基于社交网络数据的行为分析研究

发布时间：2021-03-29 00:47

　　随着科技的飞速发展,人类已步入移动互联网时代。根据KPCB在2017年公布的数据,截止2016年底,国际互联网用户人数超过了34亿,普及率高达46%。以Facebook、Twitter、微信、新浪微博等为代表的在线社交网络平台用户数持续增长,用户数量巨大。对于用户个体而言,其在一段时间内发布于社交平台的个人状态,包括心情、评论、图片等信息无不带有浓烈的个人标签,通过对这些行为信息进行行为分析,往往能比较准确的绘一个人的工作领域、生活状态、个人喜好等特征,继而能比较合理的预测今后一段时间内该个体的关注点与可能发表的状态。如何能较好的进行基于社交网络的行为分析研究,并将其应用于实际,是近年来各大学、研究机构以及互联网公司的研究热点。本文以移动社交网络数据为重点,进行时序分析研究,取出个体行为特征,基于这些特征进行行为预测,探究个体行为特点。本文研究过程如下:第一步,选取符合国人用户习惯、用户基数大的新浪微博作为数据源。并设计高效的爬虫系统从新浪微博爬取大量的用户公开数据。第二步,由于社交网络用户数量巨大,我们不可能研究所有用户,所以本文基于社交网络的图属性,采用PageRank计算用户权值... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：86 页

【学位级别】：硕士

【部分图文】：

六度分隔理论图示

电子科技大学硕士学位论文网络的图化 2.1：有向图（Directed Graph），是一个有序对 G = (V，A)，A素的集合，而 A 是由有序节点对组成的集合，被称之为有向边户以及用户的相互关系组成的社交网络从属性上讲也是一张巨图的节点就是用户自身，而边自然是用户之间的关注关系。例为 0 的节点可以看作用户 0，节点 0 指向节点 1 和节点 5 的有向 0 对用户 1 和用户 5 的 follow 行为；同理节点 7 和节点 8 的相是用户 7 和用户 8 的“互粉”行为。

图 2-3 社交网络的图化示例[37] PageRank 算法PageRank（网页排名）算法是由 Google 创始人拉里·佩奇和谢尔盖·布林于计算网页自身质量的完美的数学模型。它的原理简而言之就是民主表例子，如果我们要找拉里·佩奇，有 100 个人自称自己就是。当然不能排名的可能性。在这样的情况下，如何评判哪位才是我们要寻找的那位？数人都在说身为谷歌创始人那位是我们要找的拉里·佩奇，那么很大概率。同样的，在 Internet 上，如果 个页面被许多别的页面所链接，便说明页面所肯定，如此情况下，该页面排名便在多数页面之前。而这便是 Pag的核心思想，如图 2-4 所示。

【参考文献】：
期刊论文
[1]基于情绪和兴趣的用户访问行为预测[J]. 秦锋,陈增,郑啸,童琨.  计算机系统应用. 2018(01)
[2]基于BP神经网络的微博转发量的预测[J]. 邓青,马晔风,刘艺,张辉.  清华大学学报(自然科学版). 2015(12)
[3]心理学视角下社交网络用户个体行为分析[J]. 姚琦,马华维,阎欢,陈琦.  心理科学进展. 2014(10)
[4]浅析社交网络及对现实社交产生的影响[J]. 蔡超,成小静.  科技视界. 2014(27)
[5]基于层叠隐马模型的汉语词法分析[J]. 刘群,张华平,俞鸿魁,程学旗.  计算机研究与发展. 2004(08)

博士论文
[1]基于社交网络的用户通信行为分析[D]. 胡端.华中科技大学 2015

硕士论文
[1]基于改进LDA模型的社交网络用户行为分析[D]. 陈阳.南京邮电大学 2017
[2]基于移动互联网社交行为的用户性格分析和预测[D]. 孙启翔.北京理工大学 2016



本文编号：3106562