在线社交网络用户行为分析与应用：个人行为到社会预测_周振坤著_9787503796661

　　《在线社交网络用户行为分析与应用：个人行为到社会预测》系统讨论了基于用户性格的社交网络在线行为规律。性格作为驱动人类行为的主要因素，它指明了个人心理行为的异同。
　　《在线社交网络用户行为分析与应用：个人行为到社会预测》首先验证了机器学习模型可用于判断社交网络用户的性格，并将研究范围覆盖到更多更广的用户人群。其次，通过微博数据研究在我国文化背景下用户性格差异和由此产生的在线行为模式，发现我国在线社交网络中两种不同性格用户的行为模式与西方确有不同。从时空位置、购物情绪到虚拟荣誉等角度分析用户行为，在线行为的维度得到了极大丰富。
　　这帮助《在线社交网络用户行为分析与应用：个人行为到社会预测》的研究建立用户差异与行为模式之间更全面的映射，并启发在线社交网络在营销等场景中的实际应用。

　　近年来，在线社交网络快速发展，人类生活已经与其密不可分。在线社交网络已成为人们获取信息、传递消息、交友娱乐的重要渠道，是人们日常生活中不可或缺的一部分。海量用户的数字足迹记录了人类行为的方方面面，为研究者们理解人类行为及进行交叉领域应用创新提供了前所未有的机会。同时，计算机相关技术的发展也为研究在线社交网络用户行为打下了坚实的基础。社交网络属于计算社会科学的研究范畴，已逐渐成为计算机科学、经济学、政治学、心理学和社会学等学科的研究热点。
　　在线社交网络用户行为研究主要包括：发现社交网络用户行为规律和构建社会预测应用。在社交网络的环境下，揭示不同类型用户在线行为规律是一项重要研究。用户不同维度的属性及特征难以直接测量。通过传统调查问卷方式来完成用户属性的测量，通常有高成本、主观性和低灵活性等局限。为了弥补这些缺点，机器学习越来越引起社会科学研究者们的兴趣。它不仅限于研究人类行为规律，而且分析社交网络用户行为，对有关社会、经济的预测研究具有重要的理论意义和实践价值。基于近些年对在线社交网络海量用户行为数据的积累，本书尝试从个人、关系和社会的递进层次，通过一系列机器学习和网络测量等方法量化和计算用户行为，尝试理解和总结在线用户行为规律，并将用户行为应用于社会预测。本书主要研究内容和贡献如下：
　　本书系统讨论了基于用户性格的社交网络在线行为规律。性格作为驱动人类行为的主要因素，它指明了个人心理行为的异同。本书首先验证了机器学习模型可用于判断社交网络用户的性格，并将研究范围覆盖到更多更广的用户人群。其次，通过微博数据研究在我国文化背景下用户性格差异和由此产生的在线行为模式，发现我国在线社交网络中两种不同性格用户的行为模式与西方确有不同。从时空位置、购物情绪到虚拟荣誉等角度分析用户行为，在线行为的维度得到了极大丰富。这帮助本书的研究建立用户差异与行为模式之间更全面的映射，并启发在线社交网络在营销等场景中的实际应用。
　　在用户关系层面上本书验证了在线社交网络用户行为的同质性。社交网络上具有联系的好友在人类行为上表现相似。音乐相关行为作为人类日常生活的重要组成部分，研究人员很少在社交网络背景下探索此类行为，对社交网络音乐行为同质性的研究不足。本书分别利用网易云音乐和微博用户关注关系构建了社交网络，从六个角度定义和计算用户听歌相似程度。研究证实了在线社交网络的听歌行为存在同质性，并详细分析了用户人口统计学和音乐偏好特征在影响同质性方面的作用。研究还融合了相同个体在不同社交网络上的映射，发现面向专用社交网络领域的特定行为同质性，同样存在于通用社交网络。
　　预测是社交网络大数据的核心。针对在线社交网络应用，本书选择选举预测和市场预测两个重要问题进行研究。关于选举预测，本书提出历史累积选举预测模型，并融合用户权重调整和网络同质性判别。现如今，在线社交网络平台容纳了数十亿用户的海量消息，远远超过选举预测中传统调查问卷的样本量级。机器学习透过这些消息理解民意趋势并判定选民对选举候选人的意见。在此研究中，本书提出了一种基于社交网络大数据和机器学习的方法。首先建立话题标签自动标注的用户意见模型，而后分析了短期窗口预测模型失败的原因，进而提出了历史累积预测模型，并试图计算和追踪选民意见。累积预测模型可以实现追踪海量且增量的用户，并在更长的时间内追踪他们的行为和意见。同时，根据人口分布的用户权重调整和网络同质性判别后，本书的研究准确预测了实际场景下的总统选举结果。

你还可能感兴趣

我要评论