微博用戶行為分析和網(wǎng)絡(luò)結(jié)構(gòu)演化的研究.pdf

1、隨著互聯(lián)網(wǎng)絡(luò)、尤其移動(dòng)互聯(lián)網(wǎng)絡(luò)的飛速發(fā)展，微博已經(jīng)成為一種非常重要的在線社會(huì)網(wǎng)絡(luò)形式。在微博網(wǎng)絡(luò)中，用戶接入方式更加方便多樣，交互方式更加靈活快捷，信息傳播更加迅速?gòu)V泛，其中用戶行為和網(wǎng)絡(luò)結(jié)構(gòu)是影響信息傳播過(guò)程的兩個(gè)關(guān)鍵因素。鑒于此，本文采用交叉學(xué)科的思想和方法，針對(duì)微博中用戶行為特征和模型、用戶特征量分布形成機(jī)制和增長(zhǎng)規(guī)律、網(wǎng)絡(luò)中心性和信息傳播度量、網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)特征和演化模型等問(wèn)題進(jìn)行了研究，嘗試發(fā)現(xiàn)微博用戶行為模式和網(wǎng)絡(luò)結(jié)構(gòu)演化規(guī)律

2、，建立能夠刻畫(huà)這些規(guī)律的數(shù)學(xué)模型，并尋找可以預(yù)測(cè)用戶行為的相關(guān)策略。論文的工作有助于認(rèn)識(shí)微博用戶行為特征，加深對(duì)微博網(wǎng)絡(luò)結(jié)構(gòu)和信息傳播關(guān)系的認(rèn)識(shí)，也為復(fù)雜網(wǎng)絡(luò)和社會(huì)網(wǎng)絡(luò)的理論研究提供一些探索性的結(jié)果。
　　論文的研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目(No.61172072、61271308)、北京市自然科學(xué)基金項(xiàng)目(No.4112045)和中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金研究生創(chuàng)新項(xiàng)目(No.2011YJS215)的支持，主要工作和創(chuàng)

3、新點(diǎn)包括以下幾個(gè)方面:
　　1.研究微博用戶特征量的分布和用戶發(fā)布行為規(guī)律，建立用戶發(fā)布微博的行為模型。實(shí)證分析發(fā)現(xiàn)新浪微博用戶特征量具有不同冪律分布特征，且互相之間存在不同的相關(guān)性。發(fā)現(xiàn)用戶個(gè)體和群體發(fā)布微博的時(shí)間間隔均呈現(xiàn)冪律分布，冪律指數(shù)與用戶活躍程度成正比;用戶發(fā)布興趣受到其他用戶交互行為的影響，并有明顯的周期性;用戶發(fā)布行為具有自相似特征。本文分析了基于社交驅(qū)動(dòng)和興趣驅(qū)動(dòng)共同影響的微博用戶發(fā)布模型，提出了一種基于用戶興趣

4、衰減服從Logistic函數(shù)的用戶發(fā)布模型，并使用該模型仿真驗(yàn)證了用戶發(fā)布微博的時(shí)間間隔分布特征。此研究有助于更深入地理解微博用戶的行為特征，為進(jìn)一步研究微博網(wǎng)絡(luò)結(jié)構(gòu)和信息傳播模式提供理論依據(jù)和形式參考。
　　2.研究微博用戶特征量分布的形成機(jī)制和增長(zhǎng)規(guī)律。使用雙帕累托對(duì)數(shù)正態(tài)(DPLN)分布對(duì)用戶特征量分布進(jìn)行擬合，相比對(duì)數(shù)正態(tài)分布和冪律分布，可以得到更優(yōu)的效果，同時(shí)用戶活躍時(shí)間服從指數(shù)分布，不同活躍時(shí)間的用戶特征量都近似服從對(duì)

5、數(shù)正態(tài)分布，用戶特征量的增長(zhǎng)率服從對(duì)數(shù)正態(tài)分布，且與特征量自身的規(guī)模無(wú)關(guān)，因此使用雙帕累托對(duì)數(shù)正態(tài)分布模型解釋了用戶特征量的雙段冪律形成機(jī)制?；谙蛄坑嘞揖嚯x相似性的K-means聚類算法，提出一種分析微博用戶特征量增長(zhǎng)模式的計(jì)算方法，并對(duì)不同排序和初始規(guī)模實(shí)際用戶特征量的時(shí)間序列數(shù)據(jù)進(jìn)行聚類分析;分析導(dǎo)致用戶粉絲數(shù)爆發(fā)式增長(zhǎng)的原因，并發(fā)現(xiàn)微博用戶特征量和用戶數(shù)增長(zhǎng)之間存在異速增長(zhǎng)現(xiàn)象。
　　3.分析微博網(wǎng)絡(luò)節(jié)點(diǎn)中心性特征并提出用

6、戶影響力度量方法。根據(jù)新浪微博實(shí)際用戶數(shù)據(jù)，構(gòu)造了兩個(gè)基于雙向“關(guān)注”的用戶關(guān)系網(wǎng)絡(luò);通過(guò)分析網(wǎng)絡(luò)拓?fù)浣y(tǒng)計(jì)特征，發(fā)現(xiàn)上述兩個(gè)網(wǎng)絡(luò)都具有小世界和無(wú)標(biāo)度的特征;然后分別對(duì)兩個(gè)網(wǎng)絡(luò)的四種中心性指標(biāo)（節(jié)點(diǎn)度、緊密度、介數(shù)和k-Core）及其相關(guān)性進(jìn)行分析;在此基礎(chǔ)上，借助基于傳染病動(dòng)力學(xué)的SIR信息傳播模型，分別分析兩個(gè)網(wǎng)絡(luò)中具有不同中心性指標(biāo)的初始傳播節(jié)點(diǎn)對(duì)信息傳播速度和范圍的影響。結(jié)果表明，緊密度和k-Core較其他指標(biāo)可以更加準(zhǔn)確的描述節(jié)

7、點(diǎn)在信息傳播中所處的網(wǎng)絡(luò)核心位置。進(jìn)一步的分析可知上述兩個(gè)指標(biāo)有助于識(shí)別信息傳播拓?fù)渚W(wǎng)絡(luò)中的關(guān)鍵節(jié)點(diǎn)。該方法可為微博營(yíng)銷、用戶推薦、網(wǎng)絡(luò)輿情分析等領(lǐng)域的應(yīng)用提供理論支撐。
　　4.提出一種基于社團(tuán)和混合連接特征的網(wǎng)絡(luò)演化模型。通過(guò)對(duì)兩個(gè)微博用戶雙向關(guān)注網(wǎng)絡(luò)拓?fù)涮卣鞯倪M(jìn)一步分析，發(fā)現(xiàn)二者均為異配網(wǎng)絡(luò)，具有分層性質(zhì)和社團(tuán)結(jié)構(gòu)，其社團(tuán)規(guī)模呈指數(shù)分布。然后，根據(jù)微博用戶雙向關(guān)注數(shù)近似符合對(duì)數(shù)正態(tài)分布，以及真實(shí)微博雙向關(guān)注網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)及其