基于行为动力学的微博用户行为分析

发布时间：2021-07-11 01:38

　　开展社交网络用户行为分析的研究,理解用户行为,实现对网络消息传播和扩散的有效管理,是当前社交网络消息管控的研究热点。微博用户行为分析是评估微博用户在接触网络热点事件后执行消息传播行为的可能性,对微博用户行为分析能够为微博舆情引导和微博谣言控制提供决策参考。主要研究成果有两点:论文提出基于衰减兴趣、延续习惯和交互影响三重驱动的行为动力学改进模型,能够弥补兴趣驱动模型中驱动要素单一的不足。改进方法采用统计分析微博用户行为的潜在规律,提炼出重点突出、可量化的内在驱动要素,依据前人的研究成果与统计分析结果对比论证。通过实验验证,改进分析模型能够分析微博用户的行为,且与实证分析结果吻合。在真实网络数据环境中对改进的行为动力学模型进行修正和评估,通过爬取微博用户数据,修正模型参数,分析用户行为,最终判定微博用户在接触热点事件后是否执行信息传播行为的正确率达0.9163,基于混淆矩阵分析行为动力学模型的检测结果,F值为85%、误检率为8.5%,实验结果表明改进模型在微博用户行为分析上取得良好的评估效果。论文对NodeRank算法进行了改进,弥补了NodeRank算法对社交网络节点重要性评估的缺陷。N... 

【文章来源】：中国人民公安大学北京市

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

记忆模型任务点

2 延续习惯对微博用户行为影响强度计算二在延续习惯对微博用户行为影响强度计算二坐标原点，用户以往行为分别位于图示位置Q一历史行为的影响强度：2) ( 0, 0 )1tεε> > ）3.11 分析可知，历史行为重要程度越高对刻 t 越短对用户的行为影响强度越大；用定，对用户时刻 t 的影响强度越大。动是典型的复杂网络，在社交网络微博中用

(0< σ<1)为阻尼系数，( )iNR ν为指向节点ν的节点 值，( , )iω ν ν为节点 iν与ν之间的权值，( )out iS ν为 νν获得节点源 iν的权重可以用边(ν ,ν )i 的权值和节点 iν示ιω ν νω ν= 1( , )( , )iimjjz，通过该权重来对不同的连接加不同的[63]对社交网络节点重要性评估中，社交网络中节点ν连接 NR 值越高，说明节点越重要。

【参考文献】：
期刊论文
[1]基于聚类融合的邮件社交网络社区划分方法[J]. 张中军,董仕.  云南大学学报(自然科学版). 2017(02)
[2]基于人类动力学的在线社交网络信息传播研究[J]. 李瑾颉,吴联仁,齐佳音,闫强.  电子与信息学报. 2017(04)
[3]大规模社交网络社区发现及可视化算法[J]. 赵润乾,吴渝,陈昕.  计算机辅助设计与图形学学报. 2017(02)
[4]社交网络数据采集技术研究与应用[J]. 徐雁飞,刘渊,吴文鹏.  计算机科学. 2017(01)
[5]基于社交关系的微博主题情感挖掘[J]. 黄发良,于戈,张继连,李超雄,元昌安,卢景丽.  软件学报. 2017(03)
[6]新浪微博信息传播路径阻碍因素分析及传播效果预测[J]. 田向国,肖林鹏,刘铁英,张小莉.  情报科学. 2016(05)
[7]Web垂直搜索引擎实现过程的研究[J]. 张弘弦,田玉玲.  现代电子技术. 2016(08)
[8]微博信息传播预测研究综述[J]. 李洋,陈毅恒,刘挺.  软件学报. 2016(02)
[9]一种基于网络整体影响力的节点重要性评估方法[J]. 李拓晨,侯磊,李永立.  情报学报. 2015 (11)
[10]基于兴趣变化的微博用户转发行为建模[J]. 周沧琦,赵千川,卢文博.  清华大学学报(自然科学版). 2015(11)

博士论文
[1]在线社交网络信息传播建模及转发预测研究[D]. 唐朝生.燕山大学 2014
[2]基于人类动力学的微博用户行为统计特征分析与建模研究[D]. 易兰丽.北京邮电大学 2012
[3]人类行为动力学的实证及生成机制研究[D]. 鲍媛媛.北京邮电大学 2012

硕士论文
[1]基于改进PageRank算法的微博用户影响力研究[D]. 杨科.西安建筑科技大学 2014



本文编号：3277067