社交網(wǎng)絡(luò)中的用戶行為分析

肖麗媛

【摘 要】社交網(wǎng)絡(luò)的發(fā)展成為目前社會發(fā)展的一種常態(tài)，成為人與人之間交流互動、娛樂休閑的平臺。網(wǎng)絡(luò)平臺逐漸成為人們生活中重要的工具。用戶是組成這個平臺的核心，對用戶在網(wǎng)絡(luò)平臺上的種種行為進行分析是深入認識社交網(wǎng)絡(luò)運行的重要起始點和關(guān)鍵價值之一。因此，對社交網(wǎng)絡(luò)中用戶行為的研究十分必要。

【Abstract】The development of social networks has become a normal state of social development. Social networks have become a platform for interaction， entertainment and leisure among people. Network platforms have gradually become an important tool in people's lives. Users are the core of this platform. The analysis of users' behaviors on the network platform is one of the important starting points and key values for understanding the operation of social networks. Therefore， research on user behavior in social networks is necessary.

【關(guān)鍵詞】社交;網(wǎng)絡(luò)平臺;用戶行為

【Keywords】social; network platform; user behavior

【中圖分類號】TP393? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標(biāo)志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2019）08-0115-02

1 引言

在互聯(lián)網(wǎng)技術(shù)快速發(fā)展的推動下，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的數(shù)據(jù)支持。通過對社交網(wǎng)絡(luò)進行分析，一方面可以分析網(wǎng)絡(luò)中用戶的不同行為和特點，另一方面可以挖掘出隱含的信息。在對用戶進行分析的時候，要從最基本的關(guān)注、評論、主頁訪問等互動功能方面分析，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。分析點對應(yīng)相關(guān)的圖節(jié)點度分布、聚類系數(shù)、路徑長度、強連通分支。節(jié)點度對應(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)點的聚類系數(shù)大。路徑長度與六度分割理論想相關(guān)聯(lián)，即真實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，點贊、評論、關(guān)注這些都是用戶在微觀上對社交網(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)平臺的運營提供理論支持。例如，開發(fā)流的應(yīng)用和維護升級服務(wù)等。從大學(xué)生使用的主流社交網(wǎng)絡(luò)QQ、微博、微信等平臺功能的使用上來看，發(fā)現(xiàn)最常用的社交功能有主頁查看、日志、狀態(tài)、相冊、分享等。對社交用戶單個個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，所以對用戶功能活動分析十分重要。目前，對社交網(wǎng)絡(luò)行為的分析涵蓋了用戶互相訪問的內(nèi)容、訪問的動機和訪問內(nèi)容。分析出用戶產(chǎn)生交互行為的三大動機，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)計量特征提取法

Chi-square statisitic即CHI的概念來自Contingency Table Test，這種方式對于t、c的關(guān)聯(lián)能夠給出明確的表示。在運用這種方法的時候，要對照理論值和實驗值，在此基礎(chǔ)上充分探究存在的差異，在識別網(wǎng)絡(luò)用戶時，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)律計算，檢驗最終的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的時候，兩者屬于獨立的關(guān)系，當(dāng)X2（t、c）不等于0的時候，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，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)計算法常見于評估工作，主要是評估一個字、文件或是重要程度。如果需要評估的字詞出現(xiàn)的次數(shù)多則顯示文章就更重要，在語料庫出現(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，顯示在同一個網(wǎng)頁中的詞匯頻率是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”這個詞的查詢無效，即停止詞，可以不考慮這個詞的度量相關(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

tf i（d）進行計算。

4 結(jié)語

TF-IDE算法能夠很好地體現(xiàn)出相關(guān)的用戶行為特征，操作容易簡便，但是仍需要不斷更新算法，因為這種傳統(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網(wǎng)絡(luò)用戶進行分析，進而分析網(wǎng)絡(luò)用戶的行為特征，使用特定的詞匯對網(wǎng)絡(luò)用戶進行分類，采用TF-IDE算法進行加權(quán)運算。但是這種分析方法存在一定的不足，需要不斷更新、改進和完善，在以后的分析研究中，不斷提高數(shù)據(jù)的準(zhǔn)確性。

【參考文獻】

【1】海昕.社交網(wǎng)絡(luò)中的用戶行為分析[J].軟件，2017（02）：55-58.

【2】李新煥，趙應(yīng)丁.社交網(wǎng)絡(luò)中用戶行為分析研究[J].計算機時代，2017（6）：29-31.