社交網用戶行為預測模型研究
發(fā)布時間:2020-12-07 03:29
隨著在線社交網絡中的人數(shù)迅速增長,在社交網絡中傳播的消息越來越多,但是,目前關于社交網絡中信息如何傳播以及影響用戶行為的相關研究是非常少的。在日常的生活和工作中,人們的思想和行為經常受到朋友和同事的影響,比如在生活中受到朋友的影響去觀看一部電影,在學校里受到同學的影響去購買一本書籍。在傳統(tǒng)的模型中,有很多都是從朋友的影響或者偏好的影響單方面進行預測用戶的行為,并未考慮到用戶同時會受到多個因素的影響,例如外部影響力。基于社交網絡的用戶行為預測問題,就是在社交網絡的前提下,通過用戶的歷史行為記錄進行分析,預測用戶在未來是否會去做一件事情,比如用戶的朋友推薦了一部電影,預測用戶是否會受到朋友的影響去看該電影。本文主要的工作為在社交網絡中對用戶行為的影響因素進行分析以及對用戶行為的預測建立模型。首先,本文針對在社交網絡中用戶行為的影響因素問題,為了揭示社交事件的發(fā)生機制。本文介紹了對用戶行為有很大影響的三個因素:社會影響力、外部影響力以及用戶偏好,并提出了采用泊松過程分別為這三個因素進行建模;谏鲜龅娜齻因素能夠非常準確地解釋每個事件產生的原因。其次,本文針對在社交網絡中用戶行為的預測問題,...
【文章來源】:黑龍江大學黑龍江省
【文章頁數(shù)】:62 頁
【學位級別】:碩士
【部分圖文】:
圖2-1社交網絡圖??Fig.?2-1?The?graph?of?social?network??
出了很低的評分的電影來說。故評分高并且被很多人看過的電影更流行一些并且??更容易吸引很多用戶去觀看。我們用P〇巧表示電影/的流行度。??圖3-2描述了豆瓣網站上的實際數(shù)據(jù)觀察到的外部影響。圖中顯示了從2009??年10月1日到201丨年6月1日的三部流行電影評論的數(shù)量:阿凡達、盜夢空間??和讓子彈飛。我們能夠觀察到,在這三條曲線中都突然出現(xiàn)了峰值,這個突然的??17??
,?-??圖3-1社會影響力事件序列??Fig.3-1?The?sequence?of?social?influence?events??3.1.3外部影響力??根據(jù)[57,58]最近的一項研宄表明,用戶不僅能夠接收通過社交網_傳播的信息,??也能接收網絡之外的外源信息,如報紙、電視臺等的影響。一些在社交網絡中出??現(xiàn)的信息可以通過這種外部來源的影響來解釋。??定義3-4外部影響:外部影響是通過一些社交網絡之外的源產生的影響,來引??導社交網絡之內的用戶接受一些內容,比如在網上沖浪的時候我們可能因某個新??聞點擊率的影響導致我們也去讀這條新聞。??定義3-5產品流行度:在社交網絡中每一個產品的流行度都是不同的。比如某??部被很多人看過的電影并且給出了很高的評分,然而相對于被很少人看過并且給??出了很低的評分的電影來說。故評分高并且被很多人看過的電影更流行一些并且??更容易吸引很多用戶去觀看。我們用P〇巧表示電影/的流行度。??圖3-2描述了豆瓣網站上的實際數(shù)據(jù)觀察到的外部影響。圖中顯示了從2009??年10月1日到201丨年6月1日的三部流行電影評論的數(shù)量:阿凡達、盜夢空間??和讓子彈飛。我們能夠觀察到,在這三條曲線中都突然出現(xiàn)了峰值,這個突然的??17??
【參考文獻】:
期刊論文
[1]基于橋梁用戶的多社交網絡影響最大化[J]. 趙佳旭,陳志德,羅堅. 計算機系統(tǒng)應用. 2017(11)
[2]基于兩階段啟發(fā)的社交網絡影響最大化算法[J]. 楊書新,劉成輝,魯紀華. 小型微型計算機系統(tǒng). 2017(10)
[3]社交媒體影響力評價指標體系的構建[J]. 馮銳,李聞. 現(xiàn)代傳播(中國傳媒大學學報). 2017(03)
[4]社交網絡中的用戶屬性預測[J]. 龔真強. 中國教育網絡. 2016(10)
[5]位置敏感的社交網中最小種集選取算法研究[J]. 李智慧,張兆功,李建中. 計算機學報. 2017(10)
[6]社交網絡影響力傳播研究[J]. 陳衛(wèi). 大數(shù)據(jù). 2015(03)
[7]在線社交網絡用戶行為研究現(xiàn)狀與展望[J]. 楊善林,王佳佳,代寶,李旭軍,姜元春,劉業(yè)政. 中國科學院院刊. 2015(02)
[8]在線社交網絡影響力分析[J]. 吳信東,李毅,李磊. 計算機學報. 2014(04)
本文編號:2902532
【文章來源】:黑龍江大學黑龍江省
【文章頁數(shù)】:62 頁
【學位級別】:碩士
【部分圖文】:
圖2-1社交網絡圖??Fig.?2-1?The?graph?of?social?network??
出了很低的評分的電影來說。故評分高并且被很多人看過的電影更流行一些并且??更容易吸引很多用戶去觀看。我們用P〇巧表示電影/的流行度。??圖3-2描述了豆瓣網站上的實際數(shù)據(jù)觀察到的外部影響。圖中顯示了從2009??年10月1日到201丨年6月1日的三部流行電影評論的數(shù)量:阿凡達、盜夢空間??和讓子彈飛。我們能夠觀察到,在這三條曲線中都突然出現(xiàn)了峰值,這個突然的??17??
,?-??圖3-1社會影響力事件序列??Fig.3-1?The?sequence?of?social?influence?events??3.1.3外部影響力??根據(jù)[57,58]最近的一項研宄表明,用戶不僅能夠接收通過社交網_傳播的信息,??也能接收網絡之外的外源信息,如報紙、電視臺等的影響。一些在社交網絡中出??現(xiàn)的信息可以通過這種外部來源的影響來解釋。??定義3-4外部影響:外部影響是通過一些社交網絡之外的源產生的影響,來引??導社交網絡之內的用戶接受一些內容,比如在網上沖浪的時候我們可能因某個新??聞點擊率的影響導致我們也去讀這條新聞。??定義3-5產品流行度:在社交網絡中每一個產品的流行度都是不同的。比如某??部被很多人看過的電影并且給出了很高的評分,然而相對于被很少人看過并且給??出了很低的評分的電影來說。故評分高并且被很多人看過的電影更流行一些并且??更容易吸引很多用戶去觀看。我們用P〇巧表示電影/的流行度。??圖3-2描述了豆瓣網站上的實際數(shù)據(jù)觀察到的外部影響。圖中顯示了從2009??年10月1日到201丨年6月1日的三部流行電影評論的數(shù)量:阿凡達、盜夢空間??和讓子彈飛。我們能夠觀察到,在這三條曲線中都突然出現(xiàn)了峰值,這個突然的??17??
【參考文獻】:
期刊論文
[1]基于橋梁用戶的多社交網絡影響最大化[J]. 趙佳旭,陳志德,羅堅. 計算機系統(tǒng)應用. 2017(11)
[2]基于兩階段啟發(fā)的社交網絡影響最大化算法[J]. 楊書新,劉成輝,魯紀華. 小型微型計算機系統(tǒng). 2017(10)
[3]社交媒體影響力評價指標體系的構建[J]. 馮銳,李聞. 現(xiàn)代傳播(中國傳媒大學學報). 2017(03)
[4]社交網絡中的用戶屬性預測[J]. 龔真強. 中國教育網絡. 2016(10)
[5]位置敏感的社交網中最小種集選取算法研究[J]. 李智慧,張兆功,李建中. 計算機學報. 2017(10)
[6]社交網絡影響力傳播研究[J]. 陳衛(wèi). 大數(shù)據(jù). 2015(03)
[7]在線社交網絡用戶行為研究現(xiàn)狀與展望[J]. 楊善林,王佳佳,代寶,李旭軍,姜元春,劉業(yè)政. 中國科學院院刊. 2015(02)
[8]在線社交網絡影響力分析[J]. 吳信東,李毅,李磊. 計算機學報. 2014(04)
本文編號:2902532
本文鏈接:http://www.lk138.cn/guanlilunwen/ydhl/2902532.html
最近更新
教材專著