社交网络群中用户活跃度分析与预测

对于社交网络中不同的群组,由于用户属性(性别、年龄等)、群类别、群成员之间关系等因素的影响,其活跃度各不相同.本文首先从社交网络用户数据中提取人口信息、群的类别、社交关系、群用户黏性(分享消息数、图片数)等特征,然后利用logistic回归、支持向量机、BP神经网络等机器学习算法对不同群中用户的活跃度进行预测.结果表明,BP神经网络针对社交网络群中用户活跃度分类判断时具有较高的预测性能,社交关系特征对群用户活跃性具有重要影响.     

当兴趣图谱成为一种商务模式

<正>创意一旦成为有效的工具,并迎合了大多数人的需求就会演变成一种模式。当我们对Pinterest还稍显陌生的时候,改良版的美丽说、蘑菇街等网站已经火热上线,并广受推崇。而紧随其后的知美网与花瓣网干脆复制了Pinterest的模式,让各种兴趣的采集和分享通过图片瀑布流的形式出现,聚集大量来自用户的有价值信息,经过优化排序、分类处理,将内容变得更有商业价值。图片背后的商业价值     

基于神经网络的社交网络用户动机与行为关系研究

 以社交网络用户为研究对象,扩充了用户的“获利性”动机和“社交获利”行为,通过调研问卷,利用神经网络模型分析社交网络用户动机与行为的关系。结果表明,不同动机对不同行为的影响程度不同,动机对行为的整体贡献度呈现出有用性 > 自我呈现 > 娱乐性 > 易用性 > 获利性 > 从众性 > 社交性的趋势。建议管理人员持续完善网站的社交和娱乐功能,从用户心理出发构建品牌辨识度高、有特色的社交网络。     

社交网络中水军用户团队不当行为准确识别技术

传统方法通过提取用户的静态行为特征,利用监督学习模型完成识别,在社交网络规模大的状态下,水军用户团队不当行为特征和正常用户越来越相似,无法准确识别社交网络中水军用户团队的不当行为。为了解决该问题,依据用户动态行为特征研究社交网络中水军用户团队不当行为准确识别技术。对社交网络进行描述,在此基础上,提取用户行为动态特征。把社交网络中水军用户团队不当行为识别问题看作二分类问题,将提取动态特征相应的样本作为输入,构建决策树,通过决策树对新的社交网络数据集进行水军用户团队不当行为识别。结果发现：采用的动态特征可有效反映水军团队不当用户行为特征;所提技术对水军用户团队不当行为的识别结果和人工标识结果基本一致;所提技术在三个数据集上的调和平均值和平衡准确度较其它技术高。可见所提技术识别准确性高。     

社交网络用户的社交关系和签到行为分析

 理解社交关系和移动行为的相关性，对于研究社交网络演化及建模人类移动是非常重要的。分析了两个基于位置社交网络网站用户的社交关系和签到行为，以量化社交关系与移动性的相关性。结果表明，社交或签到排名的概率分布反比于其排名，这意味着社交关系和移动性间存在着隐含的联系。通过对不同粒度下用户社交关系和签到行为的比较，以及用户皮尔逊相关系数的计算，证明社交关系和人类移动性存在较强的相关性。     

iPad社交杂志Flipboard联合新浪推出中国定制版

iPad社交杂志应用Flipboard今日宣布联合新浪网推出Flipboard中国定制版。通过Flipboard，可以快速获取各种共享信息，包括新闻、图片和社交网络上的内容更新，它受到全球数百万用户青睐，并被苹果评为“2011年度iPad应用”。Flipboard目前正在为中国用户定制阅读体验，新版Flipboard包括中国本地化内容、新浪微博共享帖、     

一种社交网络用户领导者挖掘算法

社交网络中的用户领导者挖掘是用户影响力分析的重要问题.提出一种基于用户影响力评估的社交网络用户领导者挖掘算法.首先,描述问题模型以及模型相关定义;其次,提出了基于用户影响力和用户活跃度计算的用户领导力评估方法;最后,依据用户领导力和用户中心度计算实现用户领导者的挖掘.实验印证了该方法对于社交网络挖掘用户领导者的可行性和有效性.     

可扩展的社交多媒体安全分享方法研究

社交多媒体在社交网络中的分享面临安全与隐私威胁,多媒体加密可以解决保密性问题,数字指纹技术可以实现叛逆者追踪,但现有数字指纹技术还不能应用于大规模社交网络。现有指纹码不能容纳社交网络中数以亿计的海量用户,为每位用户单独生成指纹拷贝,对数亿计的用户而言,会造成巨额的空间和时间开销,此类问题的产生源于现有的安全分享算法缺乏可扩展性。面向社交多媒体安全分享在确保保密性、可追踪性的同时,更需要保证可扩展性,以适应社交网络的动态变化。基于混沌加密和社交网络指纹技术,提出一种面向社交多媒体安全分享的树结构 Haar（tree structure Haar,TSH）变换域的联合多媒体指纹与加密技术,实验结果与理论分析证明了该方法不仅可以保证社交多媒体的安全分享,而且可以实现可扩展性。     

基于引力势的在线社交网络信息传播动力学模型

借用物理学中引力势理论,推导了社交网络中的信息传递过程,并在分析各变量因子的基础上,得出了信息传播的动力学概率模型。该模型主要考虑了信源信息的时效性、用户之间的关系远近以及信息价值对社交网络中信息传播的影响。实验结果表明:信源信息的价值时效性是先增大后逐渐减小直至保持不变的;当用户之间的关系越远时,两个用户之间的信息传播必然经历多次信息运动模式,说明信息源产生势的范围越广并且信息传播的越深远;信息价值的大小与信息传播范围之间的关系呈现"S"型的变化特性。     

学术社交网络信息传播特征与规律研究

分析学术社交网络信息传播的特征,构造了一个学术社交网络信息传播模型.然后,通过编程提取了学术社交网络——研究之门网站中的用户数据,构造一个用户关系网络数据集.根据对随机内容的传播情况统计,绘制出信息传播的趋势图,同时还计算了该网络中信息传播的概率,形成了信息在网络中的传播规律.