基于多Agent的微博社交网络信息传播模型

针对传统微博社交网络信息传播模型没有考虑用户个体差异性和用户强弱关系的问题,本文建立了基于多Agent的微博社交网络信息传播模型。将微博用户抽象为Agent,并定义Agent的属性,分析微博社交网络信息的传播机制,定义Agent之间的交互规则,考虑不同强弱关系下影响用户转发信息行为的因素,通过仿真实验探究个体态度、影响力、个体间认同度等因素对微博网络信息传播的影响。仿真结果表明,微博信息的传播呈裂变式扩散模式,微博用户的态度、影响力等因素对信息的传播起促进作用,所提出的相关影响变量对有效利用与管控微博信息传播具有一定的启示意义。     

社会化电子商务视域下的用户行为模式分析与研究

社会化电子商务打破了传统的购物格局,消费者通过社交网站、SNS、微博、社交媒介等传播途径,通过社交互动等手段实现了商品的购买与销售。文章基于网络用户信息行为理论,通过对社会化电子商务模式探析,分析了社会化背景下的网络用户信息行为的特点及规律,并提出社会化电子商务背景下的针对电子商务用户服务的策略。     

C-V2X下基于信用卡风险评估的中继选择算法

针对车载协作通信中由于中继的自私行为会导致通信系统数据传输速率低的问题,提出一种基于信用卡社交网络用户信任度评估的最优中继选择算法。首先,建立一个综合社交网络和物理层的D2D中继协作双层模型,模型刻画了车辆节点人为属性。再从业务需求节点角度,利用信用卡风险评估方式对中继用户的信任度进行评估,并通过决策论对用户进行信任等级划分;从中继用户的角度,对信任度较好的用户进行激励补偿。最后,筛选出信任度高价格合理的最优中继。数值分析结果表明,相比于仅对积极中继用户进行选择的算法,该算法的通信系统数据传输率提高了10%左右。     

面向多媒体社交网络的访问控制模型

传统访问控制模型无法满足新兴的多媒体社交网络场景下的用户数量大、动态交互和内容共享等特点．为此,提出了一种基于用户主要社交关系属性,如用户类型、紧密度、内容分享深度和信任度等,面向多媒体社交网络的访问控制模型．通过自定义安全规则及其安全策略冲突消解,有效地解决了数字媒体访问使用和分享传播中的安全问题,适用于多媒体数字版权保护应用的实际需求．     

基于深度图卷积网络的社交机器人识别方法

提出了一种基于深度图卷积神经网络的社交机器人识别方法。首先,在元数据特征的基础上,引入RoBERTa模型进行博文情绪分类,进一步提取更能区分社交机器人和普通人的情绪多样性特征;同时采用single-pass进行博文聚类,构造博文相似图;在此基础上,提出了在GCNII模型上增加Attention机制的A-GCNII模型,通过捕捉用户元数据特征和社交网络中同一话题下的用户关系结构特征识别社交机器人。在真实新浪微博数据集上进行对比实验的结果表明,该方法在识别准确性和效果上均表现良好。     

复杂网络视角下跨社交网络用户身份识别研究综述

社交网络是一种具有交互特性的复杂网络,利用复杂网络具有的网络特性可以链接不同社交网络中的节点,并分析节点之间存在的联系,结合相关的匹配算法可以有效地识别出用户在不同社交网络上的虚拟账号,有助于各大社交网络为用户提供更好的服务。该文对近十多年来数据挖掘领域中提出的跨社交网络用户身份识别技术进行了系统性地综述,详细阐述了3类用户身份识别技术相似度的计算方法和统一的识别框架,利用相关的评价指标对分类后的用户身份识别技术进行性能评估,最后展望了跨社交网络用户身份识别技术的未来研究方向。     

基于微商的客户行为分析与兴趣挖掘

随着微信诞生及微信用户群体的日益扩大,基于微信平台的一种新型购物模式也随之出现,即微商。其集微信生态移动与社交为一体,可实现商品的社交分享、熟人推荐与朋友圈展示。与传统电商相比更容易获得合适的用户群和互联大数据。因此,为满足大数据时代微商经销商对海量数据转化成有用信息的强烈需求,本文基于微信社交平台,以问卷调查形式收集微商用户行为数据,采用SPSS统计软件对数据进行相关分析与聚类分析,从中挖掘出用户的购物兴趣,从而实现微商模式的个性推荐服务。     

移动社交软件用户使用意愿影响因素研究

基于技术接受模型,构建了移动社交软件用户使用意愿影响因素分析模型,运用结构方程模型进行了实证研究。研究结果表明:感知有用性受好奇心、网络外部性和社会规范的显著影响,且网络外部性的影响程度最大;感知易用性受好奇心、人际交往、网络外部性和社会规范的显著影响,且社会规范的影响程度最大;感知有用性和感知易用性会显著影响移动社交软件用户的使用意愿。最后根据分析结果,提出了有针对性的营销建议。     

基于节点态度的社交网络信息传播模型

为了揭示信息在社交网络中传播的内在规律,对社交网络的信息传播过程进行深入的研究,社交网络的信息传播过程除了受信息本身的吸引力和社交环境的影响,同时受节点对消息的态度的影响。然而,现有信息传播模型对节点态度考虑不足,不能体现节点态度的差异对信息传播所产生影响。本文结合传染病模型并考虑节点态度,提出了一种基于节点态度的社交网络信息传播模型,旨在分析节点态度对信息传播的影响,为研究社交网络的信息传播机理提供理论依据。首先,考虑到不同节点的态度及其变化规则的差异,从个体角度出发,基于节点行为定义了节点态度及其更新原则。其次,在传统传染病动力学SIRS模型基础上,结合信息传播与传染病感染扩散类似的传播机理,综合考虑节点态度对信息传播状态转移的影响,利用社会学习理论得到一种基于节点态度的社交网络传播模型。该模型能够分析节点态度对信息传播的影响,给出传播规则,并刻画信息传播的演化规律。最后,采用新浪微博的真实数据对本文的传播模型进行了仿真实验,仿真结果验证了节点态度影响着信息的传播,证明了本文所提模型能够更准确地描述信息传播规律,反映社交网络的信息传播过程。     

基于SIR的Device-to-Device移动社交网络信息传播模型

智能移动设备的迅速普及在加快移动社交网络发展的同时,也给底层通信网络带来了沉重的负担。为了缓解底层通信网络的负担,越来越多的社交网络应用开始采用Device-to-Device技术传播信息。本文以Device-to-Device移动社交网络为研究对象,首先分析该网络中用户参与信息传播的特点,然后在传染病模型的基础上构建适合此网络特点的信息传播模型,并利用该模型分析真实Device-to-Device环境中的信息传播过程。结果表明,Device-to-Device移动社交网络中的信息传播与基于Internet的社交网络中的信息传播有相似之处;但是,由于Device-to-Device移动社交网络存在较大的传播时延,信息在该网络中需要较长的时间才能达到传播高峰。     

用户网络行为习惯模型

在对基于知识推理的智能网络入侵检测模型和网络安全预警方法的研究过程中,通过对网络黑客攻击方式和手段以及Internet上用户网络行为特征的分析,给出了用户违反网络安全规则行为的分类原则,在此基础上,提出了基于数理统计思想的用户网络行为习惯模型,并在FireGuard代理防火墙系统的智能安全预警子系统中进行了实现.\     

基于移动社交环境的用户行为最优关联预测

提出了一种基于移动社交环境的用户行为多重分析与最优预测算法.首先,针对目标用户所属的各个社交群组,分别建立基于代表度的最优化模型,选择出任一社交群组内最具代表的关联用户,以分析目标用户在不同社会属性下的业务行为;特别地,代表度由基于Kendall系数的相似度和基于交互统计的交互度联合构成;其次,借助Apriori理论分别对目标用户和各最具代表的关联用户进行关联分析,并提出基于最小二乘模型的加权融合方法,以最优地融合上述关联分析结果且实现用户行为的精准预测.仿真结果验证了该算法的有效性.     

交互式社交媒体广告中用户共情表达和购买意愿的影响机制研究

移动信息技术的高速发展使社交媒体的广告形式得到革新, 交互式社交媒体广告崭露头角。本文聚焦于用户的社交性心理与行为, 基于效果层级模型和认知发展理论, 构建了用户共情表达和购买意愿影响机制, 并通过337个样本进行了验证。研究结果表明, 2种社会心理因素(错失焦虑和社会影响)和2种广告内容因素(内容质量和信源可靠)显著正向影响用户对交互式社交媒体广告的广告认知; 用户的广告认知通过影响广告态度显著正向影响共情表达和购买意愿; 共情表达意愿显著正向影响购买意愿。本文为企业进行社交媒体广告投放提供了实践指导, 也为社交媒体广告研究提供了方向。     

一种基于博弈论的社交网络访问控制方法

社交网络是互联网中一种新型的网络服务,旨在帮助人们实现网络化交友和信息交流。然而,社交网络上可能存在潜在的个人隐私信息泄露问题,并引起学术界的关注。通过建立社交网络访问控制机制,可避免隐私信息泄露而导致的不良事件的发生。文中提出了一种基于博弈论的访问控制方法,对于"非朋友"类型的访问用户,在定义用户信任和其计算方法的基础上,结合访问双方的支付矩阵进行博弈分析,计算出被访问用户的混合纳什均衡策略,给出了访问控制的决策条件,最后结合实例分析了访问控制方法的有效性。     

基于Multiagent的社交网络舆情传播模型

为分析与预测社交网络中舆情传播过程和演化趋势,本文基于Multiagent分布式技术,建立了社交网络舆情传播模型,研究社交网络舆情传播方式,并根据Agent的行为和状态特性,对Agent进行分类,分析Agent的属性特征,通过剖析Agent个体之间的交互微观行为,依据信息价值时效性、信息源覆盖率和信息关注度,对转发行为的影响进行讨论,给出了Agent的决策规则,以网络结构方式体现Agent之间的内在联系。为验证模型的有效性,基于Agent的仿真平台,采用Netlogo 6.0.4进行模拟仿真分析。仿真结果表明,舆情信息的传播与信息价值呈正相关,信息价值越大,越有利于舆情信息的传播,且信息源的覆盖率与转发Agent数和中止Agent数成正相关,信息关注度对舆情传播影响甚大,说明该模型能准确分析和预测网络中舆情传播的演化趋势。该研究对相关人员了解社交网络中舆情的传播具有重要意义。     

基于扩张因果卷积的城市客流量预测算法

人群的迁移行为可以通过时空相关轨迹和用户上网行为进行记录。通过分析用户的上网行为分布情况发现,用户在不同场景下的浏览内容具有一定的偏好性,据此构建了融合用户上网行为及迁移行为异构信息网络表征城市人群的转移行为。基于该异构信息网络,提出了一种基于扩张因果卷积的城市客流量预测模型,采用扩张因果卷积模块捕捉客流量分布特征和用户上网行为特征,并构建了异构信息融合模型来融合客流量分布特征与用户上网行为特征。客流量分布特征提取是通过不同时间尺度下时间序列提取客流量时间依赖关系,用户上网行为特征提取是根据2种场景下的用户上网内容。特征提取采用扩张因果卷积减少了模型层数,提高了模型效率。异构信息融合模型融合了多维特征信息,提高了模型在预测有突发事件时的即时客流量的准确率。     

基于社交关系拓扑结构的冷启动推荐方法

针对冷启动用户仅有很少行为信息,很难为冷启动用户给出推荐的问题,提出基于比较社交网络中用户间社交关系拓扑结构的冷启动推荐方法.社交网络中包含多种可以反映用户偏好的社交关系,然而现有基于社交网络的冷启动推荐研究仅利用一种或者很少的社交关系,没有充分利用社交网络中的多种社交关系,很少考虑融合相异的社交关系,限制了在实际环境中对冷启动用户的推荐效果.由于社交关系在社交网络中的权重越大在推荐中的影响越大,为了给出准确的冷启动推荐,提出基于社交关系拓扑的相似用户发现方法(STSUM),基于最大熵原理融合社交网络中多种相异的社交关系,基于图形模式匹配为冷启动用户发现相似用户,给出推荐.在真实的网站中提取社交关系和用户数据,实验结果表明,STSUM可以有效地提高对冷启动用户的推荐效果且需要较少的训练集.     

基于链路预测的手机节能方法

移动云计算为部署大量移动服务提供了技术支持,但用户在不稳定的通信条件下访问云资源往往需要大量的能耗,制约了移动云计算的广泛应用.对此,提出了基于用户交互行为最大化的链路预测方法.首先在数据预测模型的基础上利用基于互动关系改进的交互度方法对已知用户访问的数据进行预测;再结合基于用户行为的社交网络Friendlink方法对预测数据进行数据分析筛选,利用数据预存储机制来预存上述预测数据.实验结果表明,在保证不涉及用户隐私信息,并提高用户下次访问命中率的情况下,达到了预期的手机节能目的.     

基于社区信息的链接分析与预测研究

社区结构是社交网络最重要的拓扑特性之一,有助于理解用户分布和用户行为,提高链接预测的精确度.通过分析社区结构,结合贝叶斯理论,提出了一种新的基于社区信息的链接预测方法,并应用于真实的社交网络数据中对未来链接进行分析与预测.实验演示了该方法的优点和有效性,取得了很好的预测效果.     

流感疫情出现后微博网民行为实证研究

针对微博用户间显性社交关系和实际互动频率不一致的现象,借鉴语义网络中描述本体的符号化思想,构建了一个由5类实体对象组成的微博信息流形式化模型,并用符号语言对新浪微博用户在2010年7月至2013年8月谈论流感疫情时涌现的信息扩散网络的提取过程进行了形式化描述。信息扩散网络的网络密度、聚类系数和网络直径等拓扑属性的测量结果显示:参与者互动网络具有无标度和小世界特性,微博空间的互动群体较为松散,而且构建的形式化符号体系可清楚描述用户关系、用户互动行为和信息扩散过程等信息传播时空信息。