微博社区中用户行为特征及其机理研究

基于微博数据的实证分析表明,微博用户发布微博的数量及时间间隔均服从幂律分布。通过分析微博用户之间的社会网络关系与用户行为之间的联系,发现微博消息数量的分布幂指数与用户互动指数呈反向关系,且随着互动指数的升高,幂指数的下降趋缓。在排除用户之间的评论、转发行为的影响后,个体用户发微博的时间间隔分布幂指数与用户互动指数呈正相关关系。基于上述实证分析,引入用户间评论转发行为、用户间的社会网络关系作为微博用户行为的驱动因素,提出了一种基于社会关系的动力学模型,模型仿真结果与实际数据一致。     

基于历史数据的管制员通信行为特征分析

管制员的语音通信行为对空中交通的安全高效运行至关重要。借鉴人类动力学的理论和方法,深入分析了北京、上海、重庆和贵阳4个地区繁忙扇区的管制员语音通信数据,通过研究其时间分布特征挖掘了空中交通管制员的动力学行为。首先使用去趋势波动分析法发现管制员通信间隔时间的长程相关性;然后使用最大似然估计法近似判别所有通信间隔时间较符合逆高斯分布,而通信时间间隔大于11 s的数据更符合幂律分布特征,且幂指数 。分析结果表明,人类在面临压力时执行任务的动力学行为与其他日常行为相似,行为发生的间隔分布具有重尾特征,个体的分布具有差异性;管制扇区的类型,即区域管制扇区和进近管制扇区对管制员行为特征的影响不明显。     

人类行为时空特性的统计力学

人类行为的定量化分析, 特别是时空统计规律的挖掘和建模, 是当前统计物理与复杂性科学研究的热点. 对人类行为的深入理解, 有助于解释若干复杂的社会经济现象, 并在舆情监控、疾病防治、交通规划、呼叫服务、信息推荐等方面产生应用价值. 该文综述人类行为时间和空间特性方面的研究进展, 内容包括人类行为时间特性的实证分析和建模, 人类行为空间特性的实证分析和建模, 以及人类行为统计分析的应用研究. 该文还将评述当前研究存在的亮点和不足, 指出若干亟待解决的重大理论和实际问题.     

股票交易中的人类动力学实证研究

对股票交易中的大单交易行为所展示的群体水平上的人类动力学做了实证分析。统计数据显示：股票大单交易时间间隔服从幂律分布,其分布图在双对数坐标下具有明显的胖尾特性;有些股票的时间间隔分布出现了断尾特性,拟合后的幂指数的数值分布区间跨度相对较大。在相同的时间段内,股票的活跃程度与大单交易次数呈现正相关关系,活跃程度与拟合后的幂指数的原始数据没有明显的正相关关系,但是对幂指数进行奇数次移动平均后,活跃程度与幂指数呈现明显的正相关关系。     

兴趣、习惯、交互三重驱动的微博用户动力学模型

针对微博用户行为问题,采集Sina微博实证数据分析了不同情境下的微博用户行为特征。分析结果表明:微博用户的发布行为存在周期性和阵发性,用户发布微博的时间间隔服从幂律分布,且幂指数与用户活跃性呈正相关关系,同时用户之间的交互能够进一步激发用户的发布行为。在此基础上,构建了兴趣、习惯、交互三重驱动模式下的用户行为动力学模型,通过数学推导可知,该模型能够获得幂指数为参数可调的幂律分布,且模型仿真结果与实证数据分析结果相吻合。     

人类个体出行行为的统计实证

统计了欧洲某城市230位居民在6周内的出行活动中的停留时间分布和出行距离分布.首先假设人类出行的停留时间和距离在群体和个体水平上都符合幂律分布,然后用最大似然估计法对这些分布的幂指数进行估计,最后用Kolmogoroy-Smirnov检验法对假设的真伪性进行检验.结果发现:在停留时间分布方面,无论在群体水平还是个体水平...     

基于时间异质性的微博信息传播模型

提出了具有时间异质性的SI(susceptible-infected)传播模型。通过构建异质的时间间隔序列,将微博信息传播动力学过程在无标度网络上仿真。研究结果发现信息新接受个体数n(t) 以幂律形式减少, n(t) ~ t-β。与传统假设的时间间隔服从泊松分布的信息传播模型相比,时间间隔服从幂律分布的传播速度要缓慢很多。同时,传播动力学的幂指数β 受行为时间间隔分布幂指数α 影响,且具有关系β ≈α-1 。本文的仿真分析结果与理论预测结果一致。     

基于任务队列的新闻报道模型

基于新浪新闻数据,对热点新闻的连续发表事件时间间隔序列进行了统计分析,以探究新闻内容的选择机制。实证发现该时间间隔分布在个类与总体层面上都遵循带指数截断的幂律分布,由此提出一种考虑时效性的,并基于严格优先及偏好优先选择混合机制的队列模型来揭示新闻选择背后的机制。该模型的数值模拟结果与实证统计数据较好地吻合,表明该模型规则在一定程度上可用于解释新闻报道中出现的非泊松时间特性。     

基于出租车轨迹数据的车联网通信机会间隔模型

针对车联网中车辆间相遇机会间隔的统计分布模型及其参数估计问题,基于北京市出租车轨迹大数据,提出了基于栅格划分和地理哈希值索引的过滤查找方法和轨迹内插方法以高效提取车辆间的相遇机会时刻,进而对机会间隔进行统计建模、参数估计和假设检验.模型呈现分段分布,在小尺度时间间隔上呈指数分布,在大尺度间隔上呈对数正态分布,并具有重尾特征.     

客户购买行为的双变量多层贝叶斯预测模型研究

现有客户购买行为预测模型无法兼顾购买行为随机性、异质性及变量相关性的特征.单变量多层贝叶斯统计模型虽然解决了随机性、异质性问题,然而仍然忽略客户购买间隔与购买金额之间的相关性.双变量多层贝叶斯模型假设客户购买间隔和金额服从联合对数正态分布,借助"正态-Wishart"共轭先验分布族对后验近似标准分布进行推导,利用马尔科夫链蒙特卡洛模拟方法中的吉布斯抽样和梅托普利斯海斯丁算法估计参数.模型不仅满足变量相关性特点,提高了客户购买行为预测的准确性,正态性假设还能对客户购买行为的波动性进行预测.对一高分子企业进行实证研究,并进一步针对模拟次数和统计变量数量进行参数优化,结果证明其适用性与准确性都优于传统预测方法.