大规模移动社交网络用户行为研究

Nowadays mobile social networks are growing rapidly, and have attracted numerous users around the world. Having a deep understanding of the user behavior in mobile social networks is very important for relevant Internet applications. In this project, we will conduct Internet-based extensive measurements, and crawl massive data from representative mobile social network platforms. We will perform a modeling and analysis study based on the collected massive data. The key items of this project include: (1) To eliminate the negative impact of malicious accounts, we aim to investigate the behavioral difference between malicious accounts and legitimate users. We will build a malicious account detection system for mobile social networks. (2) To understand the social interactions among users, we are going to fetch the social connections from a dynamic aspect, and investigate the structural evolution of the social graphs. (3) To fully utilize the massive spatial-temporal information of users in mobile social networks, and help the design of mobile Internet protocols, we will analyze and model the user mobility patterns from different angles. Our study will understand the behavior of users in mobile social networks from various aspects, and improve the user satisfaction.

近年来移动社交网络得到了快速发展，在全球范围内吸引了海量用户，深入理解其用户行为对互联网相关应用具有重要意义。本课题将采用互联网测量的手段，对主流的移动社交网络平台开展大规模数据采集，并对获取的百万量级的用户数据进行建模与分析。主要研究内容包括：(1) 为消除移动社交网络中恶意账号对合法用户的负面影响，将研究恶意账号与合法用户行为特征上的差异，并构建恶意账号检测系统。(2) 为了深入理解用户交互，将获取社交关系的动态变化数据，开展社交图谱的动态分析，研究社交图谱结构的演化规律。(3) 为了充分利用移动社交网络提供的海量用户时空数据，并为移动互联网相关协议设计提供参考，将对用户的移动规律从不同的角度开展分析和建模。本课题的工作将从多个方面深入了解移动社交网络用户行为，并提升用户的使用满意度。

近年来移动社交网络得到了快速发展，在全球范围内吸引了海量用户，深入理解其用户行为对互联网相关服务与应用具有重要意义。本课题采用互联网测量的手段，对主流的移动社交网络平台开展大规模数据采集，并利用获取的用户行为数据进行建模与分析。主要研究成果包括：(1) 为了消除恶意账号对合法用户的负面影响，提升用户使用体验，我们通过分析恶意账号与合法用户行为特征上的差异，设计并实现了基于深度学习的恶意账号检测系统。(2) 为了深入研究用户交互，我们基于用户的社交关系和互动数据，分析了用户社交互动所形成的网络结构及其动态演化，并进一步研究了社交网络的跨站链接功能和社交枢纽服务。(3) 为了深入理解用户的移动规律，我们充分利用了移动社交网络所记录的时空数据，针对用户个体和群体的移动规律分别进行了建模分析。本课题的工作从多个方面深入了解了移动社交网络用户行为，并在国际知名期刊/会议上发表了多篇高水平论文。