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。     

社交网络用户隐私量化研究:建模与实证分析

社交网络的流行对用户的隐私保护提出了新的挑战。该文通过使用人类动力学和统计物理的方法,研究用户的网络行为与用户隐私量值的关系。以当前国内流行的社交网络——人人网和新浪微博——为研究对象,获取用户的真实数据,提出隐私量化模型。研究结果表明:用户的网络行为对隐私量值具有重要的影响,如在人人网中用户的地理位置分享行为对隐私量值影响较大,而在新浪微博中发私信行为对隐私量值的影响最大。研究的结果对社交网络隐私关注下的用户行为规律探讨具有理论与实际意义。     

基于内容相似性的社交网络用户行为倾向性研究

论坛和博客等社交媒体中的数据,能够充分反映社交网络用户的思想行为动机,为了分析这些数据,挖掘用户的一些行为动机,提出一种基于内容相似性的社交网络用户行为倾向性分析方法,将社交媒体中的数据处理成文档集并进行向量化,建立向量空间模型,然后通过这些文档之间的相似性来发现用户的归属.采用KNN算法将某用户在一段时间内所发布的文档进行分类,获得数量最多的目标类别为此用户的实际倾向类别,最后通过实验证明此方案的实际可行.     

基于人工智能的社交网络用户行为数据周期推荐算法

为提高社交网络个性化服务质量,研究数据周期推荐算法的重大意义,针对传统推荐算法相似度计算准确率不高,导致推荐结果精度低、召回率低和耗时长等问题,提出一种基于人工智能的社交网络用户行为数据周期推荐算法。首先依据用户行为建立评分矩阵,利用皮尔逊相关系数计算评分矩阵评分值与网络行为数据相似度,依据计算得出的相似度以协同过滤为核心来检出需要推荐的社交网络用户数据内容,其次利用Top-N法生成用户邻居集,最后实现社交网络用户行为数据内容周期推荐。实验测试结果表明,所提算法的相似度计算准确率较高,网络用户行为数据周期推荐结果精度可高达97.2%,且推荐结果召回率高、耗时低,提高了社交网络个性化服务质量。     

一种上下文感知的E-commerce评级大数据赋权方法

电子商务(E-commerce)的飞速发展, 产生了大量针对商品的在线评级数据, 通过分析评级数据, 用户可以对商品的质量进行评估. 然而, 评级数据的海量性和差异性使得用户难以快速而准确地评估商品的质量. 鉴于此, 提出一种基于E-commerce 评级的上下文感知赋权方法(context-aware weighting approach, CWA), 以选出少数“重要”的评级数据并抛弃大多数“不重要”的评级数据, 从而确保商品质量评估的快速性和准确性. 最后, 通过一组实验验证了CWA 的有效性.     

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。     

基于主观Bayes方法的用户信任关系判别

基于主观Bayes方法的信任关系判别方法, 对社会网络中的用户信任关系进行预测. 该方法综合利用现有的信任关系以及用户之间的评分关系, 以用户对另一用户的评分记录为证据, 基于监督学习得到的规则集, 通过证据合取产生对“信任”和“不信任”的量化表示, 利用多值逻辑方法推测并传播用户之间的信任关系. 对比实验结果表明, 该方法能以较高的准确率解决社会网络中的用户信任关系预测问题.     

在线社交网络中用户伪装攻击检测方法研究

当前用户伪装攻击检测方法无法适应动态环境,实时性不高;且需要准确的先验知识,检测精度较低。提出一种新的在线社交网络中用户伪装攻击检测方法,介绍了k最邻近节点(KNN)算法的基本思想,给出KNN算法的实现过程。分析了用户伪装攻击检测与分类的关系,确定在线社交网络中用户伪装攻击检测就是对被检测的未知行为进行分类的过程。针对用户行为,将训练集中正常用户行为的邻居进行排列,通过和k相似的邻居的分类标签对新用户行为类别进行判断,从而实现用户伪装攻击检测。实验结果表明,所提方法不仅检测精度高,而且开销小。     

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.     

基于知识图谱的社交网络用户行为研究进展

社交网络包含复杂的结构信息与丰富的语义信息.互联的多类型数据,实体对象的行为关系等问题的研究面临极大的挑战.知识图谱旨在处理用户数据知识及行为信息,发现事物、概念与实体对象间的复杂联系,使事物间关联关系得到清晰说明.首先介绍知识图谱基本知识;其次基于知识图谱,在社交网络中,可视化表示用户的行为关系,对其中的行为知识抽取、行为知识表示、行为知识加工等3种关键技术和研究进展进行综述,实验分析与对比其中的技术模型,并介绍可视化识别技术,运用概率软逻辑识别候选行为知识,提高用户行为关系可视化的准确性;最后介绍用户行为关系可视化在用户信息检索、用户安全评测、行为关联推理等方面的应用,对当前研究存在的挑战进行讨论分析,并对其发展前景进行了展望.     

基于自组织特征映射神经网络的校园网用户聚类分析

在校园网系统的管理中,网管人员常常需要了解用户的网络行为,以便更好地配置和管理网络系统,提高网络服务效率.以大理学院校园网认证计费系统日志为研究对象,利用自组织映射神经网络(SOM)对校园网用户行为和网络通信模式进行聚类分析.网管人员可以根据聚类结果,设计有效的网络管理方案和系统配置参数,从而有效地配置和管理校园网,提高服务效率和管理质量.     

ACTPred： Activity Prediction in Mobile Social Networks

A current trend for online social networks is to turn mobile.Mobile social networks directly reflect our real social life,and therefore are an important source to analyze and understand the underlying dynamics of human behaviors （activities）.In this paper,we study the problem of activity prediction in mobile social networks.We present a series of observations in two real mobile social networks and then propose a method,ACTPred,based on a dynamic factor-graph model for modeling and predicting users＇ activities.An approximate algorithm based on mean fields is presented to efficiently learn the proposed method.We deploy a real system to collect users＇ mobility behaviors and validate the proposed method on two collected mobile datasets.Experimental results show that the proposed ACTPred model can achieve better performance than baseline methods.     

基于Agent的个性化搜索模型

该文针对传统搜索引擎单纯面向信息过滤的缺点 ,引入Agent技术 ,提出了第 2层信息服务模型 ,其中采用了基于用户个性的信息再过滤方法。第 2层信息服务模型在第 1层信息服务 (即传统的搜索引擎 )之上构建用户兴趣模板和分组模型 ,将用户需求定义为显性需求和隐性需求并给出了相关算法。依据此定义获得相应信息服务于用户 ,增强了信息搜索能力。     

浅析网络环境下用户信息需求障碍及对策

分析了网络环境下信息用户的新特点以及对信息需求的特点,指出了当前信息用户信息需求和信息行为存在的一些主要障碍,并针对障碍给出了对策。     

社会化媒体用户使用行为影响因素实证分析

通过对微信用户使用行为的问卷调查,获取社会化媒体用户使用行为信息,尝试将整合型技术接受与使用模型理论、感知风险理论、媒介丰富度理论和使用满足理论相结合构建理论模型,对影响社会化媒体用户使用行为的各方面因素进行实证分析.通过SPSS和AMOS软件进行结构方程模型分析发现,该理论模型解释度较高,对社会化媒体用户使用行为给出了比较全面的解释.结果表明,技术接受因素、内容资源因素和使用满足因素对社会化媒体用户的使用行为有正向影响,而感知风险因素对社会化媒体用户的使用行为有负向影响.     

微博社区成员参与动机实证研究

利用逐步多元回归分析法, 探讨成员参与微博社区的动机对参与行为的影响。研究发现, 自我表达、信息价值、娱乐价值和关注名人这些动机对微博社区成员的参与行为存在显著影响。自我表达是成员参与微博社区的频率和层次的最重要动因, 信息价值是成员参与微博社区的时间的最重要动因。理论层面上, 研究结果可为参与动机对参与行为的影响路径研究以及社会公共事件背景下的微博社区参与行为研究提供前提; 实践层面上, 研究结果对微博服务提供者经营和管理微博社区以及政府相关部门管理微博具有现实意义。     

基于发布订阅系统的用户行为预测模型

基于iLBS系统中SP服务器的发布/订阅(pub/sub)中间件技术,提出借助于贝叶斯网络来预测用户行为的一种新颖的pub/sub模型(UBPM).新模式不仅以用户目前所在位置作为通告的唯一标准,而且考虑了用户环境信息中前后台信息的同步,并使用贝叶斯网络对移动用户的行为做出预测.因此,有效地解决了传统pub/sub系统中病态和冗余消息通告的问题,并提高了消息的精确性.实验结果表明相对于现有预测模型,UBPM预测模型更加有效.     

东道国产业层面因素如何影响企业的对外直接投资动机?

近年来,中国在欧洲的对外投资呈现上升趋势,双方政府积极参与促进双方进一步的合作,了解中欧投资的新趋势,有助于把握新政策背景下的演变和机遇。本文基于来自商务部和欧盟统计局的企业和产业两个层面的数据,主要分析了中国制造业企业在欧盟国家进行对外直接投资时,东道国产业层面特征的影响因素与企业投资动机倾向之间的联系。同时,因为吸引不同类型制造业(如食品、服装、汽车)投资的因素是不同的,本文在分析中进一步区分了不同的制造业细分领域。结果表明:东道国产业占该国总产值的比重越高,企业越倾向于生产动机和研发动机的投资;东道国产业增长率越快,企业越倾向于生产动机投资;东道国产业劳动生产率越高,企业越不倾向于生产动机的投资;东道国产业研发密度越高,企业越倾向于研发动机的投资。     

住区商业设施设计理念的更新

从商业设施使用者需求的发展和设计观念的更新入手，着重分析商业购销活动中消费者和经营者的心理需求、行为模式，提出商业设施的设计不能脱离消费行为和经营方式的变化，从购买空间与使用者需求的内在关系出发，才能创造出适应时代要求的商业设施。     

容量限制分配的蚁群优化算法

针对交通规划实践中广泛使用的用户出行行为假设与现实脱节的不足,提出了用蚁群优化算法获取网络流量加载路径的配流新思想.分析了网络中用户出行的行为特征并与蚁群算法执行机制进行了比较,提出利用人工蚂蚁模拟网络中用户出行的可行性和合理性.给出了基于Ant-Cycle模型的容量限制分配思路和流程.设计采用双层迭代机制完成整.个交通分配过程:使用内迭代构建完整的流量加载路径;使用外迭代对路段阻抗进行修正,体现网络的拥挤效应,使网络分配趋于平衡.仿真算例与对比分析表明:该方法可以模拟交通系统的平衡状态,分配结果趋近用户平衡;算法合理、有效.