〔摘 要〕針對SNS用戶行為存在序列性這個特點(diǎn)，文章提出了一種SNS用戶行為分析模型。模型以SNS群體用戶為研究對象，引入序列模式挖掘的方法實(shí)現(xiàn)用戶行為分析，最終獲得用戶的頻繁行為序列模式。文章應(yīng)用實(shí)例對該模型進(jìn)行了可行性驗證，并對未來研究進(jìn)行展望。

〔關(guān)鍵詞〕社交網(wǎng)絡(luò)；社群發(fā)現(xiàn)；行為分析；序列模式

隨著在Web2.0技術(shù)的迅速發(fā)展，社交網(wǎng)絡(luò)備受關(guān)注，它為廣大用戶提供了一個交流平臺，通過這個社交平臺，用戶可以將現(xiàn)實(shí)交際網(wǎng)絡(luò)化，找到擁有相同興趣愛好的朋友圈。面對不同行業(yè)背景下涌現(xiàn)出的各種社交網(wǎng)絡(luò)，掌握用戶的興趣變化和行為趨勢能夠幫助商家制定商業(yè)策略，及時更換適合用戶的新產(chǎn)品，增強(qiáng)商業(yè)競爭力。對社交網(wǎng)絡(luò)用戶行為進(jìn)行分析可以了解用戶的行為特點(diǎn)和興趣變化。目前關(guān)于社交網(wǎng)絡(luò)用戶行為的分析研究，主要集中在3個方面：（1）應(yīng)用馬爾科夫鏈分析預(yù)測用戶行為。Sarukkai運(yùn)用馬爾科夫鏈進(jìn)行訪問路徑分析和鏈接預(yù)測，根據(jù)用戶訪問記錄，計算出網(wǎng)頁間的轉(zhuǎn)移概率，作為分析用戶行為的依據(jù)[1]。王實(shí)等提出了一種基于隱馬爾科夫模型的興趣遷移模式發(fā)現(xiàn)方法，通過分析用戶遷移模式間的關(guān)聯(lián)規(guī)則來發(fā)現(xiàn)用戶行為特征和興趣遷移變化[2]。（2）通過研究影響用戶行為變化的因素，分析用戶行為特征。Anagnostopoulos等通過研究社會影響力，找出了社交網(wǎng)絡(luò)用戶行為的變化原因，并在此基礎(chǔ)上分析用戶行為變化趨勢[3]。Goyal等人通過研究，解決如何從用戶的歷史記錄里學(xué)習(xí)影響的概率，并得到分析預(yù)測結(jié)果[4]。史學(xué)敏通過研究時區(qū)差異對社交網(wǎng)絡(luò)用戶行為的影響，發(fā)現(xiàn)社交網(wǎng)絡(luò)用戶行為呈現(xiàn)時區(qū)特性，以此建立了用戶行為模型[5]。（3）借助統(tǒng)計方法分析用戶行為。從統(tǒng)計學(xué)角度，對日志數(shù)據(jù)項進(jìn)行簡單的統(tǒng)計分析，得到用戶訪問頻率高的網(wǎng)頁。目前絕大多數(shù)商用免費(fèi)分析工具都屬于此類。由于用戶訪問狀態(tài)是動態(tài)時變的，采用固定階數(shù)的Markov鏈模型并不能準(zhǔn)確地對用戶的訪問行為建模；而通過研究影響因素進(jìn)行用戶行為分析，只考慮了外部環(huán)境變化對行為的影響，忽略了社交用戶行為本身所具有的特征，而這種內(nèi)在特征對分析過程具有重要影響。在上述問題的基礎(chǔ)上，本文提出了采用序列模式挖掘的方法實(shí)現(xiàn)社交網(wǎng)絡(luò)用戶行為分析。把握社交網(wǎng)絡(luò)用戶行為呈現(xiàn)序列特征這一重要特點(diǎn)，應(yīng)用序列模式挖掘方法提取用戶行為的頻繁序列，分析用戶行為特征。這種方法能夠有效地提取出用戶訪問的序列規(guī)則，使得分析結(jié)果更加準(zhǔn)確，彌補(bǔ)其他分析方法的不足。

1 相關(guān)理論研究

1.1 社交網(wǎng)絡(luò)社交網(wǎng)絡(luò)源于英文SNS（SocialNetworkService），是指人和人之間通過興趣愛好、交易、人際脈絡(luò)等關(guān)系建立起來的社會網(wǎng)絡(luò)結(jié)構(gòu)，它能夠反映真實(shí)的社會關(guān)系發(fā)展，并促進(jìn)交往活動的形成，使得人們的活動與網(wǎng)站所提供的功能融為一體。社交網(wǎng)絡(luò)的構(gòu)成要素有節(jié)點(diǎn)、關(guān)系和用戶群。節(jié)點(diǎn)是網(wǎng)絡(luò)中的個體，也稱社交網(wǎng)絡(luò)的參與者；關(guān)系是指節(jié)點(diǎn)與節(jié)點(diǎn)之間的連接，是參與者基于朋友關(guān)系或共同興趣建立起來的；用戶群是指在一部分節(jié)點(diǎn)為了某些共同目的而組成的群落，是關(guān)系的一種部分聚合體。一個社交網(wǎng)絡(luò)用戶隸屬于不同的用戶群，這些群落中的成員有些是該用戶在實(shí)際生活中的朋友，有些則互不相識，由于具有共同興趣和目的隸屬于同一群體，社交網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。社交網(wǎng)絡(luò)使用戶拓展了交際，找到了更多交流對象。

圖1 社交網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2013年3月第33卷第3期現(xiàn)？代？情？報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網(wǎng)絡(luò)用戶行為分析Mar.，2013Vol.33 No.31.2 基于社交群體的用戶行為社交網(wǎng)絡(luò)的核心是“以人為本”，提供各種社交應(yīng)用滿足用戶需求。目前社交網(wǎng)站提供的應(yīng)用包括游戲、搜索、交友、郵件、聊天、電子商務(wù)等。用戶對諸多社交應(yīng)用的使用稱之為社交網(wǎng)絡(luò)用戶行為，如圖2所示。

圖2 社交網(wǎng)絡(luò)用戶行為示意圖 在現(xiàn)實(shí)生活中，人們是以群體生活方式聚集在一起，人們之間的行為習(xí)慣相互影響、相互作用。虛擬世界中，用戶群是社交網(wǎng)絡(luò)的重要組成部分。群體代表了社交網(wǎng)絡(luò)中的社會活動，對群體的深入研究可以了解社交網(wǎng)絡(luò)中知識信息及其組織結(jié)構(gòu)的發(fā)展?fàn)顩r，也有利于商家準(zhǔn)確地找到客戶。將社交網(wǎng)絡(luò)信息以群體的形式組織，為信息查詢分析提供了有效和便捷的途徑。所以本文以社交網(wǎng)絡(luò)群體為研究背景，通過獲得目標(biāo)群體中用戶的行為記錄進(jìn)行分析。

2 社交網(wǎng)絡(luò)用戶行為分析模型調(diào)查分析表明，用戶對社交網(wǎng)站的使用行為具有序列特征。比如，很多用戶在瀏覽視頻后會進(jìn)行視頻評論或發(fā)表日志記錄心得，使用游戲功能的用戶會應(yīng)用電子商務(wù)功能。用戶的這些行為反映了他們的需求和行為規(guī)律，使用戶行為產(chǎn)生明顯的序列特征。所以本文在結(jié)合SNS結(jié)構(gòu)特征的基礎(chǔ)上，提出了基于序列模式挖掘[6-7]的社交網(wǎng)絡(luò)用戶行為分析模型，如圖3所示。該模型主要分為提取事務(wù)集、序列模式挖掘和模式分析3個模塊。其中，提取用戶事務(wù)集模塊是該模型的基礎(chǔ)，主要任務(wù)是選取與挖掘目標(biāo)相關(guān)的社交網(wǎng)絡(luò)用戶行為信息，并對其進(jìn)行數(shù)據(jù)預(yù)處理，生成供挖掘使用的行為事務(wù)集；序列模式挖掘模塊的主要任務(wù)是利用序列模式挖掘算法從用戶行為事務(wù)集中提煉出頻繁序列；模式分析模塊的任務(wù)是根據(jù)用戶的行為特點(diǎn)查找到與之匹配的頻繁序列，形成用戶偏好視圖，然后制定出合理的發(fā)展策略。

3 提取用戶事務(wù)集模塊提取事務(wù)集模塊分為兩個階段，數(shù)據(jù)采集和數(shù)據(jù)預(yù)處理。數(shù)據(jù)采集的任務(wù)是通過響應(yīng)方式完成原始數(shù)據(jù)的獲取，而由于原始數(shù)據(jù)具有不完整和不規(guī)則特性，需要通過數(shù)據(jù)預(yù)處理對其進(jìn)行清洗和處理，以便適用于之后的工作。

3.1 數(shù)據(jù)采集目前數(shù)據(jù)采集的主要途徑有兩個：（1）基于服務(wù)器日志的數(shù)據(jù)采集。服務(wù)器日志文件是圖3 SNS用戶行為分析模型圖

用來記錄web服務(wù)器活動的一種重要工具，主要通過Web服務(wù)日志文件中記錄的客戶端HTTP請求的相關(guān)信息，實(shí)現(xiàn)對用戶訪問行為數(shù)據(jù)的統(tǒng)計。服務(wù)器日志文件提供了詳細(xì)的客戶和服務(wù)器的交互活動日志。（2）客戶端數(shù)據(jù)采集方式。這種方法直接從客戶端獲得數(shù)據(jù)，能夠獲得大量的難以從服務(wù)器端獲得的用戶行為數(shù)據(jù)?？梢岳肑avaApplet技術(shù)、JavaScript技術(shù)和網(wǎng)頁跟蹤幀技術(shù)實(shí)現(xiàn)客戶端數(shù)據(jù)采集。以學(xué)校動漫社交網(wǎng)站為研究背景，選取該社交網(wǎng)站用戶在一個月中的行為數(shù)據(jù)進(jìn)行分析，網(wǎng)站注冊人數(shù)為15300人，當(dāng)月參與人數(shù)約為2150人。首先通過Web日志獲取用戶行為數(shù)據(jù)，共采集到6473條記錄。

3.2 數(shù)據(jù)預(yù)處理該階段的主要工作是根據(jù)不同的業(yè)務(wù)和需求，從海量原始數(shù)據(jù)中抽取所需要的數(shù)據(jù)，并對不完整的數(shù)據(jù)做相應(yīng)的處理，以適應(yīng)挖掘分析。它包括數(shù)據(jù)清洗、用戶識別、會話識別、事務(wù)識別等幾個步驟[8]。（1）數(shù)據(jù)清洗主要解決原始數(shù)據(jù)中出現(xiàn)的冗余信息，錯誤信息以及與分析不相關(guān)的用戶行為數(shù)據(jù)。由于機(jī)器故障、人工疏忽等導(dǎo)致記錄缺失和輸入錯誤，對于這些數(shù)據(jù)要進(jìn)行刪除。序列模式挖掘的目的是獲得用戶行為的序列模式，對那些沒有顯示請求的文件并不關(guān)心，所以需要檢查URL后綴，刪除不相關(guān)數(shù)據(jù)。當(dāng)用戶請求某一個網(wǎng)頁時，相關(guān)的圖片、視頻等信息會自動下載，并記錄在日志中，這些文件對研究的意義不大，所以要將其刪除。如果一個站點(diǎn)的主要內(nèi)容是圖形信息，那么日志中的圖形文件就可能代表了用戶的顯示請求，所以面對這種情況時就不能刪除圖片文件。除了記錄刪減外，還要對屬性進(jìn)行刪減。例如，我們關(guān)注的信息是：用戶使用了哪些應(yīng)用功能，在網(wǎng)站及不同網(wǎng)頁的駐留時間長度，所以只需要保留與其相關(guān)的日志信息即可，而像用戶年齡、身份、登錄地點(diǎn)等不相關(guān)的屬性信息就可以刪除。（2）用戶識別是指識別出訪問網(wǎng)站的每一個用戶。不同的用戶可以在同一時間段內(nèi)通過一個代理訪問Web服務(wù)器，同一個用戶也可能通過不同的機(jī)器，或不同的瀏覽器訪問Web服務(wù)器；而當(dāng)不同用戶使用同一臺計算機(jī)瀏覽某一站點(diǎn)時也會造成混淆。為此，通常采用以下方法來識別用戶：①以IP地址為區(qū)分標(biāo)識的匿名訪問者。②在用戶允許Cookie的情況下，以CookielD作為用戶表示。③提供注冊功能，通過用戶的注冊ID進(jìn)行識別。（3）用戶會話[9]指的是用戶對服務(wù)器的一次有效訪問。根據(jù)用戶訪問的頁面可以獲得其在網(wǎng)站中的瀏覽行為和瀏覽興趣。日志中不同用戶訪問的頁面屬于不同的會話?？梢酝ㄟ^設(shè)置一個時間跨度值將用戶的訪問記錄分成多個會話，如果用戶訪問頁面的時間差超過了這個值，則認(rèn)為用戶開始了一個新的會話。會話識別的目的就是將用戶的訪問記錄分為單個的會話。（4）事務(wù)識別是在用戶會話對于某些挖掘算法而言粒度太粗的情況下進(jìn)行，此時需要利用分割算法將它轉(zhuǎn)化為更小的事務(wù)，以適應(yīng)于特定知識的發(fā)現(xiàn)。最常用的事務(wù)識別方法是最大向前引用路徑（MaximalForwardReferencePath）方法[10-11]。根據(jù)上述流程對采集的Web日志數(shù)據(jù)進(jìn)