免费人妻中文不卡无码_日本精品爽爽van在线_久久精品国产99久久丝袜蜜桃_女强人被春药精油按摩bd电影

　　近年來，在線社交網(wǎng)絡(luò)快速發(fā)展，人類生活已經(jīng)與其密不可分。在線社交網(wǎng)絡(luò)已成為人們獲取信息、傳遞消息、交友娛樂的重要渠道，是人們?nèi)粘Ｉ�活中不可或缺的一部分。海量用戶的�?shù)字足跡記錄了人類行為的方方面面，為研究者們理解人類行為及進行交叉領(lǐng)域應(yīng)用創(chuàng)新提供了前所未有的機會。同時，計算機相關(guān)技術(shù)的發(fā)展也為研究在線社交網(wǎng)絡(luò)用戶行為打下了堅實的基礎(chǔ)。社交網(wǎng)絡(luò)屬于計算社會科學的研究范疇，已逐漸成為計算機科學、經(jīng)濟學、政治學、心理學和社會學等學科的研究熱點。
　　在線社交網(wǎng)絡(luò)用戶行為研究主要包括：發(fā)現(xiàn)社交網(wǎng)絡(luò)用戶行為規(guī)律和構(gòu)建社會預(yù)測應(yīng)用。在社交網(wǎng)絡(luò)的環(huán)境下，揭示不同類型用戶在線行為規(guī)律是一項重要研究。用戶不同維度的屬性及特征難以直接測量。通過傳統(tǒng)調(diào)查問卷方式來完成用戶屬性的測量，通常有高成本、主觀性和低靈活性等局限。為了彌補這些缺點，機器學習越來越引起社會科學研究者們的興趣。它不僅限于研究人類行為規(guī)律，而且分析社交網(wǎng)絡(luò)用戶行為，對有關(guān)社會、經(jīng)濟的預(yù)測研究具有重要的理論意義和實踐價值�；�于近些年對在線社交網(wǎng)絡(luò)海量用戶行為數(shù)據(jù)的積累，本書嘗試從個人、關(guān)系和社會的遞進層次，通過一系列機器學習和網(wǎng)絡(luò)測量等方法量化和計算用戶行為，嘗試理解和總結(jié)在線用戶行為規(guī)律，并將用戶行為應(yīng)用于社會預(yù)測。本書主要研究內(nèi)容和貢獻如下：
　　本書系統(tǒng)討論了基于用戶性格的社交網(wǎng)絡(luò)在線行為規(guī)律。性格作為驅(qū)動人類行為的主要因素，它指明了個人心理行為的異同。本書首先驗證了機器學習模型可用于判斷社交網(wǎng)絡(luò)用戶的性格，并將研究范圍覆蓋到更多更廣的用戶人群。其次，通過微博數(shù)據(jù)研究在我國文化背景下用戶性格差異和由此產(chǎn)生的在線行為模式，發(fā)現(xiàn)我國在線社交網(wǎng)絡(luò)中兩種不同性格用戶的行為模式與西方確有不同。從時空位置、購物情緒到虛擬榮譽等角度分析用戶行為，在線行為的維度得到了極大豐富。這幫助本書的研究建立用戶差異與行為模式之間更全面的映射，并啟發(fā)在線社交網(wǎng)絡(luò)在營銷等場景中的實際應(yīng)用。
　　在用戶關(guān)系層面上本書驗證了在線社交網(wǎng)絡(luò)用戶行為的同質(zhì)性。社交網(wǎng)絡(luò)上具有聯(lián)系的好友在人類行為上表現(xiàn)相似。音樂相關(guān)行為作為人類日常生活的重要組成部分，研究人員很少在社交網(wǎng)絡(luò)背景下探索此類行為，對社交網(wǎng)絡(luò)音樂行為同質(zhì)性的研究不足。本書分別利用網(wǎng)易云音樂和微博用戶關(guān)注關(guān)系構(gòu)建了社交網(wǎng)絡(luò)，從六個角度定義和計算用戶聽歌相似程度。研究證實了在線社交網(wǎng)絡(luò)的聽歌行為存在同質(zhì)性，并詳細分析了用戶人口統(tǒng)計學和音樂偏好特征在影響同質(zhì)性方面的作用。研究還融合了相同個體在不同社交網(wǎng)絡(luò)上的映射，發(fā)現(xiàn)面向?qū)Ｓ蒙缃痪W(wǎng)絡(luò)領(lǐng)域的特定行為同質(zhì)性，同樣存在于通用社交網(wǎng)絡(luò)。
　　預(yù)測是社交網(wǎng)絡(luò)大數(shù)據(jù)的核心。針對在線社交網(wǎng)絡(luò)應(yīng)用，本書選擇選舉預(yù)測和市場預(yù)測兩個重要問題進行研究。關(guān)于選舉預(yù)測，本書提出歷史累積選舉預(yù)測模型，并融合用戶權(quán)重調(diào)整和網(wǎng)絡(luò)同質(zhì)性判別。現(xiàn)如今，在線社交網(wǎng)絡(luò)平臺容納了數(shù)十億用戶的海量消息，遠遠超過選舉預(yù)測中傳統(tǒng)調(diào)查問卷的樣本量級。機器學習透過這些消息理解民意趨勢并判定選民對選舉候選人的意見。在此研究中，本書提出了一種基于社交網(wǎng)絡(luò)大數(shù)據(jù)和機器學習的方法。首先建立話題標簽自動標注的用戶意見模型，而后分析了短期窗口預(yù)測模型失敗的原因，進而提出了歷史累積預(yù)測模型，并試圖計算和追蹤選民意見。累積預(yù)測模型可以實現(xiàn)追蹤海量且增量的用戶，并在更長的時間內(nèi)追蹤他們的行為和意見。同時，根據(jù)人口分布的用戶權(quán)重調(diào)整和網(wǎng)絡(luò)同質(zhì)性判別后，本書的研究準確預(yù)測了實際場景下的總統(tǒng)選舉結(jié)果。