社交网络中影响力计算与用户行为预测问题研究

发布时间：2017-10-20 00:40

  本文关键词：社交网络中影响力计算与用户行为预测问题研究

  更多相关文章： 社交网络 社会影响力 极性影响 行为预测

【摘要】：在我们的工作、生活以及学习中,人们的思想、行为、感情经常受到他人的影响,这种影响是广泛存在的,比如在生活中受朋友影响去看某一部电影,在工作中受同事影响改变工作方法,在学习中受同学影响购买某一本学习书籍。用户的思想、行为、感情是如何被他人影响的,一直以来是社会心理学中广泛研究的问题之一,近年来,随着在线社交网络的爆炸式增长,对社交网络中的影响力以及影响力驱动的信息传播和用户行为分析的研究,已经成为计算机科学、社会科学等领域的研究人员广泛关注的课题。由于在真实的生活中,不同的朋友产生的影响大小是不同的,因此,如何准确的度量社交用户之间的影响成为一个重要的研究问题。目前,对社交网络中的影响力计算已经提出了一些技术方法,但是大部分研究只考虑到用户之间的积极影响,而忽略了消极影响。实际上,影响通常是两个方面的,比如在电影评价网站中,用户会对电影打分,有可能会打高分,也有可能会打低分,用户打分的高低决定了其对朋友产生的是不同极性的影响。当用户对某一部电影打分比较高时,他的朋友会觉得这部电影不错,很有可能也去观看这部电影,我们认为此时用户对朋友产生的影响是积极影响,反之,用户对电影打分比较低,那么他的朋友会觉得这部电影不太好而不去看,此时用户对朋友产生的影响是消极影响。因此,在计算用户之间的影响力时我们应同时考虑到积极影响因素和消极影响因素。社交网络中的用户行为分析在商品推荐、精准营销、广告定位等方面有着重要的价值,但是影响社交网络中用户行为的因素是多方面的。如前面所分析,社会影响力是影响用户行为的一个因素,除此之外,用户的行为还会受到自身的兴趣偏好以及产品的流行度等因素的影响。虽然目前也有很多工作关注社交网络中用户行为分析及预测,但是大部分工作只从社会影响力或者兴趣偏好其中一个角度去分析,没有综合多个因素去考虑。因此,如何综合影响用户行为的多个因素进行分析,从而更准确的预测用户行为是一个非常有意义的问题。本文研究社交网络中基于多极性因素计算用户之间影响力以及基于社会影响力和用户偏好等多种因素预测用户行为的问题,主要工作和贡献概括如下：1.针对多极性因素计算用户之间影响力的问题,提出了基于多极性因素的独立级联模型MFIC (Multipolar Factors aware Independent Cascade model),并给出了MFIC模型下的影响概率计算方法。在MFIC模型中,我们基于用户受到的朋友对他的积极影响和消极影响来建模社交网络中的信息传播,由于模型中参数众多,我们利用用户行为日志,基于EM (Expectation Maximization)算法学习模型的参数,通过不断的迭代更新,获得用户之间的影响概率。最后,我们在真实的数据集Digg和Flixster上进行实验,实验结果表明基于多极性因素学习得到的用户之间的影响概率更能准确的描述真实的信息传播情况。2.针对结合社会影响力和用户偏好等多种因素预测用户行为的问题,提出了一种基于影响力和用户偏好的逻辑斯蒂回归模型IPLR (Influence and Preference aware Logistic Regression model)。在该方法中,我们考虑到驱动用户行为的主要因素：社会影响力、用户偏好、产品流行度。首先,我们基于用户行为日志以及产品的属性信息,分别度量这三方面影响因素。然后,基于逻辑斯蒂回归方法学习出不同因素的权重。最后,我们在MoiveLens数据集上进行实验,实验结果表明综合考虑用户偏好,社会影响力以及产品流行度,更符合用户的决策过程,能够提高对用户行为预测的准确性。
【关键词】：社交网络 社会影响力 极性影响 行为预测
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP393.09
【目录】：

• 摘要8-10
• ABSTRACT10-12
• 第1章 绪论12-17
• 1.1 研究背景及意义12-13
• 1.2 研究现状13-15
• 1.3 本文的工作15-16
• 1.4 论文组织结构16-17
• 第2章 相关研究17-26
• 2.1 社交网络中影响力传播的相关研究17-21
• 2.1.1 影响力传播模型17-20
• 2.1.2 学习影响力传播概率20-21
• 2.2 用户行为预测的相关研究21-25
• 2.2.1 基于社会影响力预测用户行为21-22
• 2.2.2 基于用户偏好预测用户行为22-24
• 2.2.3 结合多个因素预测用户行为24-25
• 2.3 本章小结25-26
• 第3章 基于多极性因素的影响力传播概率学习26-42
• 3.1 引言26-27
• 3.2 基本概念与问题定义27-28
• 3.3 基于多极性因素的独立级联模型MFIC28-31
• 3.4 基于EM算法学习MFIC模型参数31-34
• 3.5 一个应用：用户行为预测34-35
• 3.6 实验35-39
• 3.6.1 实验数据集35-36
• 3.6.2 实验设计36-38
• 3.6.3 实验结果及分析38-39
• 3.7 相关工作39-40
• 3.8 本章小结40-42
• 第4章 结合社会影响力和用户偏好的行为预测42-54
• 4.1 引言42-43
• 4.2 基本概念与问题定义43-44
• 4.3 基于影响力和用户偏好的逻辑斯蒂回归模型IPLR44-48
• 4.3.1 用户偏好计算44-45
• 4.3.2 产品流行度计算45-46
• 4.3.3 用户影响力计算46
• 4.3.4 基于逻辑斯蒂回归学习因素的权重46-48
• 4.4 实验48-52
• 4.4.1 实验数据集48-49
• 4.4.2 实验设计49-50
• 4.4.3 实验及结果分析50-52
• 4.5 相关工作52-53
• 4.6 本章小结53-54
• 第5章 总结与展望54-56
• 5.1 本文总结54-55
• 5.2 研究展望55-56
• 参考文献56-61
• 致谢61-62
• 攻读学位期间发表的学术论文62-63
• 攻读学位期间参与科研项目63-64
• 攻读学位期间获奖情况64-65
• 学位论文评阅及答辩情况表65

【相似文献】

中国期刊全文数据库 前10条

1 ;基于位置的手机社交网络“贝多”正式发布[J];中国新通信;2008年06期

2 曹增辉;;社交网络更偏向于用户工具[J];信息网络;2009年11期

3 ;美国:印刷企业青睐社交网络营销新方式[J];中国包装工业;2010年Z1期

4 李智惠;柳承烨;;韩国移动社交网络服务的类型分析与促进方案[J];现代传播(中国传媒大学学报);2010年08期

5 贾富;;改变一切的社交网络[J];互联网天地;2011年04期

6 谭拯;;社交网络:连接与发现[J];广东通信技术;2011年07期

7 陈一舟;;社交网络的发展趋势[J];传媒;2011年12期

8 殷乐;;全球社交网络新态势及文化影响[J];新闻与写作;2012年01期

9 许丽;;社交网络:孤独年代的集体狂欢[J];上海信息化;2012年09期

10 李玲丽;吴新年;;科研社交网络的发展现状及趋势分析[J];图书馆学研究;2013年01期

中国重要会议论文全文数据库 前10条

1 赵云龙;李艳兵;;社交网络用户的人格预测与关系强度研究[A];第七届（2012）中国管理学年会商务智能分会场论文集（选编）[C];2012年

2 宫广宇;李开军;;对社交网络中信息传播的分析和思考——以人人网为例[A];首届华中地区新闻与传播学科研究生学术论坛获奖论文[C];2010年

3 杨子鹏;乔丽娟;王梦思;杨雪迎;孟子冰;张禹;;社交网络与大学生焦虑缓解[A];心理学与创新能力提升——第十六届全国心理学学术会议论文集[C];2013年

4 毕雪梅;;体育虚拟社区中的体育社交网络解析[A];第九届全国体育科学大会论文摘要汇编(4)[C];2011年

5 杜p，

本文编号：1064301