本文關鍵詞：基于網絡結構的在線社交網絡用戶行為研究，由筆耕文化傳播整理發(fā)布。

【摘要】：在線社交平臺聚集著大量的網絡用戶,并不斷的滲透到日常生活中�；ヂ�(lián)網的高速發(fā)展,引發(fā)了眾多學者對社交行為的關注,并且已經擴展到各個平臺。在線社交網絡即人們通過好友等形式在網絡上建立社會關系,并且通過節(jié)點和節(jié)點之間的邊連接一種社會結構圖。社會網絡分析法就是對社會網絡的關系結構或者屬性進行分析,行動者可以是人、社區(qū)或者群體等,他們之間的關系能夠反映出一定的現(xiàn)象或者數(shù)據(jù)。社交網絡分析已經成為一種非常重要的研究方法,涉及到的學科和領域非常的廣泛,例如:數(shù)據(jù)挖掘、數(shù)據(jù)可視化、統(tǒng)計分析、信息傳播等。本文選取了兩大最具代表性的在線社交網絡平臺——新浪和QQ,借助于這兩大平臺進行網絡結構性質分析和用戶行為研究,最后根據(jù)實際獲取的數(shù)據(jù)討論在線社交網絡的結構與行為變化的相互作用和影響。本文第一章為緒論,介紹了研究課題的背景、意義以及在線社交網絡國內外的研究現(xiàn)狀。第二章分析了社交網絡的基本理論,主要包括社交網絡的基本的理論和定義,網絡結構的特點以及用戶行為的分析等,為后面的介紹打下堅實的理論基礎。第三章至第五章是本文的核心內容。第三章分析社交網絡的整體結構性質和用戶行為,通過獲取的新浪微博和QQ社交網絡的數(shù)據(jù),以用戶之間的關注關系通過Pajek軟件構建網絡,挖掘網絡中的整體結構性質和行為特點,并得到有效的行為規(guī)律,為第五章分析提供基礎數(shù)據(jù)。第四章針對節(jié)點中心性排序算法的不足,從網絡結構的角度提出新的節(jié)點中心性算法,并結合各個指標驗證算法的準確性和有效性。在節(jié)點中心性算法基礎上提出邊中心性排序算法,對于網絡中的邊進行排序,并驗證算法的正確性。第五章分析網絡中結構指標和行為指標的相互關系,運用線性的方法在MATLAB進行擬合,得出網絡度在一定程度上決定用戶行為的重要結論。第六章是對文章的總結和展望,對整個文章的內容進行了梳理,同時給出了文章中存在的不足以及進一步需要深入解決的問題。本文利用數(shù)據(jù)可視化方法將網絡數(shù)據(jù)以圖形的方式展現(xiàn),并建立相關模型定量描述用戶行為,采用SPSS、Excel等數(shù)據(jù)統(tǒng)計工具,對搜集的數(shù)據(jù)進行整理分析,從多個角度探索各個變量之間的內在規(guī)律,最后利用假設檢驗的方法探索各個變量之間的關系。本文共有以下幾個創(chuàng)新點:一是提出了基于網絡結構的節(jié)點中心性算法和邊中心性算法,并驗證算法的準確性和有效性;二是獲取微博的用戶行為指標并進行量化,基于數(shù)據(jù)統(tǒng)計的方法進行行為指標分析;三是利用假設檢驗的方法探索各個指標之間的相互關系,并得出有效的結論。
【關鍵詞】：網絡結構 用戶行為 在線社交網絡 中心性
【學位授予單位】：山東師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F713.55;F49
【目錄】：

• 摘要6-8
• Abstract8-10
• 第一章 緒論10-15
• 1.1 研究背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.3 本文研究的內容13-14
• 1.4 論文的基本框架14-15
• 第二章 在線社交網絡基本理論研究15-18
• 2.1 在線社交網絡理論基礎15-16
• 2.1.1 六度分割理論15
• 2.1.2 鄧巴數(shù)字15
• 2.1.3 中心性分析15-16
• 2.1.4 強關系和弱關系16
• 2.2 在線社交網絡行為理論基礎16-18
• 2.2.1 基于社會理論的行為研究16-17
• 2.2.2 基于網絡外部性的行為研究17-18
• 第三章 在線社交網絡整體結構與行為分析18-37
• 3.1 在線社交網絡結構特點18-27
• 3.1.1 可視化分析18-20
• 3.1.2 度分布20-21
• 3.1.3 社團結構研究21-27
• 3.2 在線社交網絡用戶行為分析27-36
• 3.2.1 新浪微博分析27-28
• 3.2.2 新浪微博數(shù)據(jù)收集28
• 3.2.3 新浪微博用戶行為分析28-33
• 3.2.4 微博用戶行為分類33-36
• 3.3 本章小結36-37
• 第四章 在線社交網絡局部結構研究37-51
• 4.1 算法相關準備37-38
• 4.2 節(jié)點中心性算法的優(yōu)化38-41
• 4.2.1 算法優(yōu)化思想38-40
• 4.2.2 算法設計40-41
• 4.2.3 算法收斂性證明41
• 4.3 節(jié)點中心性算法結果分析41-46
• 4.3.1 μ 值的確定42-43
• 4.3.2 中心性排序結果對比43-44
• 4.3.3 算法精度分析44-45
• 4.3.4 時間復雜性分析45-46
• 4.4 基于節(jié)點的邊中心性排序算法46-50
• 4.4.1 算法思想46-47
• 4.4.2 算法準確性分析47-49
• 4.4.3 邊和節(jié)點排序結果對比49-50
• 4.5 小結50-51
• 第五章 在線社交網絡結構與行為相互變化的作用和影響51-65
• 5.1 整體結構和行為的相互作用和影響51-62
• 5.1.1 行為和度的分布51-53
• 5.1.2 度對行為的影響53-59
• 5.1.3 行為對度的影響59-62
• 5.2 局部結構和行為的相互作用和影響62-64
• 5.2.1 局部結構指標對魯棒性的影響62-64
• 5.2.2 魯棒性對節(jié)點中心性的影響64
• 5.3 小結64-65
• 第六章 總結與展望65-67
• 6.1 總結65-66
• 6.2 進一步研究工作66-67
• 參考文獻67-71
• 攻讀碩士期間發(fā)表的學術論文和參加科研情況71-72
• 致謝72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 吳聯(lián)仁;閆強;;Modeling Dynamic Evolution of Online Friendship Network[J];Communications in Theoretical Physics;2012年10期

2 樊鵬翼;王暉;姜志宏;李沛;;微博網絡測量研究[J];計算機研究與發(fā)展;2012年04期

3 楊小朋;何躍;;騰訊微博用戶的特征分析[J];情報雜志;2012年03期

4 何黎;何躍;霍葉青;;微博用戶特征分析和核心用戶挖掘[J];情報理論與實踐;2011年11期

5 韓筱璞;周濤;汪秉宏;;基于自適應調節(jié)的人類動力學模型[J];復雜系統(tǒng)與復雜性科學;2007年04期

  本文關鍵詞：基于網絡結構的在線社交網絡用戶行為研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：298184