社交網(wǎng)絡(luò)服務(wù)的用戶群體特征分析與組織探測研究.pdf

1、隨著近年來互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，基于社交網(wǎng)絡(luò)服務(wù)（SNS）概念的新型網(wǎng)絡(luò)應(yīng)用漸成熱點。許多SNS網(wǎng)站服務(wù)商都積累了大量的用戶交往數(shù)據(jù)集，如果可以通過有效的分析從這些數(shù)據(jù)集中提取出用戶的群體特征與用戶的組織結(jié)構(gòu)，就可以幫助網(wǎng)站運營商及時掌握用戶的興趣或行為的變化情況，為相關(guān)的用戶行為分析提供有價值的信息。 本文的研究包括兩部分內(nèi)容。第一部分是對網(wǎng)絡(luò)靜態(tài)拓撲結(jié)構(gòu)的分析，通過對節(jié)點度、聚集系數(shù)、特征路徑長度以及膨脹率等指標的計算，從多

2、個角度刻畫了SNS網(wǎng)絡(luò)的用戶群體特征。第二部分，針對社會網(wǎng)絡(luò)數(shù)據(jù)中個體屬性與鏈接結(jié)構(gòu)共存的特點，我們對綜合利用節(jié)點屬性與鏈接關(guān)系進行組織探測的方法進行了研究。本文利用加權(quán)信息圖（WIG）模型來解決個體屬性與鏈接關(guān)系的融合問題，并引入簇混雜度指標（CMI）用于衡量聚類的優(yōu)劣，然后在二者的基礎(chǔ)上提出了WIG-GN算法，其相較于G-N算法可以更準確地挖掘出網(wǎng)絡(luò)中的組織結(jié)構(gòu)。最后，為了解決WIG-GN復(fù)雜度過高的問題，本文引入了邊穩(wěn)定性系數(shù)（E

3、SC）概念，并在此基礎(chǔ)上提出了WIG-ESC算法。 在實驗環(huán)節(jié)我們首先就拓撲結(jié)構(gòu)分析在SNS用戶交往數(shù)據(jù)集和DBLP合著網(wǎng)絡(luò)數(shù)據(jù)集下的實驗結(jié)果進行了對比。結(jié)果表明，相對于合著網(wǎng)絡(luò)而言，SNS社會網(wǎng)絡(luò)中不同個體之間的影響力差異較大，小團體的聚集現(xiàn)象并不明顯，但二者均具有小世界效應(yīng)與無標度特征。組織探測算法在真實數(shù)據(jù)集下的運行結(jié)果，也驗證了綜合使用節(jié)點屬性與鏈接關(guān)系的聯(lián)合組織探測算法WIG-GN與WIG-ESC比單純考慮鏈接結(jié)構(gòu)的G