基于线性阀值模型在在线社会网络中用户行为的分析及研究

发布时间：2017-04-16 09:11

  本文关键词：基于线性阀值模型在在线社会网络中用户行为的分析及研究，由笔耕文化传播整理发布。

【摘要】：用户以社会化媒体(Web2.0的媒体)的方式获取更加多样化的信息,作为信息的主要发布者用户,通过发布感兴趣的某些方面的信息给用户建立社会联系,在直接交互的用户之间建立自己的社交网络,即在线社会网络。通过研究在线社会网络下用户行为的特点,可以帮助找到在现实生活中的社会现象,是不容易被发现或暗示的。本文在参考了大量国内外研究文献的基础上,分析和研究了线性阀值模型对在线社会网络用户行为的应用,通过在线社会网络数据集的收集和处理,主要研究内容及结论如下:(1)在本文中,从YouTube,Flickr和Twitter的三种不同类型的在线社会网络和内容发布者分析了观众属性的关系,挖掘在三种不同的在线社交媒体网络行为特征、发布者和观众的异同。首先,分析出版商的总体情况和观众,然后进行特点的分析,其次是研究它们之间的相互作用和观众的出版商和收集,最后对发布者和交集观众的行为特征和其它方面的用户的双重作用进行分析。通过这些理论可以看出理论对在线社会网络的适用性,对信息传播速度,广度和生命周期等不同的信息载体。在线社会网络的用户发现,即观众的年龄,性别和位置三个属性相似的情况下,倾向于选择具有相似特性的内容的发布。而三个网络的双重作用是普遍的,但用户的不同的角色具有不相等的活性。(2)以在线社会网络用户行为研究和基于用户行为的角色发现和舆情研究为出发点,利用不同手段进行OSN数据集的收集并进行了预处理。基于在线用户行为的热点问题社会网络中发现:在线社会网络的建模用户行为是一个新的环境去探索对用户行为的新问题。新一代的在线社会网络,提供更详细的用户数据,基于用户行为的研究结果为在线社会网络节点中的作用提供了详细的行为数据,是进行分类分析的重要依据,具有重要的应用价值。移动互联网、微博系统的发展,在线社会网络群体事件中信息零散性、碎片性、及时性的特点更能反映网络舆情。(3)分析了影响用户点击的关键因素,用户在点击的短网址在Twitter上的发布代表了其影响力。并根据用户的影响分析预测。这些Twitter用户和相关数据的研究选择以网站的流量为目的,对影响用户的点击率的三方面关键因素分析:用户属性,用户行为和主题。最后,根据上述分析,提取相关特征,预测模型来预测用户的影响力。本文提出的应用线性阀值模型在在线社会网络用户行为影响的分析框架,该技术方法对于网络社会管理、个性化信息推荐、精准广告投放等方面都具有一定的实用价值和指导意义。
【关键词】：在线社会网络 线性阀值模型 用户行为分析 数据集
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.09
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 研究背景9-10
• 1.2 国内外研究现状10-12
• 1.3 本文主要研究内容12-14
• 第二章 在线社会网络特征与应用14-18
• 2.1 在线社会网络的特点14-15
• 2.2 在线社会网络的应用研究15-17
• 2.3 在线社会网络的组成元素17-18
• 第三章 在线社会网络用户行为研究18-30
• 3.1 线性阀值基本概念与应用18-20
• 3.2 在线社会网络用户行为的分类及实证研究20-21
• 3.2.1 在线社会网络用户行为的数据源及分类20
• 3.2.2 网络用户行为的数据源分类20-21
• 3.3 OSN数据集的收集21-27
• 3.3.1 通过日志、留言等获取网络用户行为记录21-22
• 3.3.2 通过网络嗅探来捕获网络用户的行为信息22-24
• 3.3.3 一种实时、高效、精确的记录用户行为收集数据模型框架24-27
• 3.4 数据的预处理27-29
• 3.4.1 数据净化28
• 3.4.2 用户身份识别28
• 3.4.3 会话识别28
• 3.4.4 路径补充28-29
• 3.4.5 事务识别29
• 3.5 本章小结29-30
• 第四章 线性阀值模型在在线社会网络用户行为的影响分析30-46
• 4.1 用户在线社会网络行为关键技术分析30-34
• 4.1.1 分析层技术原理31-32
• 4.1.2 分析层系统分析说明32-34
• 4.2 OSN数据集需求分析和数据库设计34-38
• 4.2.1 OSN数据集需求分析34-35
• 4.2.2 OSN规模数据库设计35-38
• 4.3 线性阀值模型对在线社会网络用户行为的影响38-44
• 4.3.1 数据采集模块的应用38-39
• 4.3.2 行为分析模块39-42
• 4.3.3 对比反馈模块42-44
• 4.4 本章小结44-46
• 第五章 结论与展望46-48
• 参考文献48-52
• 致谢52-53
• 作者在读期间完成的研究成果53

【相似文献】

中国期刊全文数据库 前10条

1 郭岩;基于网络用户行为的相关页面挖掘模型[J];微电子学与计算机;2003年05期

2 牛现云;王宇鸽;;1979-2010年图书馆读者行p悍治鑫南籽芯縖J];公共图书馆;2012年01期

3 朱彤;刘奕群;茹立云;马少平;;基于用户行为的长查询用户满意度分析[J];模式识别与人工智能;2012年03期

4 左渭斌;;用户行为特征库的构建方法研究[J];产业与科技论坛;2012年10期

5 苏红;万国根;;基于用户行为关联分析的电子取证系统研究[J];电信科学;2010年12期

6 方彬;胡侠;王灿;;基于用户行为的盲人图书推荐方法[J];计算机工程;2011年15期

7 张书娟;董喜双;关毅;;基于电子商务用户行为的同义词识别[J];中文信息学报;2012年03期

8 李继洪;黄勤;刘益良;柳玉仙;;基于用户行为统计的入侵检测判据研究[J];微计算机信息;2009年03期

9 郑双阳;林锦贤;;基于用户行为聚类的搜索[J];计算机与数字工程;2009年12期

10 徐洋;王文生;谢能付;;基于用户行为学习的元搜索结果聚类方法研究[J];现代图书情报技术;2010年04期

中国重要会议论文全文数据库 前10条

1 武小年;周胜源;;数据挖掘在用户行为可信研究中的应用[A];第十一届保密通信与信息安全现状研讨会论文集[C];2009年

2 樊旺斌;刘正捷;陈东;张海昕;;博客服务系统用户行为研究——用户访谈[A];第二届和谐人机环境联合学术会议(HHME2006)——第2届中国人机交互学术会议(CHCI'06)论文集[C];2006年

3 张书娟;董喜双;关毅;;基于电子商务用户行为的同义词识别[A];中国计算语言学研究前沿进展（2009-2011）[C];2011年

4 曹建勋;刘奕群;岑荣伟;马少平;茹立云;;基于用户行为的色情网站识别[A];第六届全国信息检索学术会议论文集[C];2010年

5 李海宏;翟静;唐常杰;李智;;基于用户行为挖掘的个性化Web浏览器原型[A];第十九届全国数据库学术会议论文集（技术报告篇）[C];2002年

6 寇玉波;李玉坤;孟小峰;张相於;赵婧;;个人数据空间管理中的任务挖掘策略[A];第26届中国数据库学术会议论文集（B辑）[C];2009年

7 徐峗;张盼;丁婕;;只逛不买的电子商务用户分析——以淘宝网为例[A];第六届（2011）中国管理学年会——信息管理分会场论文集[C];2011年

8 蔡皖东;何得勇;;基于用户行为监管的内部网安全机制及其实现技术[A];全国网络与信息安全技术研讨会’2004论文集[C];2004年

9 郑常熠;佘宇东;王新;薛向阳;;CDN与P2P混合网络架构下一种基于用户行为的VoD分发策略[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集（下册）[C];2007年

10 ;Internet中的大范围模式及其起源[A];Complexity Problems--Proceedings of CCAST (World Laboratory) Workshop[C];2001年

中国重要报纸全文数据库 前10条

1 张伟;在用户行为中寻找灵感[N];中华合作时报;2014年

2 ;危险的用户行为让网络面临风险[N];网络世界;2007年

3 本报记者 宋丽娜;做安全旗舰品牌[N];网络世界;2004年

4 群邑中国互动营销总裁 MMA中国无线营销联盟联席主席 陈建豪;移动互联催生用户行为变化[N];第一财经日报;2013年

5 本报记者 张樱赢;移动医疗 “笨”有前景[N];计算机世界;2013年

6 盎然;大数据时代来临 你该干什么？[N];中国政府采购报;2013年

7 东软研究院副院长 闻英友;云安全，机遇与挑战并存[N];中国计算机报;2010年

8 本报记者 刘菁菁;Google力拓未来搜索[N];计算机世界;2011年

9 思杰(Citrix)系统工程师 李兵;安全源于架构[N];中国计算机报;2008年

10 本报记者 张伟;“小数据”决胜大数据时代[N];中国高新技术产业导报;2013年

中国博士学位论文全文数据库 前9条

1 陈亚睿;云计算环境下用户行为认证与安全控制研究[D];北京科技大学;2012年

2 杨悦;基于网络用户行为的搜索排行榜研究[D];北京交通大学;2013年

3 阳德青;面向社会网络的用户行为挖掘与应用研究[D];复旦大学;2013年

4 郭U，

本文编号：310483