在線社會網(wǎng)絡(luò)中用戶行為分析與預(yù)測.pdf

1、在線社會網(wǎng)絡(luò)吸引了數(shù)十億用戶，不僅擴(kuò)展了他們的社會活動范圍，而且使人類活動能夠被大規(guī)模記錄下來，這為人類行為研究提供了契機(jī)。分析人的在線行為不僅對理解傳統(tǒng)的社會學(xué)理論有參考價(jià)值，也對實(shí)際應(yīng)用如改進(jìn)推薦系統(tǒng)、提高信息傳播效果等有重要意義。
　　本文對在線社會網(wǎng)絡(luò)用戶的行為進(jìn)行分析和預(yù)測：首先對三類在線社會網(wǎng)絡(luò)中的發(fā)布者和受眾就性別、年齡和國家（地區(qū)）三個屬性與選擇行為之間的關(guān)系進(jìn)行分析，然后進(jìn)一步分析發(fā)布者和內(nèi)容與性別相關(guān)的特征，根

2、據(jù)這些特征對受眾的性別比例進(jìn)行預(yù)測；接著針對發(fā)布者的屬性和行為如何影響短網(wǎng)址的點(diǎn)擊率進(jìn)行分析，最后根據(jù)信息內(nèi)容提取發(fā)布者的興趣主題，按興趣偏好對Twitter用戶進(jìn)行興趣分組。研究的主要貢獻(xiàn)包括以下四個方面：
　　1.驗(yàn)證了同質(zhì)性理論在在線社會網(wǎng)絡(luò)中的適應(yīng)性，并分析了媒介對信息傳播的廣度和速度等的影響?；赮ouTube、Flickr和Twitter三種在線社會網(wǎng)絡(luò)的大規(guī)模數(shù)據(jù)，我們分析了用戶的屬性與他們的信息選擇行為的關(guān)系，發(fā)現(xiàn)

3、在線社會網(wǎng)絡(luò)用戶在年齡、性別和位置三個屬性上有明顯的同質(zhì)性，即受眾傾向于選擇具有相似屬性的發(fā)布者上傳的內(nèi)容；同時(shí)三種網(wǎng)絡(luò)中雙重角色現(xiàn)象普遍存，但用戶作為不同角色的活躍度不對等。我們還發(fā)現(xiàn)三種網(wǎng)絡(luò)中存在明顯的差異：YouTube視頻的生命周期長達(dá)三年之久，而Twitter微博的生命周期只有幾天；在信息傳播的全球化程度上，F(xiàn)lickr是Twitter的兩倍，而YouTube則介于兩者中間。
　　2.學(xué)術(shù)領(lǐng)域中第一次對社會網(wǎng)絡(luò)中信息的受

4、眾性別比例進(jìn)行了預(yù)測。本文分別在YouTube的視頻發(fā)布之前和發(fā)布之后對受眾的性別比例進(jìn)行預(yù)測。在發(fā)布之前，我們首先提出并驗(yàn)證了兩個假設(shè)：受眾一致性和主題一致性，前者指同一發(fā)布者上傳的視頻將會有相似男女比例的受眾，后者指主題相同的視頻將會有相似男女比例的受眾?；谶@兩個假設(shè)的一致性特征，綜合用戶和視頻屬性相關(guān)的特征，用多元線性回歸和支持向量回歸兩個模型對受眾的男女比例進(jìn)行預(yù)測。實(shí)驗(yàn)結(jié)果表明基于這兩個假設(shè)的特征是受眾性別比例的主要指標(biāo)，預(yù)

5、測也取得了較高的準(zhǔn)確性。在視頻發(fā)布后，我們使用視頻的早期評論來預(yù)測全部受眾的性別比例，實(shí)驗(yàn)取得了較好的效果。同時(shí)還發(fā)現(xiàn)早期的評論數(shù)量（成本）和預(yù)測的準(zhǔn)確性（收益）的關(guān)系符合邊際效用遞減規(guī)律，當(dāng)早期評論數(shù)量約為250時(shí)，預(yù)測的成本收益比最高。
　　3.首次分析了影響通過在線社會網(wǎng)絡(luò)獲取網(wǎng)站流量的關(guān)鍵因素。最近 Twitter對短網(wǎng)址發(fā)布策略的改變，使得獲取用戶所發(fā)布的短網(wǎng)址的準(zhǔn)確點(diǎn)擊信息成為可能。以準(zhǔn)確點(diǎn)擊量作為影響力的測量標(biāo)準(zhǔn)，對

6、用戶屬性、行為和主題等因素對點(diǎn)擊率的影響進(jìn)行分析。結(jié)果證明一些廣泛接受的提高網(wǎng)站流量的方法基本無效甚至有消極效果，比如用戶通過相互關(guān)注來增加自己的粉絲數(shù)量和微博中使用hashtags。對用戶行為的分析顯示盡管受眾在工作日和周末具有相似接受力，但用戶周末發(fā)布的短網(wǎng)址數(shù)量明顯比工作日的少；而主題分析顯示，對于同一主題，用戶在Twitter和Facebook投入相似的精力，但獲取的點(diǎn)擊率差別很大，同時(shí)主題范圍太窄的用戶發(fā)布的短網(wǎng)址點(diǎn)擊數(shù)量明顯

7、偏低。最后綜合以上分析而提取的特征用來對用戶影響力水平進(jìn)行預(yù)測，采用Bagging模型時(shí)取得了82％的準(zhǔn)確率。
　　4.提出用LDA來發(fā)現(xiàn)具有相似興趣的用戶的方法，以及快速找到相似用戶的搜索算法。針對缺少描述用戶興趣的關(guān)鍵詞如標(biāo)簽等信息的Twitter，通過LDA從用戶發(fā)布的內(nèi)容中提取用戶的興趣，然后提出用戶相似水平的計(jì)算方法來查找具有相似興趣的用戶。為克服Twitter中用戶量巨大，搜索比較費(fèi)時(shí)費(fèi)力等問題，我們首先分析相似用戶的