張浩飛 袁夢(mèng)宇 胡振坤

摘? 要：為更客觀、全面地了解目前大學(xué)生用戶的行為特征情況，本文從特定大學(xué)生用戶的關(guān)注和被關(guān)注關(guān)系出發(fā)爬取新浪微博大學(xué)生用戶數(shù)據(jù)并存儲(chǔ)，利用xpath庫對(duì)數(shù)據(jù)進(jìn)行解析得到大學(xué)生用戶的微博地址、微博名稱、用戶性別、用戶所在地、關(guān)注和被關(guān)注數(shù)量、粉絲數(shù)量、微博數(shù)量等信息，并對(duì)這些數(shù)據(jù)信息進(jìn)行可視化分析從而得到大學(xué)生用戶的行為特征。新浪微博作為國(guó)內(nèi)最大、最有價(jià)值的移動(dòng)社交平臺(tái)，對(duì)其大學(xué)生用戶群體進(jìn)行研究分析將有助于人們更全面地理解大學(xué)生日常網(wǎng)絡(luò)行為，有利于移動(dòng)社交平臺(tái)及時(shí)掌握大學(xué)生用戶的需求，為用戶提供更優(yōu)質(zhì)的服務(wù)，穩(wěn)定平臺(tái)客戶群。

關(guān)鍵詞：移動(dòng)社交網(wǎng)絡(luò)? 大學(xué)生用戶? 特征分析? 數(shù)據(jù)可視化分析

中圖分類號(hào)：G252;TP311.56? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1674-098X（2021）05（b）-0140-06

Analysis and Empirical Behavioral Characteristics of College Students in Mobile Social Networks

ZHANG Haofei? YUAN Mengyu? HU Zhenkun

（School of Information and Engineering， Henan Institute of Science and Technology， Xinxiang，

Henan Province， 453003? China）

Abstract： In order to understand the behavior characteristics of college students users more objectively and comprehensively， this paper climbs and stores Sina Weibo university student user data from the concern and concern relationship of specific college students users， uses xpath library to analyze the data to obtain the information of college students' micro-blogging address， MicroBlog name， user gender， user location， number of followers and followers， number of fans， number of MicroBlogs， etc.， and makes a visual analysis of the data information to obtain the behavior characteristics of college students. Sina MicroBlog， as the largest and most valuable mobile social platform in China， will help people to understand the daily network behavior of college students more comprehensively， help mobile social platform to grasp the needs of college students in a timely manner， provide users with better service and stabilize the platform customer base.

Key Words： Mobile social network; College users; Feature analysis; Data visualization analysis

隨著5G技術(shù)的不斷發(fā)展和成熟，用戶使用移動(dòng)社交網(wǎng)絡(luò)在線交流的方式發(fā)生了巨大的變化，從最初的在線留言、博客、說說等非即時(shí)通信形式到現(xiàn)在的實(shí)時(shí)音頻、實(shí)時(shí)短視頻、視頻直播、實(shí)時(shí)地理位置分享等即時(shí)通信形式，尤其是青年用戶群體更愿意使用簡(jiǎn)單易操作且節(jié)省時(shí)間的方式發(fā)布自己的動(dòng)態(tài)。在移動(dòng)社交網(wǎng)絡(luò)用戶群體中大學(xué)生用戶是其中最為活躍的用戶群體之一，他們熱衷于向同齡人展示自己的出行、用餐、就醫(yī)、聚會(huì)、購物、學(xué)習(xí)等方面的動(dòng)態(tài)信息，并從中獲取更多的關(guān)注和肯定，因此選取移動(dòng)社交網(wǎng)絡(luò)中大學(xué)生用戶作為研究分析對(duì)象將有助于平臺(tái)精準(zhǔn)定位用戶的需求，有助于高校深入了解用戶的網(wǎng)絡(luò)行為特征。

近年來，微博作為重要的社交平臺(tái)和信息傳播平臺(tái)迅速融入人們的生活。根據(jù)新浪微博在2021年3月18日發(fā)布的2020年第四季度及全年財(cái)報(bào)顯示，微博的用戶規(guī)模、活躍度和收入均實(shí)現(xiàn)高速增長(zhǎng)。截止四季度末，微博凈營(yíng)收5.134億美元，同比增長(zhǎng)10%，依據(jù)去年同期匯率計(jì)算同比增長(zhǎng)3%。2020年12月的月活躍用戶數(shù)為5.21億，較上年同期凈增約500萬。月活躍用戶數(shù)中約94%為移動(dòng)端用戶。2020年12月平均日活躍用戶數(shù)為2.25億，較上年同期凈增約300萬[1]。因此，本文以新浪微博為例，從中選取大學(xué)生用戶樣本，分析微博中大學(xué)生用戶的行為特征。

1? 國(guó)內(nèi)外研究現(xiàn)狀

隨著5G技術(shù)的出現(xiàn)和移動(dòng)社交網(wǎng)絡(luò)的進(jìn)一步飛速發(fā)展，國(guó)內(nèi)外學(xué)者也越來越重視對(duì)用戶社交行為和信息傳播影響力的分析和研究。

早在2009年國(guó)外學(xué)者就開始對(duì)用戶的社交網(wǎng)絡(luò)行為進(jìn)行研究，當(dāng)時(shí)主要是圍繞社交網(wǎng)絡(luò)中用戶之間的互動(dòng)關(guān)系和發(fā)帖行為進(jìn)行研究的，而在2011年后學(xué)者則側(cè)重于用戶的個(gè)人興趣特征偏好、個(gè)人傳播的影響力、社交行為預(yù)測(cè)等方面的研究[2-4]。國(guó)內(nèi)對(duì)移動(dòng)社交網(wǎng)絡(luò)用戶行為研究則是從2010年開始，在2013年進(jìn)入高峰期。張勝兵等人采用 Log-linear模型來擬合各個(gè)用戶特征間系數(shù)，并基于這些系數(shù)對(duì)微博用戶轉(zhuǎn)發(fā)行為形成的內(nèi)在原因進(jìn)行分析[5]。彭希羨等人以新浪微博為例，使用計(jì)量學(xué)方法，對(duì)用戶特征進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)3種類型的用戶群體之和占用戶總體的85%以上，為微博客用戶特性的深入研究提供參考依據(jù)[6]。薛飛從通信的角度出發(fā)，利用移動(dòng)通信的信令系統(tǒng)，實(shí)時(shí)識(shí)別捕捉移動(dòng)用戶呼叫記錄、上網(wǎng)信息和駐留位置等多種行為特征，通過大數(shù)據(jù)和社交網(wǎng)絡(luò)建模等技術(shù)，預(yù)測(cè)用戶發(fā)展并對(duì)用戶流失進(jìn)行提前預(yù)警[7]。丁陽通過全面分析知乎用戶的各種行為，并設(shè)計(jì)實(shí)現(xiàn)能體現(xiàn)用戶行為的影響力評(píng)價(jià)算法，可以有效識(shí)別出知乎數(shù)據(jù)中行為數(shù)據(jù)表現(xiàn)較為突出的高影響力用戶[8]。于亞新等人基于此，提出用戶-時(shí)間-活動(dòng)模型和和用戶-時(shí)間-區(qū)域模型可以深刻理解用戶行為規(guī)律;同時(shí)將服務(wù)地點(diǎn)屬性內(nèi)耦合性納入考慮提出了基于耦合和距離的矩陣分解算法，用于提高用戶個(gè)性化推薦質(zhì)量[9]。

在移動(dòng)社交網(wǎng)絡(luò)中大學(xué)生是一群比較特殊的用戶，他們?cè)谝苿?dòng)社交網(wǎng)絡(luò)中的行為特征也具有一定的特殊性，但關(guān)于這方面的研究卻很少。在早期，張雪分析了大學(xué)生群體使用社交網(wǎng)絡(luò)的行為特征，并且利用機(jī)器學(xué)習(xí)的方法構(gòu)建出大學(xué)生用戶分類器，為高校學(xué)生教育管理提供支持[10]。張輝等人利用微博中高校標(biāo)簽篩選出大學(xué)生用戶，分析了在校大學(xué)生于社交網(wǎng)絡(luò)平臺(tái)上的時(shí)間、空間方面的行為模式[11]。隨著5G技術(shù)的出現(xiàn)和迅速發(fā)展，更多大學(xué)生用戶借助音頻、短視頻、視頻直播、實(shí)時(shí)位置分享等即時(shí)通信方式分享個(gè)人動(dòng)態(tài)。大學(xué)生用戶在移動(dòng)社交網(wǎng)絡(luò)中所體現(xiàn)出的特征、表現(xiàn)出的興趣偏好及個(gè)人影響力等方面都發(fā)生了巨大的變化，因此本文將繼續(xù)研究大學(xué)生用戶在大數(shù)據(jù)背景下的移動(dòng)社交特征。

2? 微博用戶數(shù)據(jù)采集與預(yù)處理

2.1 爬取流程

網(wǎng)絡(luò)爬蟲能夠持續(xù)爬取大量數(shù)據(jù)主要是借助網(wǎng)頁之間的鏈接關(guān)系，從最初若干個(gè)網(wǎng)頁開始，獲取其中的其他網(wǎng)頁鏈接，并將其組織成一個(gè)鏈隊(duì)列，然后依次從隊(duì)列中讀取網(wǎng)頁鏈接，并不斷從網(wǎng)頁中識(shí)別新的網(wǎng)頁鏈接入隊(duì)，直至爬蟲滿足系統(tǒng)設(shè)置的結(jié)束條件時(shí)結(jié)束。本文使用Python開發(fā)的爬蟲爬取數(shù)據(jù)的流程可分為6個(gè)步驟，如下所示。

（1）設(shè)置初始網(wǎng)頁鏈接，從設(shè)置網(wǎng)頁鏈接開始爬取。

（2）根據(jù)爬取算法，首先爬取對(duì)應(yīng)鏈接中所有的網(wǎng)頁鏈接，并將鏈接地址存入鏈接列表。

（3）通過去重比較操作，去除列表中重復(fù)鏈接;同時(shí)在爬取網(wǎng)頁鏈接若發(fā)現(xiàn)新的鏈接，則將其存入鏈接列表。

（4）依次將去重后的鏈接列表的網(wǎng)頁鏈接插入到鏈接隊(duì)列和數(shù)據(jù)庫中。

（5）從鏈接隊(duì)列取出一個(gè)鏈接，轉(zhuǎn)至步驟（2）。

（6）當(dāng)爬取數(shù)量達(dá)到設(shè)定的閾值時(shí)，爬取過程結(jié)束。

2.2 數(shù)據(jù)爬取

本文從河南科技學(xué)院信息工程學(xué)院計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)4個(gè)年級(jí)的本科生中選取18位在新浪微博上的注冊(cè)用戶，且長(zhǎng)時(shí)間狀態(tài)是活躍狀態(tài)的，如經(jīng)常進(jìn)行更新微博、“@”或“被@”、參與話題討論等一些社交行為，將這18位作為大學(xué)生種子用戶數(shù)據(jù)集;然后根據(jù)大學(xué)生用戶在微博上的好友關(guān)注關(guān)系和被關(guān)注關(guān)系出發(fā)，爬取從2021年3月2日—2021年4月13日時(shí)間段內(nèi)的37115個(gè)用戶及其信息;再根據(jù)目標(biāo)頁面url的特點(diǎn)，本文采用“固定地址”+“不同數(shù)字碼”的方法來獲得所有頁面的url，并用request庫的get方法獲得原網(wǎng)頁代碼;然后利用xpath庫解析源代碼，并用正則等方法篩選出目標(biāo)數(shù)據(jù)信息;最后獲得的原始用戶數(shù)據(jù)集，包括：用戶id、用戶名、用戶性別、用戶位置、用戶所在地區(qū)、關(guān)注數(shù)、粉絲數(shù)、微博發(fā)文數(shù)、第一篇微博發(fā)文時(shí)間、用戶簡(jiǎn)介、教育信息、用戶標(biāo)簽等屬性信息。

2.3 數(shù)據(jù)預(yù)處理與存儲(chǔ)

對(duì)原始用戶數(shù)據(jù)進(jìn)行預(yù)處理，清洗掉其中的噪音數(shù)據(jù)，主要操作有去除重復(fù)的記錄、缺失值填充、修復(fù)異常值、數(shù)據(jù)轉(zhuǎn)換和標(biāo)準(zhǔn)化處理等。首先去除用戶id字段重復(fù)的記錄;再去除教育信息字段值為空的記錄;然后根據(jù)用戶發(fā)第一篇微博的時(shí)間計(jì)算用戶的博齡，并從中去除博齡值大于3年的用戶;接著從省份的角度轉(zhuǎn)換微博用戶地址，例如從原數(shù)據(jù)“北京-朝陽區(qū)”“上海-黃浦區(qū)”中拆分得到“北京”和“上?！钡葦?shù)據(jù)，最后對(duì)用戶記錄中的性別、省份等字段進(jìn)行規(guī)約處理。

將數(shù)據(jù)進(jìn)行預(yù)處理之后，利用xlrd庫和xlutils中的方法將所有數(shù)據(jù)按行存儲(chǔ)到excel表格中，如圖1所示。

3? 微博大學(xué)生用戶的識(shí)別

3.1 大學(xué)生用戶識(shí)別算法

本文采用文獻(xiàn)[12]中的聚類算法識(shí)別微博大學(xué)生用戶。首先根據(jù)相似度公式計(jì)算種子用戶與原始數(shù)據(jù)集中其他微博用戶的初始相似度，若相似度大于等于設(shè)置的閾值，則初步認(rèn)為這些用戶是大學(xué)生用戶，然后再根據(jù)識(shí)別算法對(duì)大學(xué)生用戶進(jìn)行聚類，將原始數(shù)據(jù)集分為n個(gè)子集，之后通過不斷的聚類分配，直到n個(gè)子集的中心不再變化，算法實(shí)現(xiàn)的主要步驟如下所示。

Input：微博信息系統(tǒng)WS=，其中U為大學(xué)生用戶集，分為種子用戶集U1和其他用戶集U2，A為用戶屬性集，R為用戶關(guān)系集，f為映射函數(shù)，且相似度閾值為thp。

Output：n個(gè)大學(xué)生用戶簇。

Step1：根據(jù)相似度公式計(jì)算U1所有大學(xué)生用戶到U2中任一用戶的相似度，若相似度≥thp，則將該用戶加入集合U中。

Step2：計(jì)算大學(xué)生用戶集合U中任意兩個(gè)用戶之間的相似度。

Step3：從U中選擇相似度最小的兩個(gè)用戶，并將其作為初始聚類中心，記為c1=u1和c2=u2，然后將c1和c2并入初始聚類中心集合C中。此后繼續(xù)尋找與C中用戶相似度小于thp的對(duì)象ui，將其加入至C中，直到找不到相似度小于thp的用戶為止，由此得到初始聚類中心集合C={c1，c2，…，c|c|}以及簇?cái)?shù)n=|c|。

Step4：重新計(jì)算用戶集U中各個(gè)用戶到各簇中心的相似度，將用戶分配到相似度距離最近的簇中。

Step5：計(jì)算由步驟4所生成的所有簇中所有用戶與其所在簇的中心的相似度之和J1。

Step6：計(jì)算子集中各維度的平均值作為新的簇中心。

Step7：重復(fù)步驟4。

Step8：計(jì)算新生成簇的相似度之和J2，若J1=J2，則該算法結(jié)束，輸出n個(gè)大學(xué)生用戶子集;否則轉(zhuǎn)至步驟5。

3.2 大學(xué)生用戶聚類分析

首先計(jì)算選取的18位微博大學(xué)生用戶記錄到原始數(shù)據(jù)集中其他用戶之間的初始相似度，并篩選出thp≥0.6用戶記錄，共計(jì)20601條，記為Dcu;接著以用戶的5個(gè)屬性：性別、關(guān)注數(shù)、粉絲數(shù)、是否認(rèn)證、微博創(chuàng)建時(shí)間作為分類屬性，根據(jù)上述算法對(duì)各個(gè)數(shù)據(jù)集進(jìn)行初始聚類，生成不同的初始聚類集合分別為Dgr、Dnc、Dnf、Dct、Dye;再使用上述算法對(duì)這各個(gè)聚類集合進(jìn)行多次聚類，直至每個(gè)聚類集合穩(wěn)定位置，從中將閾值>0.6的用戶記錄去除，最終得到16550個(gè)用戶記錄。不同聚類集合的基本情況如表1所示。

4? 大學(xué)生用戶特征分析

4.1 大學(xué)生用戶性別對(duì)比情況分析

根據(jù)清洗后的數(shù)據(jù)集，采用餅圖對(duì)微博的用戶的性別占比情況進(jìn)行分析，如圖2所示。由此可知新浪微博大學(xué)生用戶中男生占比約為45%，女生占比約為55%，說明在大學(xué)生用戶群體中處于活躍狀態(tài)的女生用戶數(shù)量高于男生用戶數(shù)量。

4.2 大學(xué)生用戶地域分布情況

本文采用將我國(guó)分為34個(gè)省市地區(qū)的劃分方法，包括23個(gè)省、4個(gè)直轄市、5個(gè)少數(shù)民族自治區(qū)、2個(gè)特別行政區(qū)，并以折線圖的方式比對(duì)分析我國(guó)各個(gè)地區(qū)大學(xué)生微博用戶數(shù)量，如圖3所示。

從圖3可知在新浪微博中北京地區(qū)的大學(xué)生用戶數(shù)量最多，有3526名用戶，其次是廣東，有2290名用戶;再次是上海，有1605名用戶。用戶數(shù)量較少的是西藏、澳門和內(nèi)蒙古。由此可見大學(xué)生用戶主要集中在經(jīng)濟(jì)發(fā)達(dá)的一二線城市，合計(jì)比例超過5成，而經(jīng)濟(jì)發(fā)展緩慢的地區(qū)用戶數(shù)量偏少，這說明了微博大學(xué)生用戶數(shù)量和當(dāng)?shù)氐慕?jīng)濟(jì)發(fā)展情況有密切的關(guān)系。

4.3 大學(xué)生用戶擁有不同粉絲段人數(shù)的對(duì)比分析

由于微博用戶數(shù)據(jù)量龐大，用戶與用戶之間的粉絲數(shù)量差異較大，本文采用直方圖分析微博用戶粉絲數(shù)量情況，根據(jù)數(shù)據(jù)集設(shè)定直方圖組距為210萬，如圖4所示。

由圖4可知擁有0～210萬粉絲的大學(xué)生微博用戶最多，其次是210～420萬的微博用戶，整個(gè)直方圖呈下降的趨勢(shì)，由此可以推測(cè)，粉絲數(shù)越大，大學(xué)生微博用戶數(shù)量越少，這與實(shí)際情況相符合，擁有龐大粉絲數(shù)量的只有少數(shù)微博用戶。

4.4 對(duì)微博用戶教育程度的分析

本文只分析教育程度是大學(xué)的用戶，剔除掉沒有填寫教育信息的用戶或者填寫的跟教育無關(guān)的信息，從中選出教育程度最為明顯的4300條用戶記錄進(jìn)行分析，本文采用樹形圖進(jìn)行結(jié)果展示，如圖5所示，所占面積越大，顏色越深，表示受過此教育的微博用戶數(shù)量越多。

由圖5可知教育程度是北京大學(xué)的人數(shù)最多，有90人;其次是清華大學(xué)，有63人;再次是中國(guó)傳媒大學(xué)，有56人。說明微博用戶的受教育程度較高，這為營(yíng)造良好的網(wǎng)絡(luò)環(huán)境提供了一定的基礎(chǔ)。

5? 結(jié)語

本文以新浪微博為例，以河南科技學(xué)院大學(xué)生種子用戶的關(guān)注與被關(guān)注關(guān)系出發(fā)，爬取微博大學(xué)生用戶數(shù)據(jù)信息作為樣本，經(jīng)過預(yù)處理后從性別、地區(qū)、粉絲數(shù)和受教育程度等方面對(duì)微博用戶數(shù)據(jù)進(jìn)行的特征分析。數(shù)據(jù)結(jié)果表明，從用戶的性別角度來看，女生用戶數(shù)量略高于男生用戶數(shù)量，說明微博男女生用戶數(shù)量較為平衡;從地區(qū)的角度來看，經(jīng)濟(jì)發(fā)達(dá)地區(qū)的省份大學(xué)生微博用戶更多，而那些經(jīng)濟(jì)發(fā)展緩慢的地區(qū)使用微博的大學(xué)生數(shù)量較少，說明微博的使用與地區(qū)的經(jīng)濟(jì)發(fā)展情況和高校地域分布情況都有一定的關(guān)系;從粉絲數(shù)量分布的角度來看，粉絲數(shù)量越大，微博用戶數(shù)量越少，與實(shí)際情況相符合，微博大部分用戶的粉絲數(shù)量較少，擁有龐大粉絲數(shù)量的只有少數(shù)微博用戶;從用戶受教育程度角度來看，北京、清華大學(xué)、中國(guó)傳媒大學(xué)等名校占居高位，說明微博用戶的受教育程度較高，這為營(yíng)造良好的網(wǎng)絡(luò)環(huán)境提供了一定的基礎(chǔ)。

參考文獻(xiàn)

[1] 新浪微博.2020年第四季度及全年財(cái)報(bào)[EB/OL].http：//finance.sina.com.cn/stock/usstock/c/2021-03-18/doc-ikkntiam4887520.shtml？source=cj&dv=1&source=hfquote&wm=3049_0005494002016.

[2] Mican Daniel，SitarT?utDanAndrei，Mihu?IoanaSorina. User Behavior on Online Social Networks： Relationships among Social Activities and Satisfaction[J]. Symmetry， 2020， 12（10） ： 1656-1656.

[3] Hongxia Wang. Research on User Behavior with Collaborative Recommendation Based on Social Network[J]. Journal of Physics： Conference Series， 2020，1575（1）：012133.

[4] XuYongshun，Liu Yuan，Zhang Xiaoshuang. Analysis of social network user behaviour and its influence[J]. Journal of Intelligent & Fuzzy Systems，2020，38（2）：1159-1171.

[5] 張勝兵，蔡皖東.用戶關(guān)系特征對(duì)微博轉(zhuǎn)發(fā)行為影響分析研究[J].計(jì)算機(jī)工程與應(yīng)用，2014，50（11）：11-16，20.

[6] 彭希羨，朱慶華，劉璇.微博客用戶特征分析及分類研究——以“新浪微博”為例[J].情報(bào)科學(xué)，2015，33（1）：69-75.

[7] 薛飛.基于用戶行為特征的移動(dòng)社交網(wǎng)絡(luò)分析與應(yīng)用[J].移動(dòng)通信，2017，41（23）：79-83.

[8] 丁陽.基于用戶行為的社交網(wǎng)絡(luò)用戶影響力評(píng)價(jià)[D].大連：大連海事大學(xué)，2019.

[9] 于亞新，劉夢(mèng)，張宏宇.Twitter社交網(wǎng)絡(luò)用戶行為理解及個(gè)性化服務(wù)推薦算法研究[J].計(jì)算機(jī)研究與發(fā)展，2020，57（7）：1369-1380.

[10] 張雪.微博上大學(xué)生用戶特征分析與識(shí)別研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2014.

[11] 張輝，劉成.基于微博的在校大學(xué)生用戶行為分析[J].信息安全與通信保密，2016（9）：90-96，101.

[12] 王全蕊，張浩飛，袁夢(mèng)宇.大數(shù)據(jù)背景下移動(dòng)社交網(wǎng)絡(luò)中大學(xué)生用戶信息泄露的研究分析[J].現(xiàn)代計(jì)算機(jī)，2020（26）：21-26.