劉 宇

（重慶工程職業(yè)技術(shù)學(xué)院，重慶 402260）

基于社交網(wǎng)絡(luò)用戶特征的數(shù)據(jù)挖掘研究

劉 宇

（重慶工程職業(yè)技術(shù)學(xué)院，重慶 402260）

隨著網(wǎng)絡(luò)與移動(dòng)通訊的發(fā)展，人們的社交關(guān)系與網(wǎng)絡(luò)銜接越來越緊密。本文對(duì)互聯(lián)網(wǎng)社交網(wǎng)絡(luò)用戶特征進(jìn)行分析，分析社交網(wǎng)絡(luò)群體結(jié)構(gòu)、用戶影響力、用戶活躍度，從用戶特征權(quán)重的角度進(jìn)行預(yù)測(cè)算法研究，建立社交網(wǎng)絡(luò)用戶特征的數(shù)據(jù)挖掘模型，利用蒙特卡羅仿真方法，實(shí)現(xiàn)對(duì)社交網(wǎng)絡(luò)用戶特征數(shù)據(jù)的加工與利用。

社交網(wǎng)絡(luò)；用戶特征；數(shù)據(jù)挖掘

1．引言

互聯(lián)網(wǎng)技術(shù)與移動(dòng)通信技術(shù)的發(fā)展改變了人們傳統(tǒng)的社交方式，微博、微信等越來越普及。對(duì)于社交網(wǎng)絡(luò)信息數(shù)據(jù)的挖掘，研究用戶的生活規(guī)律與興趣偏好，對(duì)于信息的個(gè)性化推薦及企業(yè)發(fā)展方向具有非常重要的現(xiàn)實(shí)意義。

2．互聯(lián)網(wǎng)社交網(wǎng)絡(luò)用戶特征分析

2．1 群體結(jié)構(gòu)

在社交網(wǎng)絡(luò)中，大多數(shù)為普通用戶，其朋友圈和粉絲數(shù)量會(huì)隨著用戶網(wǎng)絡(luò)社交的時(shí)間遞增。新加入社交網(wǎng)絡(luò)的用戶會(huì)選擇自己感興趣的好友進(jìn)行關(guān)注，老用戶會(huì)不斷維護(hù)自己的朋友圈。若將社交網(wǎng)絡(luò)中話題的發(fā)起者設(shè)為初始，則其朋友圈接收信息的人群為1階用戶，1階用戶的朋友圈為2階用戶，2階用戶的朋友圈為3階用戶，以此類推用戶群體結(jié)構(gòu)隨著時(shí)間的遞增，結(jié)構(gòu)呈樹形拓?fù)洌ヂ?lián)網(wǎng)社交網(wǎng)絡(luò)用戶群體信息傳播結(jié)構(gòu)如圖1所示：

圖1 社交網(wǎng)絡(luò)用戶群體信息傳播流程

2．2 用戶影響力

在社交網(wǎng)絡(luò)中，不同用戶因?yàn)槠湓诠婎I(lǐng)域、行業(yè)領(lǐng)域、區(qū)域團(tuán)體等的角色不同，用戶的影響力也不同。在社交網(wǎng)絡(luò)中，如微博，社交用戶的友好關(guān)系是單向和雙向協(xié)同的，即A用戶添加B為關(guān)注對(duì)象，B中的好友名單中不會(huì)出現(xiàn)A，A如果也添加B為關(guān)注對(duì)象，則AB信息交互是雙向的。在微博中用戶可分為認(rèn)證用戶和普通用戶，認(rèn)證用戶在某一領(lǐng)域具有較高的辨識(shí)度，具有較高的粉絲數(shù)量，這也標(biāo)志這用戶微博信息的受眾數(shù)量多，微博的轉(zhuǎn)發(fā)率也就高。

2．3 用戶活躍度

用戶在社交網(wǎng)絡(luò)中的活躍度是信息傳播的重要因素。用戶的活躍度根據(jù)用戶在一定時(shí)間范圍內(nèi)發(fā)送微博數(shù)量T、轉(zhuǎn)發(fā)微博數(shù)量R，提及數(shù)量M構(gòu)成，用戶活躍度特征W=(a+b)其中，t為設(shè)定時(shí)間范圍，a，b表示用戶歷史微博信息的平均回復(fù)率和平均轉(zhuǎn)發(fā)率。

3．社交網(wǎng)絡(luò)用戶特征權(quán)重分析算法

3．1 用戶權(quán)重排序

社交網(wǎng)絡(luò)是通過互聯(lián)網(wǎng)進(jìn)行人與人之間的溝通與互動(dòng)，用戶特征關(guān)系的權(quán)重分析，可基于HITS算法的節(jié)點(diǎn)權(quán)重進(jìn)行分析，根據(jù)HITS算法原理，每一個(gè)互聯(lián)網(wǎng)中的頁面存在兩個(gè)值：hub值與authority值。網(wǎng)頁的hub值由該頁面所指向的所有網(wǎng)頁的authority值構(gòu)成；網(wǎng)頁的authority值由指向該頁面的所有網(wǎng)頁hub值構(gòu)成。在互聯(lián)網(wǎng)中，具有較高權(quán)值的網(wǎng)頁更傾向于與其它髙權(quán)威網(wǎng)頁相互連接，即：如果網(wǎng)絡(luò)中有大量具有高權(quán)威性的網(wǎng)頁同時(shí)指向某一未知網(wǎng)頁，那么該未知網(wǎng)頁將有很高的可能性也為高權(quán)重網(wǎng)頁。得社交網(wǎng)絡(luò)用戶權(quán)重計(jì)算為用戶i所指向好友j的數(shù)量，由此可得一個(gè)用戶所連接的好友越多，則其傳遞給每個(gè)好友的權(quán)重值越小。

3．2 用戶個(gè)性推薦

社交網(wǎng)絡(luò)中關(guān)注好友的日志、微博、圖片、狀態(tài)等信息均以推送的形式發(fā)送至相關(guān)用戶主頁，這種推送模式在強(qiáng)化了用戶信息交互的同時(shí)，也給使用者帶來了信息風(fēng)暴的沖擊，因此社交網(wǎng)絡(luò)中的個(gè)性化推薦算法將對(duì)提高用戶體驗(yàn)與信息交互質(zhì)量產(chǎn)生重大的影響。

用戶個(gè)性化推薦算法中，推薦的主體是經(jīng)過短文本聚類的微博話題。根據(jù)NBI算法推薦思想用于微博推薦時(shí)，若用戶A發(fā)布了關(guān)于話題a的微博，同時(shí)用戶B發(fā)布的微博話題中也包含了話題a的微博信息，那么用戶A與B之間通過話題a形成了一條網(wǎng)絡(luò)拓?fù)溥B接關(guān)系：A-a-B?；谟脩籼卣鞯腘BI推薦算法：

其中Si，t表示一條來自用戶j發(fā)出的微博t，對(duì)于用戶i的推薦評(píng)分。為微博t的作者j對(duì)于目標(biāo)用戶/的歸一化用戶影響力特征。Rij為用戶i與用戶j交互關(guān)系。f'(xt)為推薦評(píng)分的影響。

3．3 用戶層次聚類

社交網(wǎng)絡(luò)微博中具有大量粉絲的明星用戶通常只具有少量的好友數(shù)目，而且這些好友通常也具有很高的粉絲數(shù)或本身就是明星，這些用戶的微博往往具有很高的回復(fù)與轉(zhuǎn)發(fā)率。也有一些用戶，如媒體或廣告，他們同時(shí)擁有較高的粉絲數(shù)量和好友人數(shù)，但這些用戶所發(fā)布的微博通常只為特定產(chǎn)品或品牌服務(wù)的，而這些微博也不會(huì)被廣泛關(guān)注。通過微博用戶的分析可以得到規(guī)律：如果一個(gè)高權(quán)重用戶所關(guān)注的好友越多，那么關(guān)注的每個(gè)用戶將越不重要；反之如果關(guān)注的好友越少，那么關(guān)注的每個(gè)用戶將越重要。

用戶層次聚類算法設(shè)用戶的j為用戶i的粉絲，F(xiàn)j為用戶j的粉絲數(shù)量，nj為用戶j的好友數(shù)量，得：

根據(jù)HITS算法將節(jié)點(diǎn)的hub權(quán)重與authority權(quán)重統(tǒng)一為單一authority權(quán)值，其中authority權(quán)值由指向該節(jié)點(diǎn)的所有鄰居節(jié)點(diǎn)入度比出度值累加獲得。于是，本文提出的用戶影響力模型由用戶粉絲數(shù)量與粉絲質(zhì)量加權(quán)組成：

第一部分Ni代表用戶i的粉絲數(shù)量；第二部分為用戶每一位粉絲對(duì)用戶影響力的貢獻(xiàn)之和，即粉絲質(zhì)量；參數(shù)μ用于調(diào)節(jié)兩部分的權(quán)重。

4．基于社交網(wǎng)絡(luò)用戶特征的數(shù)據(jù)挖掘模型

4．1 數(shù)據(jù)集說明

本文社交網(wǎng)絡(luò)用戶特征分析數(shù)據(jù)采用新浪微博用戶進(jìn)行采集分析，用戶特征分類通過用戶共同好友關(guān)系及用戶標(biāo)簽信息等的相似度進(jìn)行描述，用戶標(biāo)簽信息具有衡量用戶興趣偏好的重要特征，標(biāo)簽信息有廣泛性的標(biāo)簽譬如：“電影”、“韓劇”、“笑話”等，也有專向性的譬如：“iphone6”、“金融”、“搏擊”等。衡量標(biāo)簽權(quán)重是社交網(wǎng)絡(luò)用戶共性的標(biāo)準(zhǔn)，如果用戶特征相似度越低則標(biāo)簽權(quán)重越大，如果用戶特征相似度越高則標(biāo)簽權(quán)重越小。

4．2 用戶特征相似度模型

建立用戶特征相似度模型，設(shè)m表示采集涉及網(wǎng)絡(luò)用戶數(shù)量，top-n表示用戶某一特征相似度模型計(jì)算排名處于前n位的用戶信息，此時(shí)，用戶i與用戶j存在的關(guān)系表示為Rij=1，不存在的關(guān)系表示為Rij=0。得用戶特征相似度模型為：

4．3 網(wǎng)絡(luò)拓?fù)潢P(guān)系預(yù)測(cè)模型

社交網(wǎng)絡(luò)用戶傳播信息過程中，用戶在t0時(shí)間發(fā)布一條信息，該用戶的所有粉絲是否會(huì)在t1時(shí)刻轉(zhuǎn)發(fā)這條信息，粉絲的粉絲是否會(huì)在t2時(shí)刻轉(zhuǎn)發(fā)這條信息，成為網(wǎng)絡(luò)社交的拓?fù)浣Y(jié)構(gòu)關(guān)系。由此，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)關(guān)系預(yù)測(cè)根據(jù)蒙特卡羅仿真模型在每隔一定的時(shí)間間隔Δt對(duì)各節(jié)點(diǎn)進(jìn)行隨機(jī)取樣，如果隨機(jī)取樣概率小于節(jié)點(diǎn)先驗(yàn)概率則認(rèn)為該節(jié)點(diǎn)將觸發(fā)某一事件，并將與該節(jié)點(diǎn)相連的鄰居節(jié)點(diǎn)加入到下一個(gè)Δt的隨機(jī)取樣過程中。隨機(jī)過程直到若干時(shí)間間隔后沒有新的節(jié)點(diǎn)觸發(fā)事件結(jié)束仿真，此時(shí)網(wǎng)絡(luò)中該事件被觸發(fā)的節(jié)點(diǎn)總數(shù)為在社交網(wǎng)絡(luò)發(fā)布者的首次接收用戶取樣過程在0與1之間均勻取出一個(gè)隨機(jī)數(shù)，記為rand(t1)，同時(shí)該用戶存在對(duì)該條信息是否進(jìn)行傳播的先驗(yàn)概率prior(t1)，網(wǎng)絡(luò)中其粉絲被稱為1階用戶，每一個(gè)用戶根據(jù)自身興趣，對(duì)每一條信息選擇是否傳播的先驗(yàn)概率均不同。若在t1時(shí)刻，某1階用戶的隨機(jī)取樣結(jié)果小于其對(duì)于該信息的先驗(yàn)概率，即rand(t1)＜prior(t1)則認(rèn)為該用戶會(huì)轉(zhuǎn)發(fā)這條微博。于是將該用戶的所有粉絲即2階用戶，加入時(shí)刻的用戶傳播分析，以同樣蒙特卡羅隨機(jī)過程進(jìn)行決策分析與仿真，并以此類推。

5．結(jié)語

在社交網(wǎng)絡(luò)中，數(shù)據(jù)特征種類豐富，信息量大，用戶的特征性較為鮮明，基于社交網(wǎng)絡(luò)用戶特征的數(shù)據(jù)挖掘?qū)τ脩羧后w結(jié)構(gòu)、影響力、活躍度進(jìn)行研究，分析用戶特征權(quán)重，建立用戶特征數(shù)據(jù)挖掘模型，研究用戶特征相似度模型和網(wǎng)絡(luò)拓?fù)潢P(guān)系預(yù)測(cè)模型。在社交趨于網(wǎng)絡(luò)化的今天，社交圈蘊(yùn)含著大量的具有潛在價(jià)值的數(shù)據(jù)，對(duì)于這些數(shù)據(jù)的挖掘?qū)ヂ?lián)網(wǎng)行業(yè)的發(fā)展、企業(yè)網(wǎng)絡(luò)推廣于信息傳播具有非常重要的實(shí)際價(jià)值。

[1]黃成維．面向社交網(wǎng)絡(luò)用戶商業(yè)價(jià)值細(xì)分的數(shù)據(jù)挖掘模型[J]．旅游縱覽(行業(yè)版)，2012，(01)．

[2]楊瑞仙，李露琪．基于社交網(wǎng)絡(luò)的個(gè)性化知識(shí)服務(wù)模型研究[J]．新世紀(jì)圖書館，2014，(09)．

[3]王連喜，蔣盛益，龐觀松等．微博用戶關(guān)系挖掘研究綜述[J]．情報(bào)雜志，2012，(12)．

[4]朱彥杰．基于社交圈的在線社交網(wǎng)絡(luò)朋友推薦算法[J]．科技視界，2014，(09)．

[5]蔡孟松，李學(xué)明，尹衍騰．基于社交用戶標(biāo)簽的混合top-N推薦方法[J]．計(jì)算機(jī)應(yīng)用研究，2013，(05)．

Data Mining Based on the Features of Social Network Users

Liu Yu
(Chongqing Vocational Institute of Engineering,Chongqing 402260)

With the development of network and mobile communication,people’s social relationships in the network converge more closely.This paper analyzes the features of the Internet social network users,analyzes the group structure,user influence,user activity in social networking.The prediction algorithm is studied from the users feature weight,to establish the data mining model of social network user features.Monte Carlo simulation method is used to process the social network user features data.

social network;user features;data mining

劉宇，男，重慶人，博士研究生，研究方向：安全監(jiān)測(cè)監(jiān)控方面的研究。