.0时代最流行的应用,其服务范围已逐步从社交关系管理扩展到媒体信息、应用集成、电子商务等领域。社交网络中大量的活跃用户为研究网络行为、数据安全、信息传播以及其他跨学科问题提供了宝贵的数据和场景。自Facebook出现以来,研究者先后从不同的角度对社交网络进行了大量的研究,这些研究对人们认识社交网络内部规律、促进ICP服务改进具有重大意义。首先对社交网络的发展进行了简单的回顾;然后从社交网络的数据采集技术、社交网络用户行为分析、社交网络中的信息传播及社交网络中的用户隐私4个方面对已有的研究工作进行总结评价;最后,总结了当前研究中出现的问题并对未来研究发展趋势进行了展望。希望能为该领域的研究者提供一些有益的启示。     

基于互文性度量的文本翻译索引

理清文本互文性对于理顺文本间的多维关联对提高文本理解和翻译的准确性具有重要作用.以典籍文本<茶经>和<续茶经>为试验对象,使用向量空间模型(VSM)度量文本互文性,在此基础上提出了改进方法,即扩展项之间的相似度计算和采用序列模型,并给出了基于文本互文性度量的文本翻译索引方法.实验结果表明,扩展项之间的相似度计算效果不够理想,而采用序列模型则可取得较好的结果,可为原文本的准确理解和译文本的翻译提供有益参考.     

中国社交类应用用户行为研究

"社交类应用"泛指具有社交功能的互联网应用,包括社交网站、微博、即时通信工具、博客、论坛等,本文重点研究社交网站、微博以及即时通信工具。在社交类应用用户特征及重叠情况、社交类应用用户变化以及各社交类应用用户使用行为差异的研究基础上,分析了社交类应用对新闻资讯类网站、网络购物、手机在线游戏等相关产业的影响,并对社交类应用的发展提出了相关建议。     

文本翻译索引的互文度量方法

运用算法可更加科学地量化出翔实的显性互文线索,这对于追溯文本间的关联,理解和翻译文本都有着重要意义。以茶典籍文本为例,使用并比较了4种互文度量方法,即戴斯系数、匹配系数、全置信度和余弦,并给出用于文本辅助翻译的索引方法。文本互文度与互文度矩阵揭示了文本间的影响与关联。实验结果与性能分析表明余弦度量结果最好,基于互文性的文本翻译索引可为更加精确地理解和翻译相关文本提供有价值的参考。     

社交网络用户标签预测研究

随着社交网站的流行以及用户的大规模增加,社交网络用户行为分析已经成为社交网站进行网站维护、性能优化和系统升级的重要基础,也是网络知识挖掘和信息检索的重要研究领域。为了更好地理解社交网络用户添加个人标签的行为特征,该文基于大约263万个微博用户的真实数据,对用户标签的分布进行了研究和分析。我们主要考察了用户标签的宏观分布特征,以及用户标签与关注对象的标签分布之间的联系,发现微博用户给自己添加标签时,在开始阶段倾向于使用反映个性的标签,之后会出于从众心理而选用大众化标签。我们将研究发现运用到基于关注关系的标签预测算法中,结果证实相关分析对于社交网站的标签推荐等课题具有一定的参考意义。     

社交媒体用户行为的时间模式隐私攻击方法

网络社交媒体用户个人隐私信息的保护具有极其重要的意义。现有的有关隐私保护的研究集中于一般关系型数据、位置和轨迹信息、社交网络关系等数据类型的隐私保护,而社交媒体数据结构的复杂性使得隐私泄露的情况变得更加隐蔽,现有针对其他类型数据的隐私泄露的判定方式和隐私保护方法难于直接用于社交媒体用户行为的时间模式分析。为了发现社交媒体复杂时间数据中存在的潜在隐私泄露问题,给出针对网络论坛用户的行为时间模式的隐私泄露挖掘方法,设计并实现了多方法、多选择的聚类攻击者模型,实验通过攻击社交媒体用户的行为模式数据集,发现了用户行为时间模式的特异性和网络论坛中广泛存在着的用户隐私泄露的问题,应当引起充分重视。     

跨社交网络用户识别综述

随着互联网的快速发展,社交网络不断影响着人们的生活方式,其使用率也在不断提高。随着社交网络的发展以及其多样性的特征,用户可能同时具有多个社交网络的账号。如果能够识别出同一用户在不同社交网络中的账号,就能够整合出该用户较为全面的信息,从而挖掘出一些隐藏的信息,对于好友推荐、广告推荐、信息扩散的研究也很有帮助。目前用户识别研究主要是基于用户属性的用户识别和基于社交关系的用户识别。随着用户越来越注重个人隐私保护,社交网络的数据获取限制越来越严格,用户识别也面临巨大挑战。近年来,跨社交网络用户识别也受到学术界的广泛关注。本文整理和归纳了跨社交网络用户识别研究现状,并对未来的研究方向做出展望。     

社交网络用户的人格分析与预测

人格信息是对人类个体特征的高度概括,也是区分人与人之间差别的一种科学的量化标准.人格不但与人类在现实世界中的行为密切相关,而且与虚拟世界社交网络中的行为表现出高度相关性.线上行为的可记录、易计算等特性使得对网络用户人格分析成为可能.随着互联网用户的不断增长,对社交网络用户人格的研究将为人格理论的推广和应用提供非常广阔的空间.文章在总结人格测量的标准与方法的基础上,综述了近年来社交网络用户的人格分析和人格预测的相关研究,指出了社交网络用户人格预测方法面临的挑战,然后分析了人格理论在当前社交网络中的可能应用模式,最后展望了该领域需要解决的关键问题以及可能的应用前景.     

基于SALSA的社交网络重要节点发现算法

社交网络中重要节点的发现研究具有较大的实际意义与价值。考虑社交网络中用户作为节点所包含一些特有的属性,通过将用户的社交行为划分强/弱关系的方式对社交网络拓扑结构的关系边进行补充,提出一种基于SALSA算法的加权算法WSALSA来发现社交网络中的重要节点。采用部分新浪微博真实数据进行实验及验证,对比PageRank、HITS和SALSA算法得到的节点影响力排序结果在SIR模型中的传播能力,结果表明WSALSA算法与SIR排序结果的斯皮尔曼相关系数值更高,对社交网络中节点重要性的评估更加准确。     

Analysis of MySpace user profiles

Online social networks have attracted millions of users, who have integrated social network web sites into their daily life. Users participate to the changes and to the evolution of these sites because they are producers and reviewers of contents that help them to maintain the existing social relationships, make new friends, collaborate and enrich experiences. This paper presents a study of the characteristics of the users of MySpace web site, with the objective of studying relationships and interactions among users and deriving hints about their behavior. The analysis relies on data collected by monitoring the web site for 12 weeks. Typical user behaviors have been derived and classes of users characterized by different levels of participation to the social network have been identified. In particular, the analysis reveals that most of the users actively participate to the social network and specify many personal details. Social networks web sites allow access to such details; the sharing of information about users and their relationships can lead to non-ethic online activities, which threat the privacy and the security of users themselves.     

基于用户偏好特征挖掘的个性化推荐算法

为了提升社交网络个性化推荐能力,结合用户行为分布进行个性化推荐设计,文中提出基于用户行为特征挖掘的个性化推荐算法,构建社交网络的用户行为信息特征挖掘模型,采用显著数据分块检测方法对社交网络用户特征的行为信息进行融合处理,提取反映用户偏好的语义信息特征量。从情感、关键词和结构等方面根据用户行为特征组,结合模糊信息感知方法进行社交网络个性化推荐过程中的信息融合处理,在关联规则约束控制下,构建社交网络用户偏好特征的混合推荐模型,实现用户偏好特征挖掘,根据语义分布和用户的行为偏好实现社交网络的个性化信息推荐。仿真结果表明,采用所提方法进行社交网络个性化推荐的特征分辨能力较好,对用户行为特征的准确识别能力较强,提高了社交网络推荐输出的准确性。     

Personalized Tag Recommendation Using Social Influence

Tag recommendation encourages users to add more tags in bridging the semantic gap between human concept and the features of media object,which provides a feasible solution for content-based multimedia information retrieval.In this paper,we study personalized tag recommendation in a popular online photo sharing site - Flickr.Social relationship information of users is collected to generate an online social network.From the perspective of network topology,we propose node topological potential to characterize user’s social influence.With this metric,we distinguish different social relations between users and find out those who really have influence on the target users.Tag recommendations are based on tagging history and the latent personalized preference learned from those who have most influence in user’s social network.We evaluate our method on large scale real-world data.The experimental results demonstrate that our method can outperform the non-personalized global co-occurrence method and other two state-of-the-art personalized approaches using social networks.We also analyze the further usage of our approach for the cold-start problem of tag recommendation.     

基于社会正则化的推荐算法研究

社会网络中包含大量的社会信息,如何从这些社会信息中发掘对用户有用的信息已成为学者和专家的研究热点。本文提出一种基于社会正则化的推荐算法:把改进的矩阵分解技术应用到社会化推荐中;利用社会网络中用户间的朋友关系来优化对用户的建模,学习更好的用户特征空间模型;利用社会网络中的标签信息建立用户和物品的关系,并利用这种关系来优化用户-物品的建模。实验结果表明,改进后的推荐算法的精确度高于传统的推荐算法,有效地解决了社会信息冗余问题。     

Models of Influence in Online Social Networks

Online social networks gained their popularity from relationships users can build with each other. These social ties play an important role in asserting users' behaviors in a social network. For example, a user might purchase a product that his friend recently bought. Such phenomenon is called social influence, which is used to study users' behavior when the action of one user can affect the behavior of his neighbors in a social network. Social influence is increasingly investigated nowadays as it can help spreading messages widely, particularly in the context of marketing, to rapidly promote products and services based on social friends' behavior in the network. This wide interest in social influence raises the need to develop models to evaluate the rate of social influence. In this paper, we discuss metrics used to measure influence probabilities. Then, we reveal means to maximize social influence by identifying and using the most influential users in a social network. Along with these contributions, we also survey existing social influence models, and classify them into an original categorization framework. Then, based on our proposed metrics, we show the results of an experimental evaluation to compare the influence power of some of the surveyed salient models used to maximize social influence.     

用户关系特征对微博转发行为影响分析研究

转发是微博提供的一个信息传播的机制,用户能够将关注者发布的有趣微博转发到自身平台,然后分享给追随者,是微博网络中信息传播最重要的功能。对于微博网络存在的不同类型连接关系,首先提取出相关特征,如同质性、微网络结构、地理距离以及用户性别等,用于识别连接关系的不同类型,然后采用Log-linear模型来拟合各个特征间系数,基于这些系数对微博用户转发行为形成的内在原因进行了分析。     

区块链社交网络信息传播模型的优化研究

区块链的出现使得社交网络信息传播的模式发生了改变,如用户信任度、信息传播的转发概率等。因此,在传统社交网络信息传播模型的基础上,通过对用户行为模式的着重分析,基于用户信任度和经济激励等影响因素优化了转发概率;新增了合约状态节点解释用户的理智性,基于此提出区块链社交网络信息传播模型。理论与仿真分析表明,该模型在区块链社交网络的信息传播过程中具有较好的稳定性和敏感性,节点属性变化走势更加接近真实网络,能够较好地模拟区块链环境下社交网络中信息的传播规律。     

强关系型社交媒体平台不实信息传播模型研究

社交媒体是当前人们获取信息的重要渠道,但是社交媒体中不实信息大量传播造成社会危害的问题一直困扰着管理者。为了减轻不实信息造成的不良社会影响,对不实信息的传播规律进行研究。划分出强关系型社交媒体,通过Multi-Agent建模的方法,引入用户个体异质性和决策行为不确定性,建立不实信息传播模型。用控制变量法,在多种网络中进行仿真模拟。研究表明：不实信息传播的初始节点不完全能够决定不实信息的传播范围;不实信息传播过程的缓解期长短与网络的随机性有关;用户观点共鸣度分布会对不实信息传播产生影响。     

基于用户行为挖掘的融合社交网络推荐模型

采用大数据处理技术和并行计算方法进行融合社交网络的用户行为特征的挖掘,实现社交网络智能推荐,提出一种基于用户行为挖掘的融合社交网络推荐模型。采用关联规则分布模型进行融合社交网络的用户行为特征检测,提取融合社交网络的用户行为的本体信息和关联规则项,构建社交网络的联合推荐的模糊决策模型,计算融合社交网络用户行为的联合信息熵特征值,采用模糊C均值聚类方法对提取的特征量进行分类识别,根据分类识别结果实现用户行为挖掘和融合社交网络的自适应推荐。仿真结果表明,采用该方法进行融合社交网络的用户行为特征挖掘的查准率较高,推荐的置信度水平较高。