论文部分内容阅读
近年来在线社交网络(Online Social Network,简称OSN)飞速发展,用户数量不断增加。在线社交网络以用户为中心,每个用户和网络中的其他用户成为朋友,形成人际关系网络,用户之间通过留言、回复、聊天、游戏等多种方式进行交互。这些活动使得在线社交网络中的用户得以与现实中的朋友保持联系。人人网是一个典型的社交网络,活跃用户达到每日400万人次,是国内活跃用户量最大的社会网络。在线社交网络对互联网和社交活动都产生了深刻的影响。分析在线社交网络中的用户交互行为,可以反映出真实社会中用户之间的联系情况,具有重要的应用价值。
本文采用多线程方法对人人网进行了测量采样,基于最近八周有交互的363,502个用户,提出了一种基于加权有向的交互网络模型。该模型中边的权重是综合考虑了交互次数、交互维持时间、交互更新时间等因素计算而得的。通过分析交互模型的基本性质,发现在该交互网络中,小世界现象变得很弱,权重符合两段式幂律分布,大部分的边权重都很小,并首次验证了交互网络中存在大量弱权关键边(weak-tie)。
论文进一步分析了用户的受欢迎特征。通过交互同构性、交互偏见性、交互中心等因素分析了用户的交互行为,发现用户的交互行为存在偏见性却没有同构性,交互网络中不存在驱使整个用户交互的用户中心。通过隐马尔科夫模型(Hidden Markov model,简称HMM)对用户的瞬时行为建模,为每个用户都建立了一个HMM,分析了用户交互的动态性。采用了自组织映射图(Self-Organizing Map,简称SOM)将用户聚类,得到三类瞬时交互行为相似的用户组。
分析在线社交网络中的用户交互行为有着重要的应用价值。基于用户交互行为所建立的网络,可以获得准确的用户间关系,根据用户之间交互的程度(边的权重)设定用户的可信赖级别,邮件服务器可以更好地判定垃圾邮件,广告邮件以及重要邮件等。本文的分析验证了交互网络中存在着大量的弱权关键边,这对信息传播模型有重要价值,说明信息在交互网络中传播时,不能仅仅在权重大的边上传播(传播力度的控制可以通过设置不同的带宽来实现),还需要定时定量地向弱权关键边进行信息推送,使得传播的信息可以在关键部分得以延续。