基于复合网的微博用户的行为特征的研究

《基于复合网的微博用户的行为特征的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、青岛大学硕士学位论文1．2基于复杂网络的微博网络拓扑性质研究动态国内学者对国外复杂网络理论研究的介绍最早始于汪小帆(2002)发表在国外杂志上的一篇文章【4J，文中回顾了近年来国外复杂网络研究所取得的重要成果，其中包括平均路径长度【引、聚集系数【5】、度分布【6】等网络度量，Intemet、WWW和科学合作网络【7J等现实系统，规则网络、随机网络、小世界网络、无标度网络等网络模型峭J，以及复杂网络上的同步等。而在国内刊物上对国外复杂网络理论研究的介绍可追溯到朱涵(2003)在《物理》杂志上发表的“网络‘建筑学”’，文章以小世界、集团化和无标度等概念为中心，介绍了复杂网络的研究

2、进展【91。之后，吴金闪等从统计物理学的角度总结了复杂网络的主要研究结果，对无向网络、有向网络和加权网络等三种不同网络统计性质研究的现状分别作了综述，对规则网络、完全随机网络、小世界网络和无标度网络等网络机制模型进行了总结，并对网络演化的统计规律、网络上的动力学性质的研究进行了概括【10】。周涛[2】等(2005)围绕小世界效应和无标度特性等复杂网络的统计特征及复杂网络上的物理过程等问题，概述了复杂网络的研究进展。刘涛等从平均路径长度【11】、聚集系数【121、度分布【121等复杂网络的统计性质，小世界网络和无标度网络等网络模型等层【13】。目前国内关于复杂网络的应用研究主要

3、涉及信息网络、社会、经济管理等领域。王曼等在论述已有工作的基础上，构建了一个Intemet的复杂网络模型【14】，对病毒的传播行为进行了仿真研究，结果表明，构建的网络模型真实地反映了Intemet的特性，通过对某些参数的调整，病毒传播可以得到有效控制【”】。复杂网络的两个重要特性是小世界和无标度【16】，对于微博网络的拓扑结构【17】，学者们也大都从这两个方面进行研究。AkshayJava等人从微博网络的增长、度分布、用户地域分布等方面对twiaer进行了分析【l引。Teutle设定出入度的增长、网络密度和介数等参数来描述微博网络的变化【191。通过对世界上最大的微博Twit

4、ter上的52亿个结点分析，发现Twitter上任意两个微博用户之间连接所需的中间人数量仅为5个，84．86％的微博用户的中间人数量是5或者小于5【201。国内康树龙通过对获取的微博上的200862个节点进行分析得出，平均出度和入度分别为21．64和21．63，这表明微博网络具有无尺度特性【2¨。康树龙还通过Paiek分析得出网络的聚类系数为O．26，网络直径为15，平均路径长度为7．8，符合小世界特性【19】。赵文兵以腾讯微博为例，定量分析了用户关注数、被关注数、博文数三者两两之间的相关性，用户发表博文数符合“二八法则”【221。微博节点中心性分析节点“中心性”【23】是指

5、微博中的某一节点在网络中居于怎样的地位，对信息在整个网络中的传播有多大的影响作用。微博网络的中心性研究从微博出现就已开始【241，国内外研究人员已提出许多2第1章引言关于衡量网络中节点中心性的方法，但到目前还没有得出一致的结论【25J。网络中最具影响力节点的评价指标126J主要有：度(degree)、中心度(k—shell)、介数(betweenness)和其它属性。根据对复杂网络的研究，一般有：度大的节点介数不一定大，度小的节点介数也不一定小，度大的节点中心度不一定大【27】。目前大多数学者相信，具有更多连接的节点mubs)是网络传播【28J中最具影响力的节点，一个节点拥有

6、更多的人际影响往往与高介数(betweenness)相关，因为高介数的节点有更多的最短路径通过【291，但一些学者通过研究认为这种说法存在问题。Meeyoungcha等人对网络的入度(In-degree)、微博转发(Retweets)并'1]i3l用(Mentions)--个参数进行比较，研究用户在话题传播过程中的影响，结果发现那些入度非常高的用户在微博转发和引用中并不起绝对影响，这表明入度分布与用户的影响力没有直接关系，但是那些有影响力的用户能够在各种话题中产生显著的影响【301。Java等人利用HITS算法计算twitter上用户的中心度和权威度【31】。平亮，王晓光等人

7、基于社会网络理论，结合微博的网络拓扑关系，利用各种中心度和中心势测度指数，分别从点度中心性、中间中心性和接近中心性三个方面对微博社会网络的中心性进行了分析【32

8、。康书龙提出了基于pagerank的BehaviorRelationshipRank的节点影响力评价算法【331，挖掘出了微博网络的权力中心节点，发现与此前得出的核心节点具有很高的重叠度【34

9、。吕琳媛等在将Pagerank[35】改进的基础上提出的LeaderRank算法【36】，解决了Pagerank中排序不唯一的特性，能更加准确发现有影响