基于社交演化博弈的社交网络用户信息分享行为演化分析

本文基于社交演化博弈模型研究了社交网络中用户信息分享行为的合作演化.在社交演化博弈模型中,用户通过不断地模仿他关注的最成功的用户的行为策略来改进自身的短期效用,或者根据声誉调整他关注的用户来改善自身所处的声誉环境,进而改进自身的长期声誉,而用户间信息分享所构成的群体交互则使用公共品博弈进行建模.通过对社交演化博弈模型的数值仿真,揭示了用户间关注关系更新的频率、用户对声誉的追逐程度和群体放大效应在社交网络演化中的影响.同时,本文也应用了社交演化博弈模型对新浪微博进行了分析,加深了人们对社交网络中信息分享行为的合作演化的理解.     

社交网络用户行为分析

社交网络随着互相网络的发展逐渐成为人与人之间互动交流、娱乐休闲的重要工具和平台.而用户作为社交网络的核心,其行为是我们深入认识社交网络运行机理的起点,关于用户行为分析的研究有很大价值.用户行为分析可以从社交网络的功能和结构两大方面展开,结构分析侧重于用户行为的产生过程,主要包括用户连接图分析和活跃图分析,功能分析侧重于用户行为的具体内容,主要包括用户功能活动分析和社交性分析.     

基于情感和网络分析的社交网络用户人格预测

人格是对人类之间不同个体特征的高度概括,与人类的行为密切相关.人们在社交网络中的行为同样受到人格的影响,了解社交网络用户的人格对于推荐系统和个性化广告都有很大的价值.已有的关于社交网络用户人格的研究大多仅使用用户数据的统计特征,没有反映用户数据的内在特征.本文提出一种新的社交网络用户人格预测方法,通过综合考虑用户的情感及用户网络分析特征预测用户人格类型,并通过Facebook用户数据分析实验验证了方法对提高人格预测准确率的有效性.     

基于用户行为认知的在线社交网络协同推荐

近年来,在线社交网络成为人们工作、生活不可或缺的信息共享与交流工具,如何对海量庞杂、大范围时空关联的用户行为信息进行认知并据此提供个性化的推荐服务,已成为在线社交网络发展重点关注的问题。为此,提出了一种基于用户行为认知的在线社交网络协同推荐框架,在对用户特征、文本信息及兴趣偏好等行为进行认知的基础上,利用协同过滤算法,实现个性化的推荐服务。实验结果验证了提出的基于用户行为认知的协同推荐策略具有较好的稳定性和实际应用效果。     

社交网络中用户区域影响力评估算法研究

以人人网为例对在线社交网络的分析,从区域信息传播的角度出发,研究社交网络中,信息传播的微观过程.通过真实测量用户的信息传播行为,完成用户信息传播网络的构建和测量.发现区域信息传播网络中少量核心节点覆盖了大部分的网络传播行为.针对这些核心节点,文中提出了一种基于节点传播意愿和传播能力综合考察的节点传播影响力识别算法InfluenceRank,并通过与多种相关算法进行比对,验证了算法的有效性.     

MSNS中基于手机通讯录的信任度计算方法

随着手机移动社交的飞速发展,安全问题越来越受到人们的关注。因此,研究用户间的信任度对于移动社交网络的安全具有重要意义。充分利用并改进现有的手机通讯录,提出了移动社交网络中一种基于手机通讯录的信任度计算方法,帮助手机用户减少面临的威胁。该方法将移动社交网络中用户之间的信任度分为直接信任度与间接信任度。初始时对手机通讯录中的联系人进行信任度评分,由可信联系人的推荐信息来计算不在通讯录中联系人的信任度。根据用户在社交活动中不同的社交行为,对通讯录中的联系人信任度进行实时更新。最后,通过仿真实验验证了该方法的合理性与有效性。     

基于关系的微博重要度算法研究

近年来微博已经发展为一个影响力巨大的社交网络平台。针对微博的复杂网络特性,提出了对微博用户重要度的算法,从海量微博信息中智能提取重要内容。算法考虑到社交网络的节点间影响以及用户行为的传递性,同时为了提高对海量节点的处理能力,进行了有效的子网分划。通过实验,证明算法能有效分析网络中节点贡献内容的重要度,有助于提高社交网络中舆情监控、分析、管理等工作的效率和准确性。     

在社交网络中综合的信任评估模型

提出了由交互经验计算用户态度,以及利用交互时间序列计算用户行为模式变化的方法。进而利用态度、交互经验、行为模式3种信息综合建立新的信任评估模型。实验证明该模型能够适应社交网络的动态性及复杂性,并可有效量化3种信息对信任的影响,从而提高社交网络中直接信任评估模型的可用性与准确性。     

社交化融合通信业务需求分析与发展策略研究

移动互联网时代的通信业务与社交网络融合的趋势越来越明显.本文从人际关系角度对各个交往阶段的用户社交心理需求和沟通行为需求进行研究,提出了社交化融合通信业务需求模型,并以此模型为基础对富通信与社交网络进行业务对标分析,提出了社交化融合通信业务发展策略建议.     

基于霍克斯过程的社交网络用户关系强度模型

社交网络节点之间的关系强度建模是研究信息传播、实现推荐服务等社交网络服务的关键.传统关系强度模型主要研究简单二元关系与静态关系,未考虑用户交互影响及其动态衰减.本文提出一种基于霍克斯过程的社交网络用户关系强度模型,将用户关系强度视为潜在因子,用户相似性与历史交互行为分别视为潜在因子诱因与表象,并使用霍克斯过程刻画历史交互行为与用户关系强度之间的关系,解决了已有模型未考虑用户历史交互影响及其动态衰减的问题.采用微博社交网络数据对模型进行的评估表明,本模型可以提高用户关系强度预测精度以及基于关系强度排序Top-N邻居节点的覆盖率.     

基于科技接受模型双向互动电视受众行为分析

三网融合政策的推进,广电行业全面进入双向互动电视时代,如何了解双向互动电视媒介和用户特点,挖掘用户潜在的消费行为,提高用户ARPU值,成为摆在广电企业面前亟待解决问题。本文在基于科技接受模型比较分析的基础上,结合双向互动电视媒介和互动用户特点,设计了适用于双向互动电视受众分析模型,在某广电公司搭建数据分析系统,利用此模型分析双向互动电视受众行为,并将此结果应用于公司的经营决策。     

宽带互动电视业务的网络建设探讨

在三网融合背景下,结合广州有线电视网络状况,深入分析了互动电视用户行为习惯,提取关键数据,按照滚动投资、逐步建设和合理拓展原则,对宽带互动电视业务的网络建设方案展开探讨。     

基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.     

大数据系统在IPTV/OTT用户行为调查上的应用

描述利用大数据技术实现用户行为和收视率调查方案的系统设计。受益于宽带网络的发展和IPTV/OTT智能终端的双向互动特性,用户操作使用电视的行为数据可以实时传送到位于云端的大数据平台,大数据分析系统通过分析这些海量用户数据,得到精准的用户收视行为的实时数据。相比传统的基于抽样样本统计方法的局限和偏差,大数据的分析方法使用全样本数据,保障了统计的全面性和准确性,同时还可以为每一个具体用户画像,这样的统计和画像为运营商对节目、频道的运营提供了准确实时的参考数据,为运营商优化内容、广告的投放提供了有效的手段和工具,从而可以大大提升运营商的竞争力。     

云社交电视的用户视频质量体验

近年来,多屏云社交电视将社交体验引入了传统的电视领域中.观看同一内容社交电视的观众虽然来自不同的地方,但是仍然可以通过文本、图像、音频和视频来进行互动,这就在传统体验上增强了社会属性.笔者将社交电视用户体验分为3个要素(用户延迟、视频质量体验和资源利用率),并且提供一个通用算法来提高用户体验.具体来说就是提出了一个基于云计算的最佳播放速率分配方案,最大限度提高整体视频质量体验(QoE)和用户间的延迟上限.实验结果表明,该算法实现了用户间延迟和视频质量的最优组合,并论证了无线信道快速衰弱下的最优性能.     

移动社交网络中即时推荐好友的方法(英)

Differently from the general online social network(OSN),locationbased mobile social network(LMSN),which seamlessly integrates mobile computing and social computing technologies,has unique characteristics of temporal,spatial and social correlation.Recommending friends instantly based on current location of users in the real world has become increasingly popular in LMSN.However,the existing friend recommendation methods based on topological structures of a social network or non-topological information such as similar user profiles cannot well address the instant making friends in the real world.In this article,we analyze users' check-in behavior in a real LMSN site named Gowalla.According to this analysis,we present an approach of recommending friends instantly for LMSN users by considering the real-time physical location proximity,offline behavior similarity and friendship network information in the virtual community simultaneously.This approach effectively bridges the gap between the offline behavior of users in the real world and online friendship network information in the virtual community.Finally,we use the real user check-in dataset of Gowalla to verify the effectiveness of our approach.     

有线电视双向网接入技术方案分析比较

本文通过搭建网络模型,对当前主流有线电视双向网用户接入技术"EPON+EOC和CMTS"进行简要分析,并对两种接入技术方案投资、带宽进行比较。     

中国电视节目扁平化标签分类体系研究

中国电视节目急需建立新型标准化体系,针对中国电视节目传统的树形分类体系形式复杂、难以涵盖多元化电视节目的问题,提出了“扁平化”的标签分类体系,结合节目的领域、形态以及内容标签,构建了跨领域、多维度、扁平化的电视节目标签分类体系,可以对电视节目进行准确、高效的分类.新型的电视节目扁平化标签分类体系旨在科学全面地对电视节目分类,可以应用于电视用户行为分析领域.     

安徽电信基于规模DT的主动优化体系研究与实现

提出了一种基于规模DT的主动优化体系,借助社会资源,利用自动测试设备,模拟用户行为进行规模测试,及时、全面地获取网络信息;研究了规模DT的实现方式、平台架构以及测试设备部署模型,并提出基于栅格匹配的智能网优分析模块,直接面对问题,实现网优集约化。通过实例表明,规模DT实现了先于用户发现问题的主动优化体系,以问题解决为导向提升用户感知。