肖麗媛

（西北大學(xué)信息科學(xué)與技術(shù)學(xué)院，西安710217）

1 引言

在互聯(lián)網(wǎng)技術(shù)快速發(fā)展的推動(dòng)下，社交網(wǎng)站的出現(xiàn)和發(fā)展為社交網(wǎng)絡(luò)用戶行為的分析提供了更加詳細(xì)的數(shù)據(jù)支持。通過對(duì)社交網(wǎng)絡(luò)進(jìn)行分析，一方面可以分析網(wǎng)絡(luò)中用戶的不同行為和特點(diǎn)，另一方面可以挖掘出隱含的信息。在對(duì)用戶進(jìn)行分析的時(shí)候，要從最基本的關(guān)注、評(píng)論、主頁(yè)訪問等互動(dòng)功能方面分析，還要結(jié)合社交網(wǎng)絡(luò)圖的性質(zhì)、活躍用戶圖等進(jìn)行分析。

2 社交網(wǎng)絡(luò)中用戶分析的主要內(nèi)容

2.1 社交網(wǎng)絡(luò)結(jié)構(gòu)用戶行為分析

社交網(wǎng)絡(luò)結(jié)構(gòu)可以直觀地表示用戶社交行為的主要特征。分析點(diǎn)對(duì)應(yīng)相關(guān)的圖節(jié)點(diǎn)度分布、聚類系數(shù)、路徑長(zhǎng)度、強(qiáng)連通分支。節(jié)點(diǎn)度對(duì)應(yīng)好友列表的數(shù)量分布，比如微博和Twitter 有向圖的出度和入度表示了粉絲和關(guān)注人的數(shù)量。聚類系數(shù)的取值在1～0，局部性質(zhì)顯示網(wǎng)絡(luò)用戶的聚集程度。而社交網(wǎng)絡(luò)中不同的社交圈和社交圈在罕見的相關(guān)節(jié)點(diǎn)的聚類系數(shù)大。路徑長(zhǎng)度與六度分割理論想相關(guān)聯(lián)，即真實(shí)世界中的任意兩人可以通過不超過六次社交關(guān)系的跳轉(zhuǎn)建立聯(lián)系[1]。

2.2 社交網(wǎng)絡(luò)功能用戶行為分析

用戶行為是社交網(wǎng)絡(luò)的核心，點(diǎn)贊、評(píng)論、關(guān)注這些都是用戶在微觀上對(duì)社交網(wǎng)絡(luò)使用功能的反應(yīng)。通過分析可以深入了解分析用戶的特征，為社交網(wǎng)絡(luò)平臺(tái)的運(yùn)營(yíng)提供理論支持。例如，開發(fā)流的應(yīng)用和維護(hù)升級(jí)服務(wù)等。從大學(xué)生使用的主流社交網(wǎng)絡(luò)QQ、微博、微信等平臺(tái)功能的使用上來看，發(fā)現(xiàn)最常用的社交功能有主頁(yè)查看、日志、狀態(tài)、相冊(cè)、分享等。對(duì)社交用戶單個(gè)個(gè)體的分析的局限性在于用戶的單向交互行為，不能全部地展示用戶之間的交互，所以對(duì)用戶功能活動(dòng)分析十分重要。目前，對(duì)社交網(wǎng)絡(luò)行為的分析涵蓋了用戶互相訪問的內(nèi)容、訪問的動(dòng)機(jī)和訪問內(nèi)容。分析出用戶產(chǎn)生交互行為的三大動(dòng)機(jī)，即用戶之間的聯(lián)系、協(xié)同創(chuàng)造信息、分享信息。

3 社交網(wǎng)絡(luò)用戶分析算法

3.1 卡方統(tǒng)計(jì)量特征提取法

Chi-square statisitic 即CHI 的概念來自Contingency Table Test，這種方式對(duì)于t、c 的關(guān)聯(lián)能夠給出明確的表示。在運(yùn)用這種方法的時(shí)候，要對(duì)照理論值和實(shí)驗(yàn)值，在此基礎(chǔ)上充分探究存在的差異，在識(shí)別網(wǎng)絡(luò)用戶時(shí)，c 代替永不，而t 是代替yoghurt 的特征。t 與c 的關(guān)系是滿足CHI 分布的，使用數(shù)學(xué)規(guī)律計(jì)算，檢驗(yàn)最終的CHI 是否成正比。相關(guān)程度高則數(shù)值大，卡方統(tǒng)計(jì)量可以由以下的方式來表示，如X2（t、c）=（AD-BC）2（A+B）（C+D），其中A、B、C 表示不同的樣本數(shù)，在這四個(gè)樣本之中，AC 表示用戶c，AB 則表示特征t，CHI 表示X2（t、c）意味著用戶c 與t 之間的關(guān)聯(lián)程度。當(dāng)X2（t、c）等于0 的時(shí)候，兩者屬于獨(dú)立的關(guān)系，當(dāng)X2（t、c）不等于0 的時(shí)候，兩者之間有關(guān)系，關(guān)聯(lián)性的程度隨著X2（t、c）增大而更強(qiáng)，因此，X2（t、c）的大小決定了特征和用戶之間的關(guān)系[2]。

3.2 TF-IDE算法

TF-IDE算法這種統(tǒng)計(jì)算法常見于評(píng)估工作，主要是評(píng)估一個(gè)字、文件或是重要程度。如果需要評(píng)估的字詞出現(xiàn)的次數(shù)多則顯示文章就更重要，在語(yǔ)料庫(kù)出現(xiàn)的頻率與出現(xiàn)的次數(shù)有很大的關(guān)系。TF-IDE算法主要包含兩個(gè)方面，term frequency 即TF，假設(shè)N 為需要查詢的關(guān)鍵詞，W1、W2 直到Wn，顯示在同一個(gè)網(wǎng)頁(yè)中的詞匯頻率是TF1、TF2直到TFn，那么最終的結(jié)果就是TF1+TF2+……TFn。但是需要注意的是term frequency 即單文本詞匯的漏洞，例如，“北郵的學(xué)生”這個(gè)詞的查詢無效，即停止詞，可以不考慮這個(gè)詞的度量相關(guān)性。另一方面是inverse document frequency 即IDF，逆文本詞匯，在信息檢索的過程中使用的權(quán)重最多就是IDF，利用IDF 來加權(quán)求和，即TF1×IDF1+TF2 ×IDF2+……TFn ×IDFn;其中TF-IDE 算法的經(jīng)典計(jì)算方式為weighTF-IDF（ti）=TF ti×IDF ti=tfi（d）×log（n+1/N），值得注意的是TFti表示ti 在文檔d 中的頻率TF，所以用tfi(d)進(jìn)行計(jì)算。

4 結(jié)語(yǔ)

TF-IDE算法能夠很好地體現(xiàn)出相關(guān)的用戶行為特征，操作容易簡(jiǎn)便，但是仍需要不斷更新算法，因?yàn)檫@種傳統(tǒng)的算法在特定的算法中存在缺陷。可以使用信息檢索的方式來對(duì)網(wǎng)絡(luò)用戶進(jìn)行分析，進(jìn)而分析網(wǎng)絡(luò)用戶的行為特征，使用特定的詞匯對(duì)網(wǎng)絡(luò)用戶進(jìn)行分類，采用TF-IDE 算法進(jìn)行加權(quán)運(yùn)算。但是這種分析方法存在一定的不足，需要不斷更新、改進(jìn)和完善，在以后的分析研究中，不斷提高數(shù)據(jù)的準(zhǔn)確性。