基于用户社会属性及行为特征吸引度微博粉丝网络演化模型.docVIP

基于用户社会属性及行为特征吸引度微博粉丝网络演化模型 　　摘 要：分析用户社会属性和行为特征对微博粉丝网络演化的影响，提出一种基于用户社会属性及行为特征吸引度的微博粉丝网络演化模型SBPAF。模型引入社会属性吸引度及行为特征吸引度概念，依据吸引度优先连接的原则和第二跳连接原则增边，并引入边消亡过程，从而精确刻画现实微博粉丝网络演化过程。模型中的参数能够进行灵活调整，可以得到不同微博粉丝网络的仿真拓扑。仿真结果验证了SBPAF模型的合理性和有效性。 　　关键词：微博粉丝网络；社会属性；行为特征；吸引度；网络演化；拓扑属性 　　0 引言 　　国内外学者围绕在线社交网络的拓扑结构、形成机制及演化规律等开展了各种系统研究，并取得了丰硕的成果。Kumar等[1]采用网络快照的方法，对博客网络的连接生长模式进行了研究，分析了博客结构的聚合性和网络结构的演进过程。Fu等[2]采集了Xiaonei网络数据，对其拓扑结构属性进行了深入研究，揭示了在线社交网络的自组织性。文献[3]提出了一种通用的大规模社交网络演化模型，该模型能很好地仿真出社交网络的分层结构。Yu等[4]分析了豆瓣社区中朋友关系形成的原因。近年来，人们又将关注的焦点转移到新型社会媒体――微博网络，分别从度分布、度相关性、聚类系数、平均半径、中心度、同质性等多个方面对粉丝网络的拓扑结构进行研究[7-12]，发现微博粉丝网络与传统社交网络在很多拓扑特征属性上存在差异。Kwak等[7]发现Twitter粉丝网络的入度并不完全服从幂律分布，当粉丝数量超过106以后会出现重尾分布。樊鹏翼等[12]发现新浪微博粉丝网络的节点出度分布表现为分段幂律函数，出度和入度之间不存在相关性。用现有社交网络拓扑演化模型仿真微博粉丝网络，均不能获得理想的仿真结果。 　　研究粉丝网络的拓扑结构、理解其演化机制，并建立演化模型，不仅能更好地认识和理解诸多因素对微博粉丝网络演化过程的影响，而且有助于对其网络拓扑特征的内在成因进行剖析，同时也能微博消息传播、微博社区发现、微博影响力、微博网络监控等方面的研究提供重要的依据和仿真基础。目前微博粉丝网络演化模型方面的研究刚刚引起学术界的重视。Yin等[13]通过收集的Twitter数据，发现了微博网络中老节点之间产生新边的生长模式，Twitter网络中91.78%的新边都是由节点与其邻居的邻居连接产生的，即为第二跳连接，只有少数新边的节点跨度超过两跳；Mitsuhiro等[14]提出了文本消耗的问题，它将会导致已存在关注关系的消亡。文献[15-16]就微博粉丝之间的连接成因问题进行了较为详细的研究，并且提出了连接建立的预测算法。总而言之，现有的研究还不够系统，尚未提出完整的微博粉丝网络演化模型。 　　本文在分析微博粉丝网络拓扑结果特征、发展特点及规律基础上，发现微博用户的行为特征和社会属性是影响粉丝关系拓扑演化的两个重要因素，借鉴陶少华等[6]提出的基于吸引因子的无尺度网络演化模型，首次提出了一种基于用户社会属性和行为特征吸引度的微博粉丝网络演化模型SBPAF（users’ Social characteristics and Behavior Properties Attractive Factorbased microblog fans network evolving model）。模型中提出了通过用户行为特征和社会特征具体刻画节点吸引力的方法，并且结合实际微博粉丝网络的演化特征，综合考虑了多种影响网络演化的因素。仿真结果说明，SBPAF模型仿真的网络在拓扑属性特征方面与实际的数据相契合，能更好地描述真实微博粉丝网络的演化过程。 　　1 微博粉丝网络拓扑建模 　　微博粉丝网络是指微博用户之间由关注与被关注关系建立起来的关系网络，本文简称为粉丝网络。粉丝网络可以形式化定义为一个有向图：G=（V，E）。其中：节点集合V代表微博用户，节点之间的有向边E：V*V，代表了用户之间的关注关系，边的方向代表了用户之间关注行为的方向。图1是由8个节点组成的粉丝网络拓扑结构示意图。 　　2 SBPAF粉丝网络演化模型算法 　　在微博粉丝网络中，节点的连接与增长率并不仅仅依赖节点进入网络的时间长短。经常会出现“一夜成名”的用户，他们可以在短时间内获得大量的粉丝连接，超过那些注册时间很久的早期用户。这说明在粉丝网络中，有些节点能以更高的速率获得连接数量。基于粉丝网络的这一特征，在设计粉丝网络演化模型时参考吸引因子的无尺度网络演化模型[6]，充分考虑节点对其他节点的吸引因素。 　　2.1 用户社会属性和行为特征吸引度 　　定义能够准确刻画微博粉丝网络用户吸引力的具体指标，是建立演化模型首先需要解决的问题。由于微博粉丝网络是由用户的关注与被关注行为产生的，而用户的社会属性和行为特征是驱动