[发明专利]动态社会网络用户行为的预测方法

说明书

技术领域

本发明涉及互联网技术领域，特别涉及一种动态社会网络用户行为的预测方法。

背景技术

随着互联网的普及和Web 2.0时代的来临，许多大规模的在线社会网络都取得了巨大的成功，比如Facebook，MySpace，Ning和Twitter。其中，Facebook已经有了4亿的活跃用户，如果当作一个国家的话，已经成为世界上第三大的国家。越来越多的关注使得社会网络的研究成为了一个非常热门的研究课题。来自各个学科的研究者都对社会网络表现出浓厚的兴趣。这些学科包括数学，生物，物理，计算机和社会学等等。过去很多研究都集中在社会网络的宏观层面，比如图中节点度的分布，图的直径，聚类因子，群组结构和小世界效应。然而，这些方法并没有为动态社会网络微观层面的研究提供太多的帮助。

对动态社会网络中的用户行为建模与预测是重要的问题，不仅需要通过各种计算机技术手段分析用户行为的特点，还要通过先进的技术对用户行为进行准确的建模和预测。准确地预测用户的行为可以帮助很多应用。宏观层面，可以预测社会网络中完成某行为的用户比例。这对于民意调查和企业的市场分析是至关重要的。微观层面，可以预测单个用户将来的行为，从而了解每个用户行为乃至心理的变化过程，推动用户分析进入更加深入的阶段。另外，用户动态行为建模直接的应用还有预测好友关系，从而预测社会网络的变化趋势。总之，研究社会网络中的用户行为是社会网络研究的重要环节。

社会网络中用户的动态行为会受到各种各样复杂而微妙的因素所影响。这是社会学中公认的事实。比如，过去的社会学研究关注了朋友间的强弱联系如何影响人们的行为。Granovetter等分析了社会网络中的弱联系对于人们行为的影响，并发现弱联系在找工作的过程中起了非常重要的作用。而Krackhardt等分析了强联系对于人们的影响，主要分析的是在社团演化的过程中强联系所起到的作用。除了朋友行为所带来的影响，用户自己的属性和历史记录也会影响到将来的行为。

社会网络相关的研究已经取得了一些成果，目前的相关工作可以主要按以下三个方面划分：动态社会网络分析，社会影响力分析和群组行为分析。在动态社会网络分析研究方面，Sarkar和Moore提出了一个隐空间模型来分析社会网络的动态变化。Yang等提出了一个动态随机块模型来分析群组以及群组在动态社会网络中的变化模式。Scripps等的研究更加深入，探讨了属性变化对于动态社会网络分析的影响。该研究的焦点集中在属性和朋友关系的影响上，主要贡献包括：他们研究了不同的预处理决定和不同的网络力量(如选择和影响)如何影响动态社会网络的建模，并通过实验验证一些建模过程中假设的正确性，进一步地，研究了边和属性在动态网络中的相互影响；在社会影响力分析研究方面，又可以分为两个方面：定性分析和定量分析。定性分析的主要工作集中在验证社会影响确实存在，并结合社会学的理论去分析在线的社会网络是否具有类似的性质，如：Anagnostopoulos等试图验证和理解社会影响力，将社会网络中用户行为趋同的现象归结为三个原因(即共性、环境因素和影响)。而定量分析则试图分析社会影响的强弱，分析社会网络中不同用户之间影响的差异性，如：Tang等提出了Topical Affinity Propagation(TAP)模型来衡量社会网络中话题级别的社会影响力，希望能发现不同人之间在不同话题上不同的影响力。又如，Goyal等提出模型来计算用户影响的概率，希望通过用户的历史行为来学习影响发生的概率，并提出用户影响概率和行为影响概率的概念；在群组行为分析研究方面，其基于的想法是如果用户加入群组是经过认真考虑的，群组行为可以带来深入而长久的变化。这样一个群组中的成员将反映社会中更广泛的范式。关于群组行为分析的研究集中在群组成员与其他群组成员关系的强弱，以及一个更好的将个人和其所在群组，家庭，社会网络联系起来的方法。研究成果包括：Shi等研究了用户参加群组行为的模型。在线的论坛代表了一种重要的社会媒体。Tang和Liu采用关系学习的方法来解决数据样例间的相关性，利用网络中部分标注过的用户，来预测其他用户的群组信息。

发明内容

(一)要解决的技术问题

本发明要解决的技术问题是：如何从微观层面对社会网络中用户动态行为进行建模和预测，并能够使其满足社会网络复杂性和处理大规模数据的需求。

(二)技术方案

一种动态社会网络用户行为的预测方法，包括以下步骤：

S1：从社会影响力、时间相关性和网络相关性方面对动态社会网络的用户行为进行概率统计分析；