人在社交网络中的投资行为研究

以二元关系为基础的社交网络对于理解人的社会性非常重要,人们在社交关系上的投资模式很大程度上决定了社交网络的稳定性,而通讯是反映人与人之间情感交流的典型行为之一。本文通过中国某地区的通讯数据研究人们在构建和维系社会关系中的资源投入和分配行为,提出了一个基于熵的衡量人们资源分配均匀性的指标。并利用该指标对不同年龄、性别的手机用户进行通话行为分析,发现男性、女性处于不同的年龄阶段时,在社交网络中资源的投入和分配有着明显的差异。     

校园移动社交网络中基于种子的数据分发算法

为了研究如何利用节点间间歇性连接传输数据,提出了校园移动社交网络中基于种子的数据分发算法,其主要思想是为每一个社区选择一个种子节点,并利用种子节点来进行数据分发.仿真实验表明,与著名的Epidemic、PS和SGBR算法相比,该算法可明显地降低网络开销,同时接近Epidemic算法达到的最大传递率.     

社交网络上基于信息驱动的行为传播研究

针对社交网络上信息与行为的交互作用与协同传播的特点,建立了基于信息驱动的行为传播模型。该模型综合反映了社交网络上信息与行为传播的交互性,以及信息传播的记忆性、时效性与社会加强效果等多种因素对传播的影响。研究发现,信息的时效性、社会加强效果、信息的转播率等模型参量,以及源节点的度与核数、节点的度及与源节点距离等网络参量,都在一定程度上影响行为传播的速度和范围,但各参量在不同环境下发挥不同的作用。     

基于因果模型的社交网络用户购物行为研究

社交网络用户的购物行为体现用户在社交影响下自身物质需求和社交需求的意愿,是社交网络营销的重要研究内容。传统的网络购物行为分析仅关注用户行为间的相似度,忽略了用户的社交需求及同伴行为的影响。对此,结合反从众理论和社交需求特性,对用户购物行为进行特征构建;其次,针对社交网络用户数据不完全观察特性,提出了基于快速因果推断（Fast Causal Inference,FCI）的用户行为因果机制发现算法;最后,基于模型的实验分析和实证分析验证了模型因果机制的合理性。     

基于移动社交环境的用户行为最优关联预测

提出了一种基于移动社交环境的用户行为多重分析与最优预测算法.首先,针对目标用户所属的各个社交群组,分别建立基于代表度的最优化模型,选择出任一社交群组内最具代表的关联用户,以分析目标用户在不同社会属性下的业务行为;特别地,代表度由基于Kendall系数的相似度和基于交互统计的交互度联合构成;其次,借助Apriori理论分别对目标用户和各最具代表的关联用户进行关联分析,并提出基于最小二乘模型的加权融合方法,以最优地融合上述关联分析结果且实现用户行为的精准预测.仿真结果验证了该算法的有效性.     

中芬联手推出移动社交服务

据报道．全球领先的GPS及移动社交网络服务提供商芬兰GeoSentric公司已同中国联通达成协议．于3月15日针对北京奥运会在中国推出移动社交服务“Gypsii”。     

基于SIR的Device-to-Device移动社交网络信息传播模型

智能移动设备的迅速普及在加快移动社交网络发展的同时,也给底层通信网络带来了沉重的负担。为了缓解底层通信网络的负担,越来越多的社交网络应用开始采用Device-to-Device技术传播信息。本文以Device-to-Device移动社交网络为研究对象,首先分析该网络中用户参与信息传播的特点,然后在传染病模型的基础上构建适合此网络特点的信息传播模型,并利用该模型分析真实Device-to-Device环境中的信息传播过程。结果表明,Device-to-Device移动社交网络中的信息传播与基于Internet的社交网络中的信息传播有相似之处;但是,由于Device-to-Device移动社交网络存在较大的传播时延,信息在该网络中需要较长的时间才能达到传播高峰。     

基于互助行为聚类的移动社交软件设计与实现

在分析当前社交网络应用的基础上,设计了一款基于互助行为聚类的移动社交软件,提出了一种基于互助行为的聚类算法。该社交软件包括移动客户端和后台服务端,移动客户端基于Android平台开发,后台服务端采用云服务的方式为客户端提供服务。所设计的聚类算法以直接互助行为为基础,采用朋友链的方式组成朋友圈并进行聚类。     

评《社交网络上基于信息驱动的行为传播研究》

社会网络最重要的一个“功能”,就是成为物质和信息流动的媒介--疾病可以在有物理接触的线下社会网络中传播,而广义的信息,包括创新的想法、可怕的谣言和吸烟的习惯等等,在线下或者线上的社交网络中都能传播。然而,信息的传播和疾病的传播有很大的不同,例如信息传播活性随时间快速衰减,而疾病一般不会那么快;信息传播中不同类型边不仅是传播力不同,传播的模式也不同,而疾病传播中接触强度只会造成传播概率差异;信息传播受到信息内容的重大影响,每次传播激活的有效网络不同;信息传播中不同传播者的角色存在定性上的差异,而疾病传播中个体的差异主要是定量的差异;信息传播具有记忆效应,以前的信息接触会产生影响;信息传播具有社会加强作用,譬如说一个谣言同时从两个地方听到,其说服力要高于从一个地方听到的两倍;信息传播中一条链接一般只使用一次;等等。     

基于移动社交网络的群智感知社群化任务分发

针对传统的“平台-用户”移动群智感知任务分发方式在任务执行鲁棒性以及数据回收方面存在的缺陷与不足,以群智感知参与用户的群体社会属性为基础,提出一种“平台-社群-用户”的社群化任务分发方法.基于参与用户时空移动特征分布的近似度计算对用户进行动态社群划分聚类,通过在社群中设置社群组织者与社群从属者角色,同时引入社交亲密度连接关系网络等模型,构建移动群智感知任务初次社群分发与二次用户选择的方法.基于WTD公开数据集上的实验结果表明,与传统的任务分发方式相比,所提方法可可有效提升任务完成率,增强执行过程的鲁棒性,同时可减少任务分发次数、降低通信负载.     

社交网络中协同舆论欺诈检测方法应用研究

为了能够使网络空间提供更加可靠的信息,欺诈检测变得越来越重要,但现有的方法在检测欺诈用户时仅考虑了用户评论之间评论相同商品时形成的静态密集子图,而忽略了用户自身在评论时的异常行为,从而导致准确性较低,在实践中往往需要进一步手动验证检测结果的可靠性。针对此问题,提出了一种协同舆论欺诈检测(CPOFD)方法,该方法使用一种新的度量,即对比可疑度。该度量主要包括拓扑连接的信息,使得CPOFD方法能够通过拓扑连接、时间戳以及评分等信息有效检测欺诈者的异常行为,以更为聚合的方式检测欺诈群体。该度量强调了欺诈者和正常用户的动态对比,使得算法能够在拓扑连接、时间戳以及评分方面更为有效地检测欺诈者的异常行为。同时,CPOFD方法结合基于密度子图的聚类算法和决策树分类算法将社交网络中用户进行有效分组,且在聚簇分类时使用模拟退火算法进行剪枝优化,能更加简洁快速地寻找近似最优解,时间复杂度与欺诈者数量呈线性关系,具有较高的可扩展性。基于Yelp数据集的实验结果表明：CPOFD方法对欺诈舆论检测的准确度大多数在98%以上,验证了CPOFD方法的有效性。     

"互联网+"时代大学生网络社交行为现状分析及对策研究

以X地区的在校大学生为研究对象,采用大学生网络社交行为现状调查表和人际交往能力问卷对其网络社交行为现状进行了调查研究.结果表明,"互联网+"时代大学生已经把网络社交作为其人际交往的重要工具,并且大学生的人际交往能力存在显著的性别差异和城乡差异.进一步探讨了"互联网+"时代大学生网络社交的对策和建议,在充分发挥网络社交积极作用的基础上,引导大学生科学使用网络社交.     

基于物联网的移动网络交互行为异常检测

为了解决传统交互行为异常检测方法实时性差、数据分布要求较高等问题,研究基于物联网的移动网络交互行为异常检测方法.基于时间序列分量对物联网高维数据特征进行检测,以获取的移动网络交互行为数据特征值子集为基础,将高维特征空间的正向矢量数据作为验证核心,设立常数偏差函数并求取函数最小值,以此设定检测阈值.根据检测阈值采用平行时...     

考虑社交网络中用户属性的社区挖掘

传统社区挖掘往往不具灵活性,并且忽略用户节点特性.为能更加个性化地挖掘网络中的社区,在传统的社交网络表示方法的基础上,提取用户在社交网络中的属性,例如用户档案中的信息、用户的度节点信息等.将得到的数据进行结构化分类处理,用布尔值表示静态属性,用连续值表示动态属性,再将两者相结合构建混合型数据的贝叶斯网络.并通过图论简化用户网络信息结构,优化计算过程,最后对模型进行可行性检验.实验最后结果表明社区挖掘具有较高的精确性,且更具灵活性,能应用于各种社区的挖掘.     

社交网络中考虑遗忘机制的谣言传播

社交网络是当前最重要的信息传播媒体之一。近年来,由谣言传播引发的事件时有发生,因此有必要研究社交网络中谣言的传播规律。根据Ebbinghaus遗忘规律,研究遗忘机制对谣言传播的影响规律,建立了以遗忘率为指数函数形式的谣言传播模型。通过对4种人群建立平均场方程,计算了基本再生数,对模型的传播规律进行了理论分析。通过在社交网络中实验,研究网络中4种人群的变化规律,分析遗忘率函数的各参数对谣言传播的影响,并且将遗忘率为指数函数和常数形式做了对比。实验结果表明:遗忘率对传播者和免疫者的密度影响显著,初始遗忘概率越大,或者遗忘速度越快,谣言的传播力越弱;相对于遗忘率为常数的情形,遗忘率为指数函数形式时更符合谣言传播的实际情况。仿真实验验证了理论分析的正确性,并据此提出了谣言控制策略。此项研究有助于深入理解谣言的传播行为,可为网络舆论的传播过程及预测提供参考。     

社交网络中社会工程学威胁定量评估

针对社交网络中社会工程学威胁难以定量评估的问题,提出基于属性攻击图和贝叶斯网络的社会工程学威胁评估方法. 基于社交网络社会工程学攻击过程,定义社会工程学的可利用的脆弱性语义和攻击节点语义,提出相应的脆弱性可利用概率计算方法. 通过分析社交网络中社会工程学攻击模式,模拟钓鱼攻击和跨站身份克隆攻击,根据属性攻击图生成算法构建社会工程学攻击图,采用贝叶斯网络模型对每种攻击路径造成的社会工程学威胁进行量化评估,得到社交网络中个人账号的隐私威胁风险. 通过在Facebook数据集上的实验验证所提出方法的有效性.     

加权社交网络节点中心性计算模型

将无权网络中度量节点中心性的方法——主分量中心性(principal component centrality)应用于加权社交网络,提出基于链接强度矩阵的加权中心性度量法. 实验结果显示,加权主分量中心性在传播效率、鲁棒性和容错性等方面优于加权特征向量中心性(eigenvector centrality),因此加权主分量中心性在加权社交网络中是可行有效的.     

移动社交软件用户使用意愿影响因素研究

基于技术接受模型,构建了移动社交软件用户使用意愿影响因素分析模型,运用结构方程模型进行了实证研究。研究结果表明:感知有用性受好奇心、网络外部性和社会规范的显著影响,且网络外部性的影响程度最大;感知易用性受好奇心、人际交往、网络外部性和社会规范的显著影响,且社会规范的影响程度最大;感知有用性和感知易用性会显著影响移动社交软件用户的使用意愿。最后根据分析结果,提出了有针对性的营销建议。     

浅析移动社交中的定位服务

作为互联网发展历程中的变革性应用,社交网络一度改变了人们的沟通方式和信息传播渠道。而伴随着移动互联网的兴起,社交网络又将迎来新的颠覆性转变。移动社交综合了移动网络、手机终端和社交网络服务的优势和特点并互为有益的补充,可谓相得益彰。移动定位社交服务是将LBS与SNS整合起来的新型服务,通过时间序列,行为轨迹和地理位置的信息标记组合,帮助用户与外部世界创建更加广泛和亲密的联系,增强社交网络与地理位置的关联性,文章主要介绍了移动社交应用中的定位服务,并对其通过举例进一步了解。     

社交网络突发事件传播速率模型研究

针对传统信息传播速率模型中对各因素描述不准确且仿真结果误差偏高的问题,该文提出了一种PPS信息传播速率计算模型。该模型选取Digg社交平台的数据集进行分析,拟合大量数据改进了传统模型中固有增长率及用户承载力的计算方法,并根据新闻投票量对新闻划分范围得到PPS模型,最后针对不同投票范围的新闻信息进行了仿真分析。仿真结果表明,在此平台上的新闻均经历增长期而到达稳定期,而通过传播速率分析图得出新闻在进入头版后增长速率最快。结合传统模型及算法进行准确率分析得到,该文提出的PPS模型在准确率上有了较大提升,证明提出的模型在分析社交平台的信息传播速率合理、有效。