基于社交平台的社交类游戏对大学生影响的实证研究与分析

近两年来,出现在社交平台上的新游戏形式——社交类游戏在短时间内迅速普及。据统计,社交类游戏中,农场游戏的用户数量是最多,玩家数量已经突破了一亿。这一现象引起了社会的广泛关注。在以往关于网络游戏研究的指导下,结合社交类游戏的自身特点,通过调查问卷的方式了解社交类游戏在短时间内风靡的原因和这类游戏对大学生玩家产生的影响。从而帮助大众全面了解这类游戏,为游戏开发商提取优质的社交类游戏的元素提供一定参考;为游戏监管部门规范这类游戏提供相关依据。     

基于豆瓣同城活动的线上线下社交影响研究

社交网络中单纯的线上交互已经无法满足用户的需求,一些新型的融合用户线上和线下体验的社交网络服务开始出现.文中基于国内知名的豆瓣同城活动网站,探索用户线下活动和线上行为的特点,进而研究线上线下的社交影响.通过对44天内采集到的6545个活动和近10万次参与用户的统计分析,结合对活跃用户的问卷调查和真实数据实例验证两种方式,发现线上社交影响在一定条件下推动了活动的开展,而活动的开展对用户线上社交关系的建立也有一定的促进作用.该研究有助于理解基于线下活动的社交网络及其参与者的行为特点,并验证了线下活动与线上关系的相互影响,该研究成果对于广告投放、活动组织和好友推荐等应用有重要现实意义.     

浅析垂直社交产品的特点与设计要点

文章通过对社交网络的当前状况与新时代互联网的发展趋势分析,论证了垂直社交出现的必然性。阐释了其基本的产品特征。通过对社交心理学研究。对需求进行分析与重构。阅释了垂直社交产品设计的要点。通过现象观察与案例分析,阐释了垂直社交产品的发展趋势。     

公安机关应对虚拟网络社交犯罪问题对策研究

虚拟网络社交作为当前信息社会人类交往方式的一种,其发展规模和社会影响力不断扩大,已经成为一种重要的交往方式。本文有针对的分析了手机微信等虚拟网络社交活动存在引发犯罪活动等弊端,指出了公安机关必须高度重视利用虚拟网络社交,尤其是微信等网络社交工具从事违法犯罪的问题,加强对网络社交活动的监管,打击利用虚拟网络社交从事违法犯罪问题,维护国家和公共安全,保障人民群众生命财产安全。     

社交网络相关机制应用于搜索引擎的研究综述

首先对社交网络相关机制应用于搜索引擎的研究背景做简单陈述,然后对现有社交化搜索算法按照应用环境的不同进行分类综述与分析,总结其优势、不足以及影响因素。进而提出限制社交化搜索研究发展的主要原因,展望未来开展社交化搜索的相关研究时应当重点关注的方向,着重讨论利用个性化推荐系统连结社交网络与搜索引擎的思想,以及搜索引擎合法获取社交数据的可行的模式。     

面向社交物联网的移动端应用系统研究与实现

社交物联网是社交网络与物联网有机融合的新型网络,相应的社交物联网应用系统越来越得到人们的关注。社交物联网应用系统主流的架构是基于代理的模式连接物联网与社交网络,而有关社交网络直接应用物联网设备资源及其服务的模式仍有欠缺。物联网设备和服务资源如何作为社交网络的重要属性被社交网络发现、搜索和应用;用户、设备和服务资源如何通过社交网络进行共享等问题还有待解决。该研究面向社交物联网的基本应用,设计了一种将社交网络与物联网统一起来的应用系统。该系统以移动端应用程序开发平台作为开发工具,在应用程序开发框架内进行相关设计和开发,以社交网络应用、物联网设备管理、物联网设备的服务搜索等功能为主,解决了社交物联网中用户、设备和服务资源的统一共享问题。     

基于移动社交群的互联网内容适配系统的搭建

基于移动社交群,提出了一种面向群体推荐互联网内容的系统。这种面向社交群体的新精确营销模式不仅能提升营销效率,也减少了客户接触频次,提升了客户感知。     

基于社会化表示的用户性别识别

由于具有针对性的广告投放和个性化搜索等潜在应用,性别预测引起了巨大的研究兴趣。现有的大多数研究依赖于文本内容,而文本信息有时较难获取,从而使得文本特征很难被提取。对此,提出了一个新框架,该框架仅使用用户ID来对性别进行预测。该框架的关键在于在嵌入式连接空间中表示用户。提出两种策略来修改词嵌入技术,使其应用到用户嵌入当中。这两种策略分别是:1)序列化用户ID以获得社会关系的顺序;2)将用户嵌入大的上下文滑动窗口。在两个真实的新浪微博数据集上进行了广泛的实验,实验结果表明该方法显著优于目前最好的图形嵌入基线方法,其准确率也高于基于内容的方法。     

面向移动社交云的资源分配机制

移动社交云是结合了移动云和社交云的一种新型模式,它可以为用户提供安全可靠的资源分享平台.在传统的资源分配中,移动用户从远程数据中心获取资源的时间开销大,显著地降低了用户的体验质量,与此同时也极少考虑用户之间根据社交属性建立的信任关系,从而导致交易机制存在一定信用风险和交易用户信誉度低的问题.为此,在考虑用户的社交效益和经济效益的基础上提出了一种新型的移动社交云资源分配机制.首先,利用改进Gale-Shapley算法为买方在其朋友圈中匹配出合适的卖方,促进社交朋友间资源的共享.其次,利用多对多的买方多标密封拍卖算法,对未成功匹配的用户再次分配资源,最大化利用空闲的移动云资源.最后,实现了提出的资源分配机制,仿真结果表明,与激励与拍卖兼容的移动云资源分配机制相比,提出的资源分配机制在价格满意度、社交信誉满意度和资源交易成功率方面具有更好的性能.     

基于子图相交的社交账号与知识图谱实体对齐

社交媒体与知识图谱的数据各具特点,相互之间的数据互通具有较强的现实意义,而社交账号与知识图谱实体的对齐是数据互通的前提。针对社交媒体与知识图谱的特点,提出了一种基于子图相交的对齐方法,旨在给定社交账号的情况下,根据社交账号的相关信息在知识图谱中找到正确的对应条目。该方法在候选实体生成阶段对比实验了不同的生成策略。在目标实体选择阶段提出一种基于子图相交的算法,利用社交账号的社交关系在知识图谱中映射成子图。子图相交算法通过考察子图中候选实体周围顶点的"稠密"程度,确定社交账号所对应的目标实体。由于该领域尚无公开可用的测试数据集,构造了一个基于Twitter与Wikidata的对齐数据集,使用该数据集对该方法进行评估,对比测试了标题匹配算法和AGDISTIS算法,子图相交算法能够达到更好的效果。     

基于网络拓扑结构视角的社交媒体用户转发预测算法

为预测某条微博的具体转发者,在微博是否会被转发的研究基础上,提出了基于社交网络拓扑结构、用户行为及用户间关联三个层面的逻辑回归分类算法,并针对该算法进行真实数据集检测。实验结果表明该预测算法与未考虑网络拓扑结构的算法相比性能显著提升,为实现社交媒体信息传播轨迹精准预测打下重要基础。     

基于MRLT模型多关系社交网络影响力最大化研究

社交网络影响力最大化问题是基于特定的传播模型,在网络中寻找一组初始传播节点集合,通过其产生最终传播影响范围最大的一种最优化问题。已有的相关研究大多只是针对单关系社交网络,即在社交网络中只存在一种关系。但在现实中,社交网络的用户之间往往存在着多种关系,并且这多种关系共同影响着网络信息传播及其最终影响范围。在线性阈值模型的基础上,结合网络节点间存在的多种关系,提出MRLT传播模型来建模节点间的影响力传播过程,在此基础上提出基于反向可达集的MR-RRset算法,解决了传统影响力最大化问题研究过程中由于使用贪心算法所导致的计算性能较低的问题。最后通过在真实数据集上的实验对比,表明所提方法具有更好的影响力传播范围及较大的计算性能提升。     

面向移动社交网络的位置隐私保护方法

移动社交网络为人们的生活带来了极大的便利,但用户在享受这些服务带来便利的同时,个人位置隐私受到了严重威胁。首先对用户位置隐私保护需求进行了形式化描述,继而针对用户的敏感兴趣点泄露问题,提出了一种情景感知的隐私保护方法。该方法将位置信息、社交关系、个人信息引入到知识构建算法中以计算兴趣点间的相关性,并利用该相关性及时空情景实时判断发布当前位置是否会泄露用户隐私,进而实现了隐私保护与服务可用性间的平衡。最后通过仿真实验验证了该方法的有效性。     

从社交本质探讨社交网络问题及出路

摩拜单车组建骑行社区,阿里上线"纯"社交来往,各大互联网公司纷纷布局移动社交,引发思考.那么未来的社交模式又是什么样的呢?本文立足于社交的本质,通过分析目前的移动社交产品存在的问题,展望未来的移动社交模样.     

SNMG:宏观调控协同制造过程的应用架构模式

"互联网+"协同制造(CoM)的开放性(尤其是"跨管理域"特性)导致了CoM活动的不可控障碍,并引起对于CoM的信任危机,严重阻碍了CoM应用的开发.为消除此障碍,提出全新的CoM应用架构模式:基于社交层规范的CoM过程宏观调控.该模式将CoM应用的开发提升至社交层,制定约束CoM活动的社交依赖规范作为调控CoM伙伴社交层宏观行为的依据,并构建有能力也有意愿遵从规范的理性Agent作为企业代理.仿真应用案例(制造商"浙江大华技术"的智能监控设备制造)的运行结果表明,该模式不仅可以克服上述不可控障碍,并由此消除信任危机,还可大幅度缩减开发和维护CoM应用的困难和复杂度,并实现CoM应用期望但传统的架构模式无法达到的CoM实施的及时性.     

社交媒体的营销意义

社交媒体越来越成为人们生活的一部分，很多人都想里这个领域分一杯羹，但社交媒体对于数字营销领域真的具有意义么？     

社交网站开“门”

用户数量在增加,但是钱袋仍然没有鼓起来,尴尬之余,社交网站使出了新的一招：开“门”迎财。     

基于社交圈层和注意力机制的信息热度预测

社交网络现已成为现实世界中信息传播与扩散的主要媒介,对其中的热点信息进行建模和预测有着广泛的应用场景和商业价值,比如进行信息传播挖掘、广告推荐和用户行为分析等.目前的相关研究主要利用特征和时间序列进行建模,但是并没有考虑到社交网络中用户的社交圈层对于信息传播的作用.本文提出了一种基于社交圈层和注意力机制的热度预测模型SCAP(Social Circle and Attention based Popularity Prediction),首先对社交圈层进行定义,通过自动编码器提取用户历史文本序列的特征,对不同用户的社交圈层进行聚类划分,得到社交圈层特征.进而对于一条新发布的文本信息,通过长短期记忆网络与嵌入层提取其文本特征、用户特征和时序特征,并基于注意力机制,捕获到不同社交圈层对于该文本信息的影响程度,得到社交圈层注意力特征.最后将文本特征、用户特征、时序特征和社交圈层注意力特征进行特征融合,并通过两个全连接层进行建模学习,对社交信息的热度进行预测.在推特、微博和豆瓣等四个数据集上的实验结果表明,SCAP模型的预测表现相比于多个对比模型总体呈优,在不同数据集上均方误差(MSE)分别降低了0.017,0.022,0.021和0.031,F1分数分别提升0.034,0.021,0.034和0.025,能够较为准确地预测社交信息的热度.本文同时探究了不同实验参数对于模型的影响效果,如用户历史文本序列的数量、社交圈层的数量和时间序列的长度,最后验证了模型输入的各个特征和注意力机制的引入对于模型预测性能提升的有效性,在推特数据集中,引入社交圈层和注意力机制,模型的MSE指标分别降低了0.065和0.019.