社交网络用户行为分析及话题演化趋势预测方法研究

Social networks have become one of the most important online media. In social networks, the features of anonymous and random Internet interactions, the heterogeneity and subjectivity of Internet users, and the dynamic structure of user networks, make information dissemination on Internet more complex and rapid. How to deeply understand user behavior pattern and information evolution mechanism in the social networks so as to predict the occurrence of hot topics and the formation of public opinion, should be studied in depth. Therefore, in terms of interdisciplinary theory, the project is intended to study user behavior modeling, personalized recommendation, hot topic discovery and opinion evolutionary process, based on methods of information science. This project will focus on influence power evaluation integrating user behavior with network relationship, information recommendation strategy based on user features, the influence of user behavior and network structure on topic propagation, the co-evolution mechanism of network topology and users' opinions, prediction of opinion evolutionary trend, and other problems that do not have yet clear results in the field of social network mining and complex systems. The project is conducive to understanding the acting mechanism of microscopic properties in social networks, helps discover online hot events, provides the technical means for business decisions, and makes theoretical demonstration for other self-organizing complex systems.

社交网络已经成为最重要的网络媒体之一。由于社交网络具有主体异构、数据庞大、突发性强、无中心等特点，网络信息的受众更加分散，用户行为多样化和高度复杂化，信息扩散和舆论形成速度更快。如何深刻认识社交网络中的用户行为特性和信息演变机理，进而预测热点的出现及群体意见的形成，是迫切需要研究的问题。鉴于此，本项目拟以交叉学科的思想，以信息科学为基础，对社交网络的用户行为建模、个性化推荐、热点话题发现以及舆论演化过程进行研究，并将重点放在结合用户行为及网络关系的影响力评价、基于用户特征的信息推荐策略、用户行为模式及网络结构对话题传播的影响、网络结构与用户观点的耦合演化机制、舆论演进趋势预测等社交网络数据挖掘及复杂系统研究领域当前还未获得明确结果的问题上，有利于理解社交网络微观特性的作用机制，帮助有关部门及时发现舆论热点事件，为企业决策提供技术手段，对认识其他自组织复杂系统也具有重要的理论意义。

在社交网络中，信息传播呈现的是裂变式的广泛传播。同时，社交网络的随机性、动态性、衍生性更强，更容易出现突发性群体事件。用户的行为特性时刻影响着宏观舆论的演化，异构用户的自主性及行为多样性在意见交流中发挥着更加重要的作用。本项目根据用户的参与热情衰减与恢复模式，建立了个体参与程度变化的耗散网络模型，根据用户的兴趣分布，建立兴趣驱动的帖子回复模型，模型能够产生与实际一致的话题统计特征及用户回复特性；提出了结合用户及网络特征的影响力评价算法，在保证算法的准确性的基础上，通过牺牲一定运算速度获得了较好的可靠性；提出基于用户权重的个性化推荐算法，对微博文本相似度特征、用户影响力特征以及用户交互指数进行加权建模，加强了新生未知话题微博的推荐敏感性；提出基于用户行为模式的热点发现算法，根据帖子前数小时内的数据预测帖子未来的发展趋势，检测出大部分的热门帖子；建立了耦合随机网络下具有观点领袖的有界信任模型，还原了现实中观点的统一、折中、极化和分裂等多种舆论演化现象；建立了网络舆论演化趋势预测模型，模拟用户之间的话题交流，描述用户行为及情感之间的非线性作用关系。有助于把握舆论动态，维护网络舆论安全，恰当构建和谐的网络环境。