融合用户行为和内容的微博用户影响力方法

为了模拟信息在微博环境中的传播情况,根据微博用户行为(发布、关注、转发和评论等)和微博内容,提出一种融合用户行为和内容的微博用户影响力算法。通过对微博用户行为的分析,得到行为因子数据,进而计算出用户影响力的权值。利用微博用户内容建立词共现矩阵,继而运用狄利克雷分配(LDA)模型进行潜在主题分布的识别,通过KL(Kullback Leibler)散度的方法得到用户之间的相似性,最后结合用户影响力权值,得到用户的影响力。实验表明,此算法较为有效。     

用户关系特征对微博转发行为影响分析研究

转发是微博提供的一个信息传播的机制,用户能够将关注者发布的有趣微博转发到自身平台,然后分享给追随者,是微博网络中信息传播最重要的功能。对于微博网络存在的不同类型连接关系,首先提取出相关特征,如同质性、微网络结构、地理距离以及用户性别等,用于识别连接关系的不同类型,然后采用Log-linear模型来拟合各个特征间系数,基于这些系数对微博用户转发行为形成的内在原因进行了分析。     

微博用户特征量增长规律研究

根据抓取到的新浪微博实际用户数据,分析了粉丝数、关注数和微博数3个特征量的增长模式,发现这3个特征量整体上都随时间线性增长,取整后的增长率服从幂律分布.用户特征量增长模式主要呈持续增长和爆发式增长,其中爆发式增长用户按增长的不同阶段又可以划分为前期、中期、后期和阶跃式4种增长模式.使用基于向量余弦距离相似性的K-means聚类算法,对不同排序和不同初始规模实际用户特征量的时间序列进行聚类分析,统计得到不同增长模式的用户数量.发现用户特征量中增速高的用户增长主要以爆发式增长为主,而规模高的用户增长以持续式增长为主.通过对用户粉丝数爆发式增长的过程分析,对比用户微博被转发和被评论二者的增长关系,提出了导致用户粉丝数爆发式增长的原因.     

基于时间重定标的人类行为时间特性成因研究

随着大数据技术的发展,人类社会活动积累了海量的数据。通过这些数据,对人类活动的时空特性进行分析发现人类活动的时间间隔表现出近似幂律分布的特点,并且人类活动的幂律指数随用户活跃性的提高而增长。为了研究这种幂律现象的成因,提出了一种改进的时间重定标算法,选取个体两个相继行为发生的时间间隔内,同一时间其他个体所发生的行为总数与该个体平均时间间隔的乘积作为新的时间度量。新的算法可以消除用户活跃性的周期和波动对实验结果的影响,并且兼顾个体活跃性的作用。最后以该度量重新对个体行为的时间间隔分布进行了分析。实验结果表明,在新的时间度量下,其仍然表现出幂律的分布特点。说明人类活动的幂律特性的成因与用户活跃性的周期和波动无关,而是由个体内禀的特性引起。     

图书馆微博社区的用户参与行为研究

在微博社区活动中，用户一般处在较为弱势的地位，致使其社区参与行为能力较差，制约了图书馆微博作用的体现。一般而言，图书馆微博社区用户参与行为均和用户信息心理有着一定的关系，图书馆能够制定一些措施，落实用户心理-行为控制，增强用户参与图书馆微博社区活动的意愿，促进图书馆微博社区功能的全面发挥。     

基于行为和社团的微博用户传播影响力分析

为快速、准确地识别微博网络中具有较大影响力的节点,提出了一种基于用户关系、行为以及社团结构的影响力评价算法。首先,根据模块度对加权有向微博网络进行社团划分;接着综合微博网络中用户的粉丝数量、粉丝质量以及跨社团数目等特性度量节点的影响力。同时,对粉丝质量进行深入的分析,利用粉丝对用户的关注度作为粉丝质量的分配标准,最终完成用户传播影响力的评价。实验结果表明,该算法显著提高了评估用户传播影响力的准确性。     

融合用户自身因素与互动行为的微博用户影响力计算方法

由于微博高影响力用户在商品营销、社会舆论引导等方面起着重要的作用,因此挖掘高影响力用户成为了微博社交网络中的热点研究问题。针对微博用户影响力计算中存在交互行为与用户自身因素分析不全面的问题,提出了微博用户影响力计算方法MBUI-SFIM(Micro-blog userinfluence based on user’s self-factors and interaction computing model)。该方法考虑了微博用户直接影响力和间接影响力两个方面:在用户直接影响力计算中,通过对用户的自身因素如微博用户粉丝数、用户活跃度、近期微博质量等的分析,计算出用户的初始影响力,然后分析用户互动行为如用户的微博可见率、微博用户互动系数,计算出用户传播能力,最后将初始影响力与用户传播能力相结合,基于改进PageRank算法计算出用户直接影响力;在用户间接影响力计算中,通过对用户网络图连接结构进行分析,根据不相邻用户连接路径的不同,将用户间接影响具体分为简单路径、重复路径、复杂路径3种情况进行讨论,从而计算出用户间接影响力。实验结果表明,相比PageRank算法和MR-UIRank算法,所提算法在用户排名准确性上分别提高了14.8%和8.3%。     

基于用户行为属性的微博热点事件演化仿真

模拟微博热点事件的演化过程时,需要分析信息在网络中传播的特点,否则无法准确的获取反对人数和支持人数在微博热点事件中的变化趋势,存在演化精准度低的问题.由此提出基于用户行为属性的微博热点事件演化仿真,利用Python设计网络爬虫信息采集结构,采集微博信息,根据采集的信息构建信息传播模型,在信息传播模型的基础上分析用户在微...     

面向时间感知的微博传播模型研究

随着在线社交网络的快速发展,提取信息传播特征和构建传播模型已成为研究热点。针对传统微博网络传播模型未考虑用户的不完整阅读、潜伏期和直接免疫等行为难以准确识别免疫节点的缺陷,通过分析用户的行为特征,提出增加传播的个体分类和完善传播途径的微博网络传播算法(MSILR)。该算法可以使用户根据微博信息的传播特性及时获得、传播和屏蔽信息,根据模型反映的社会关系和在线社会行为完善社交网络的功能。以新浪微博为例,分析微博网络的传播机理和网络参数对信息传播过程的影响,完善动力学演化方程组,刻画信息传播过程随时间的演化规律。在真实微博网络数据集上进行测试,并与传统算法进行比较,实验结果表明了MSILR算法的有效性和可行性。     

电信用户呼叫行为的模糊聚类研究

电信用户的通话行为聚类分析是一个新的研究领域,属于数据挖掘范畴。为了对用户行为进行有针对性的分析挖掘,发现客户行为中隐藏的、有用的、未曾预料的知识,采用了模糊C均值(FCM)聚类算法,以模糊数学理论知识作为客户行为聚类分析的方法,为电信企业客户分析提供了量化依据,并采用Matlab为计算工具,给出了一个聚类分析实例,并初步建立了通话行为模型识别机制。实验证明,本文采用的模糊聚类方法得到了满意的分析结果。     

基于谓词时序逻辑的恶意代码行为描述及检测

基于行为的判别已成为恶意代码检测技术研究的主流方向,现有方法容易受到拟态攻击或影子攻击的影响.针对这些问题,提出了一种全新的使用谓词时序逻辑描述恶意代码行为的方法,该方法能够同时刻画一组函数调用之间的逻辑组合、时序、参数依赖和主客体关联等关系,因此能更准确细致地描述恶意代码行为.在此基础上,提出了相应的恶意行为检测算法,通过实例测试验证了该方法的有效性.     

基于Petri网行为紧密度的有效低频行为模式分析

低频行为模式分析是流程管理的重要内容之一,有效区分低频日志和噪音日志在业务流程过程挖掘中显得尤为重要。目前已有的研究大部分是将流程模型中的低频行为当作噪音直接过滤,但有些低频行为对模型是有效的。文中提出了基于Petri网行为紧密度的有效低频模式分析方法。首先,根据给定的事件日志建立合理的流程模型;然后,通过迭代扩展初始模式来发现流程模型中的所有低频日志序列,并在此基础上计算日志与模型的行为距离向量,利用日志与模型的行为紧密度找出有效的低频行为模式;最后,通过实例分析验证了所提方法的可行性。     

基于行为分析与传播个体的微博传播模型研究

随着社交网络的迅速发展,掌握信息传播的规律,进行信息传播的管理越来越重要,而提取信息传播特点和建立模型已经成为研究热点。传统信息传播模型并未考虑易感染者的类型以及时间网络等行为因素,对信息传播规律的研究不够准确。针对信息传播及用户行为的分析,改进模型增加双重易感染者、潜伏者等传播个体和优化传播过程的微博网络传播算法(MDSLIR)。该算法使得用户可以根据传播方式及时获取、传播和免疫信息,从而更好对社交网络信息进行管理。以新浪微博为例,研究微博信息的演化规律,使用微博上的真实数据进行仿真测试,并与传统算法进行比较,实验结果表明MDSLIR算法的有效性和可行性。     

中国社交类应用用户行为研究

"社交类应用"泛指具有社交功能的互联网应用,包括社交网站、微博、即时通信工具、博客、论坛等,本文重点研究社交网站、微博以及即时通信工具。在社交类应用用户特征及重叠情况、社交类应用用户变化以及各社交类应用用户使用行为差异的研究基础上,分析了社交类应用对新闻资讯类网站、网络购物、手机在线游戏等相关产业的影响,并对社交类应用的发展提出了相关建议。     

基于行为检测的非法VOIP探测研究

VOIP以其高效、快捷、节约通信费用的特性,被越来越广的应用到人们生产、生活等方面。受利益等因素的驱动,越来越多的非法VOIP隐藏在广袤的互联网中。这些非法VOIP的设置者不但经营不合法,往往还会利用VOIP落地网关透传性等漏洞,进行敲诈、诈骗等犯罪活动,危害人民群众财产安全。研究现行法律法规及VOIP的技术原理,找出非法VOIP在互联网中的行为特点,针对这些特点建立有效检测模型,最终认定非法VOIP网关是打击非法设立VOIP的核心基础。     

基于时序数据的模式发现算法研究

数据库中的知识发现是人工智能领域的一个重要课题,该文针对时序数据中复杂模式的问题,提出了一种新的时序序列模式的逻辑表示法,并设计出一种新的时序序列建模算法。     

虚拟环境中行为建模技术研究

本文从软件方法学的角度将虚拟环境中行为建模技术分为基于过程的行为建模、基于对象的行为建模和基于Agent的行为建模，介绍这些技术的同时并分析了其各自的优缺点及适用范围，最后展望了行为建模技术的发展方向。