社交协作行为中的用户建模及其应用研究计算机应用技术专业论文.docxVIP

摘要摘要 摘要 摘要 近年来，随着社会网络(SocialNetwork)平台的飞速发展，以及社交元素与 各种新兴应用的高度融合，各类社交服务在规模上呈现出前所未有的增长态势。 这些服务在满足了用户在社会交际、信息分享等诸多方面的需求同时，也在推动 社会网络自身类型和内涵上的深刻变革，并催生了更加丰富、多样的社交协作行 为的出现。一方面，传统的基于真实熟人关系的社交网络正在逐步向基于内容和 兴趣的“陌生人社交模式发展，另一方面，基于社交传播的信息分享方式正在 逐步取代传统的权威信息源的“广播”发布方式。正因如此，深入分析来自于新 型社交网络平台上的用户社交协作行为数据，能够为开发更好的商务智能应用 与服务提供关键决策支持，具有重要的研究与应用价值。基于上述背景，本文开 展了针对社交协作行为中用户建模及其应用的一系列探索性研究，针对用户所 产生的大量社交协作行为数据所带来的机遇与挑战，从用户兴趣建模、用户决策 分析，以及社交学习的后续效应三个层面开展了面向商务环境下实际应用问题 的研究工作，并分别提出了基于主题敏感互动的用户兴趣建模及其社交媒体标 注应用、基于动态社交影响的用户决策分析及其社交活动参与预测应用、基于潜 在社交关系挖掘的社交学习机制研究及其行为模式演变预测应用三个新颖的研 究问题，从而形成了理论探索与应用检验相结合的研究体系。具体而言，本文的 主要研究贡献如下： 第一，通过分析社交媒体用户之间就具有特定主题的的媒体信息分享行为 (即主题敏感的分享行为)，提出了一种新的用户共同兴趣画像方法，以描述用户 在不同社交场合下所表现出的不同兴趣偏好，并进而帮助实现社交媒体文件自 动化标注的智能服务。针对传统工作局限于个人用户分析，未能将用户还原于完 整的社交互动场景下这一缺陷，定义了一种新的基于共同兴趣的信息传播行为， 并将目标用户群就某一社交媒体信息所产生的分享、互动行为表征为用户之间 的共同兴趣和媒体文件自身的主题特征共同作用下的最大似然结果，从而提出 了“基于共同兴趣的信息传播最大化”问题，并基于其两种不同优化目标，设计 了一种全新的用户共同兴趣画像及其应用的两阶段框架。在此框架下，首先，基 于历史分享行为的最大化重现，准确挖掘社交用户所具有的共同兴趣：其次，将 基于训练得到的共同兴趣，对有待标注的测试样本所发生的分享行为进行最大 化覆盖，通过贪心算法实现对于测试样本的自动化标注。最后，在一个真实世界 的数据集上进行了实验，并进行了相关的案例分析，结果显示本章工作所提出的 新方法能够在媒体标注任务上普遍优于各种对比方法，尤其是在对于冷门标签 的挖掘上表现出了相当突出的效果，从而体现出社交行为在用户兴趣画像中的 巨大潜力。在此基础之上，针对这一算法所面临的时间开支较大的问题，通过分 析社交媒体中的主题敏感分享行为所具有的局部稠密性特征，提出了一种新的 T 万方数据 摘要基于子图特征描述的排序学习方法，在保证媒体标注准确性的情况下，时间开支 摘要 基于子图特征描述的排序学习方法，在保证媒体标注准确性的情况下，时间开支 下降至少一个数量级，保证了本章工作的实用性。 第二，通过研究用户决策行为过程中的动态社交影响，提出了一种新的用户 决策分析方法，并结合线下活动的应用场景，以用户参与活动的决策行为实现了 验证和讨论。针对传统工作或仅依赖个人用户历史行为分析，而忽略社交因素在 决策中的影响，或仅考虑用户的静态社交特征所产生的影响，而将社交关系视作 特征或约束等加以分析，从而既难以体现网络结构全貌及影响的传递性，又无法 实时捕捉网络结构的演化和社交影响的波动的缺陷，定义了一种新的动态社交 影响过程，从而体现出了用户之间影响的相互依赖性和“反应链特质，并将这 一过程所施加的影响融入阈值函数的计算之中，而将传统的用户兴趣及对实际 开支的容忍程度融入偏好函数的计算中，从而将用户的决策过程转化为了一个 新的判别函数，并基于这一判别函数，提出了相应的两阶段判别框架，从而实现 了用户个人偏好、对真实开支的容忍度和用户的动态社交影响的综合建模。基于 真实世界数据集的大量实验及案例分析表明，本章工作所提出的新方法能够在 用户决策的预测分析上普遍优于代表当前领先水平的对比方法，部分指标甚至 达到对比方法的数倍以上，从而体现出社交影响尤其是动态社交影响因素对于 用户决策分析的重要作用。 第三，围绕社交网络中存在的知识与技能的分享现象，通过研究用户基于社 交网络信息渠道的社交学习行为，提出了一种新的用户行为演化建模和预测方 法，从而以社交影响的角度，更有效地解释用户行为模式所发生的变化。针对传 统社交传播分析仅考虑一次性的、无后续影响的传播过程，而对于社交影响的长 远效果缺乏针对性和建模能力这一缺陷，借助并衍生社交传播的相关建模手段， 将社交学习机制引入