基于隨機游走模型的Web點擊流數(shù)據(jù)分析.pdf

1、以往對點擊流數(shù)據(jù)分析的研究主要集中在用戶行為模式分析、信息推薦以及搜索引擎優(yōu)化等方面，很少有研究從網(wǎng)絡科學的角度出發(fā)，探究由用戶瀏覽行為所體現(xiàn)的信息之間的關系。
　　事實上，用戶的點擊記錄不僅僅可以反映用戶關注的焦點、行為偏好，用戶在不同信息之間的切換還可以反映信息資源之間的關系。這些信息資源可以是不同的網(wǎng)站，也可以是維基百科中的詞條、視頻網(wǎng)站中的視頻資源、博客網(wǎng)站中的博文等。例如，已有學者利用用戶在不同學術期刊網(wǎng)站間的點擊流數(shù)據(jù)

2、展示不同研究領域之間的關系，描述社會科學與自然科學的聯(lián)系。
　　本文以網(wǎng)站點擊流網(wǎng)絡與維基百科詞條點擊流網(wǎng)絡為例，對節(jié)點之間的流量依賴關系、由用戶瀏覽行為所體現(xiàn)的信息資源之間內(nèi)容上的相關性進行分析與挖掘，并給出點擊流網(wǎng)絡的可視化方法。
　　主要工作包含以下兩個方面：
　　(1)對節(jié)點之間流量依賴關系的分析。
　　本文第三章首先將封閉網(wǎng)絡模型拓展為開放流網(wǎng)絡模型，使得隨機游走模型更接近于用戶真實的點擊行為。接著，綜

3、合考慮節(jié)點之間的直接關系與間接關系，提出了點擊流網(wǎng)絡中節(jié)點之間總流量的計算方法Tij，描述節(jié)點之間的流量依賴關系， Tij可以理解為當節(jié)點i被移出網(wǎng)絡時，節(jié)點j流量的減少量。
　　結果表明，將節(jié)點之間的總流量Tij與直接流量Fij進行對比分析，可以發(fā)現(xiàn)網(wǎng)站潛在的“用戶提供者”、挖掘詞條之間隱含的聯(lián)系。同時第三章還提出了節(jié)點在整個網(wǎng)站中流量控制上的影響力評價方法Ci，相對于PageRank算法給出了更好的網(wǎng)站排序結果。
　　(

4、2)對由用戶瀏覽行為所體現(xiàn)的信息資源之間內(nèi)容上的相關性分析及可視化。
　　本文的第四章首先給出了用戶在各個信息之間跳轉(zhuǎn)的平均距離的定義---流距離，用以描述不同信息資源之間內(nèi)容的關聯(lián)性。用戶在兩個網(wǎng)站間跳轉(zhuǎn)的距離越近，網(wǎng)站之間越有可能包含相關的信息。
　　接著，基于節(jié)點之間的流距離，第四章提出了節(jié)點嵌入的可視化方法，將節(jié)點嵌入到歐式空間中，使節(jié)點之間的歐式距離表示節(jié)點之間關系的遠近程度。通過這一可視化方法，可以直觀地看到節(jié)點

5、之間的相互關系，用戶流量在各個節(jié)點上的分布以及哪些節(jié)點在用戶流量的傳播中起到了關鍵作用。
　　結果表明，節(jié)點之間距離越近，越具有內(nèi)容上的相關性。第四章給出了網(wǎng)站點擊流網(wǎng)絡與維基百科點擊流網(wǎng)絡的幾何表示，還探究了網(wǎng)站點擊流網(wǎng)絡中用戶流量在幾何表示中的分布、網(wǎng)站結構的動態(tài)變化等問題。
　　總的來說，本文為 Web點擊流網(wǎng)絡提供了節(jié)點間流量依賴關系、內(nèi)容關聯(lián)關系分析與可視化的一般模型和方法。同時，本文中所提出的研究方法還具有較強的