基于序列模式挖掘社交网络用户行为分析.docVIP

基于序列模式挖掘社交网络用户行为分析 　　〔摘 要〕针对SNS用户行为存在序列性这个特点，文章提出了一种SNS用户行为分析模型。模型以SNS群体用户为研究对象，引入序列模式挖掘的方法实现用户行为分析，最终获得用户的频繁行为序列模式。文章应用实例对该模型进行了可行性验证，并对未来研究进行展望。 　　〔关键词〕社交网络；社群发现；行为分析；序列模式 　　随着在Web2.0技术的迅速发展，社交网络备受关注，它为广大用户提供了一个交流平台，通过这个社交平台，用户可以将现实交际网络化，找到拥有相同兴趣爱好的朋友圈。面对不同行业背景下涌现出的各种社交网络，掌握用户的兴趣变化和行为趋势能够帮助商家制定商业策略，及时更换适合用户的新产品，增强商业竞争力。对社交网络用户行为进行分析可以了解用户的行为特点和兴趣变化。目前关于社交网络用户行为的分析研究，主要集中在3个方面：（1）应用马尔科夫链分析预测用户行为。Sarukkai运用马尔科夫链进行访问路径分析和链接预测，根据用户访问记录，计算出网页间的转移概率，作为分析用户行为的依据[1]。王实等提出了一种基于隐马尔科夫模型的兴趣迁移模式发现方法，通过分析用户迁移模式间的关联规则来发现用户行为特征和兴趣迁移变化[2]。（2）通过研究影响用户行为变化的因素，分析用户行为特征。Anagnostopoulos等通过研究社会影响力，找出了社交网络用户行为的变化原因，并在此基础上分析用户行为变化趋势[3]。Goyal等人通过研究，解决如何从用户的历史记录里学习影响的概率，并得到分析预测结果[4]。史学敏通过研究时区差异对社交网络用户行为的影响，发现社交网络用户行为呈现时区特性，以此建立了用户行为模型[5]。（3）借助统计方法分析用户行为。从统计学角度，对日志数据项进行简单的统计分析，得到用户访问频率高的网页。目前绝大多数商用免费分析工具都属于此类。由于用户访问状态是动态时变的，采用固定阶数的Markov链模型并不能准确地对用户的访问行为建模；而通过研究影响因素进行用户行为分析，只考虑了外部环境变化对行为的影响，忽略了社交用户行为本身所具有的特征，而这???内在特征对分析过程具有重要影响。在上述问题的基础上，本文提出了采用序列模式挖掘的方法实现社交网络用户行为分析。把握社交网络用户行为呈现序列特征这一重要特点，应用序列模式挖掘方法提取用户行为的频繁序列，分析用户行为特征。这种方法能够有效地提取出用户访问的序列规则，使得分析结果更加准确，弥补其他分析方法的不足。 　　1 相关理论研究 　　1.1 社交网络社交网络源于英文SNS（SocialNetworkService），是指人和人之间通过兴趣爱好、交易、人际脉络等关系建立起来的社会网络结构，它能够反映真实的社会关系发展，并促进交往活动的形成，使得人们的活动与网站所提供的功能融为一体。社交网络的构成要素有节点、关系和用户群。节点是网络中的个体，也称社交网络的参与者；关系是指节点与节点之间的连接，是参与者基于朋友关系或共同兴趣建立起来的；用户群是指在一部分节点为了某些共同目的而组成的群落，是关系的一种部分聚合体。一个社交网络用户隶属于不同的用户群，这些群落中的成员有些是该用户在实际生活中的朋友，有些则互不相识，由于具有共同兴趣和目的隶属于同一群体，社交网络结构如图1所示。社交网络使用户拓展了交际，找到了更多交流对象。 　　图1 社交网络结构示意图 　　2013年3月第33卷第3期现？代？情？报Journal of Modern InformationMar.，2013Vol.33 No.32013年3月第33卷第3期基于序列模式挖掘的社交网络用户行为分析Mar.，2013Vol.33 No.31.2 基于社交群体的用户行为社交网络的核心是“以人为本”，提供各种社交应用满足用户需求。目前社交网站提供的应用包括游戏、搜索、交友、邮件、聊天、电子商务等。用户对诸多社交应用的使用称之为社交网络用户行为，如图2所示。 　　图2 社交网络用户行为示意图 在现实生活中，人们是以群体生活方式聚集在一起，人们之间的行为习惯相互影响、相互作用。虚拟世界中，用户群是社交网络的重要组成部分。群体代表了社交网络中的社会活动，对群体的深入研究可以了解社交网络中知识信息及其组织结构的发展状况，也有利于商家准确地找到客户。将社交网络信息以群体的形式组织，为信息查询分析提供了有效和便捷的途径。所以本文以社交网络群体为研究背景，通过获得目标群体中用户的行为记录进行分析。 　　2 社交网络用户行为分析模型调查分析表明，用户对社交网站的使用行为具有序列特征。比如，很多用户在浏览视频后会进行视频评论或发表日志记录心得，使用游戏功能的用户会应用电子商务功能。用户的这些行为反映了他们的需求和行