發(fā)布時間：2020-12-07 03:29

　　隨著在線社交網(wǎng)絡(luò)中的人數(shù)迅速增長,在社交網(wǎng)絡(luò)中傳播的消息越來越多,但是,目前關(guān)于社交網(wǎng)絡(luò)中信息如何傳播以及影響用戶行為的相關(guān)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(jīng)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(xué)校里受到同學(xué)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(jìn)行預(yù)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�；�于社交網(wǎng)絡(luò)的用戶行為預(yù)測問題,就是在社交網(wǎng)絡(luò)的前提下,通過用戶的歷史行為記錄進(jìn)行分析,預(yù)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(yù)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(wǎng)絡(luò)中對用戶行為的影響因素進(jìn)行分析以及對用戶行為的預(yù)測建立模型。首先,本文針對在社交網(wǎng)絡(luò)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(jī)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(jìn)行建模。基于上述的三個因素能夠非常準(zhǔn)確地解釋每個事件產(chǎn)生的原因。其次,本文針對在社交網(wǎng)絡(luò)中用戶行為的預(yù)測問題,... 

【文章來源】：黑龍江大學(xué)黑龍江省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１社交網(wǎng)絡(luò)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(wǎng)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(dá)、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(wǎng)＿傳播的信息，??也能接收網(wǎng)絡(luò)之外的外源信息，如報紙、電視臺等的影響。一些在社交網(wǎng)絡(luò)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(wǎng)絡(luò)之外的源產(chǎn)生的影響，來引??導(dǎo)社交網(wǎng)絡(luò)之內(nèi)的用戶接受一些內(nèi)容，比如在網(wǎng)上沖浪的時候我們可能因某個新??聞點擊率的影響導(dǎo)致我們也去讀這條新聞。??定義３－５產(chǎn)品流行度：在社交網(wǎng)絡(luò)中每一個產(chǎn)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(wǎng)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(dá)、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(xiàn)】：
期刊論文
[1]基于橋梁用戶的多社交網(wǎng)絡(luò)影響最大化[J]. 趙佳旭,陳志德,羅堅.  計算機(jī)系統(tǒng)應(yīng)用. 2017(11)
[2]基于兩階段啟發(fā)的社交網(wǎng)絡(luò)影響最大化算法[J]. 楊書新,劉成輝,魯紀(jì)華.  小型微型計算機(jī)系統(tǒng). 2017(10)
[3]社交媒體影響力評價指標(biāo)體系的構(gòu)建[J]. 馮銳,李聞.  現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報). 2017(03)
[4]社交網(wǎng)絡(luò)中的用戶屬性預(yù)測[J]. 龔真強(qiáng).  中國教育網(wǎng)絡(luò). 2016(10)
[5]位置敏感的社交網(wǎng)中最小種集選取算法研究[J]. 李智慧,張兆功,李建中.  計算機(jī)學(xué)報. 2017(10)
[6]社交網(wǎng)絡(luò)影響力傳播研究[J]. 陳衛(wèi).  大數(shù)據(jù). 2015(03)
[7]在線社交網(wǎng)絡(luò)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(xué)院院刊. 2015(02)
[8]在線社交網(wǎng)絡(luò)影響力分析[J]. 吳信東,李毅,李磊.  計算機(jī)學(xué)報. 2014(04)



本文編號：2902532