[发明专利]基于MMSB的微博网络用户行为分析方法

说明书

技术领域

本发明属于网络应用技术领域，具体涉及一种基于MMSB的微博网络用户行为分析方法的设计。

背景技术

微博是一种在线社交网络，它为注册用户提供一个网络交流平台，用户通过该平台可以进行一系列的社交活动，比如商务、交友、获取信息、好友之间互动等，微博已经发展成为一种非常重要的信息传播和交流工具，成为现实社交的一种丰富和扩展。微博有大量的注册用户，而且每个用户都有不同的行为，用户行为的不同主要体现在每个用户的兴趣、爱好、关注的内容、发微博的频率、转发微博的频率上，所以分析用户的行为对整个微博网络具有重要的实际意义。首先，分析用户的行为能够帮助我们找出网络中不同用户之间的关系，从而方便网络管理员对用户和社团的管理；其次，用户的行为分析结果对我们准确找出微博中的关键用户有重要的作用；同时，用户行为信息、关键度信息等为微博舆论的监督、引导、控制等提供了重要的依据。

微博中用户的行为是相互关联的，比如某个用户博文的发布或者转发的数量非常大，那么他的博文被关注他的用户转发的数量也会较多；一个用户的博文发布或转发量和关注他的用户发表博文的数量是有联系的。传统的统计学方法通常假设数据是独立的，因此不适用于微博中用户的行为进行分析。鉴于此，业内一些学者提出了相关联的数据分析方法。现有的用户行为分析方法都认为网络可以划分为若干个社团，所谓社团是指网络中具有共同特征的用户组成的小范围团体。这些方法建立的模型都假定每个用户仅属于一个社团，用户之间的连接关系也受到社团与社团之间连接关系的限制，这样分析的结果中只得到了用户在某一个社团内的行为特征。而现实的微博中每个用户并不一定仅仅属于一个社团，很多活跃度高的用户在多个社团中都有一定的参与度，现有的用户行为分析方法忽略了这种用户跨社团的多角色性。针对现有用户行为分析方法的不足Edoardo等人提出了混合隶属度随机块模型(Mixed Membership Stochastic Blockmodels)的用户行为分析方法，该方法中对每个用户提出了混合隶属度的概念，来挖掘用户的多角色性，能更准确的分析出用户的行为特征。虽然MMBS用户行为分析方法考虑到了数据之间的关联性和用户的多角色性，但却不能直接应用于微博网络进行用户行为分析，因为MMSB模型中把用户之间的连接关系分为连接和不连接两种关系，并没有考虑到微博网络中用户之间转发多次微博即节点之间存在多条连接的情况。

对于微博，现有的用户行为分析方法有其一定的局限性：目前的很多用户行为分析方法，都是从单个对象获取数据，并且假设网络中数据是独立的，或者在一定条件下是独立的，而现在的微博用户数据都是相关联的，因此用这些方法分析微博网络得出的结果就不准确；现有的用户行为分析方法假设用户仅属于一个社团，不能挖掘到用户跨社团的多角色信息；MMSB用户行为分析方法考虑到了数据关联性，也能够挖掘用户的多角色信息，但是把网络中用户的连接关系只分为连接和无连接两种情况，没有考虑到微博用户之间的连接权重。因此MMSB用户行为分析方法不适用于微博转发网络。

发明内容

本发明所要解决的技术问题是针对现有用户行为方法不适用于微博网络的缺点，提出了一种基于MMSB的微博网络用户行为分析方法。

本发明解决其技术问题采用的技术方案是：基于MMSB的微博网络用户行为分析方法，具体包括：

S1、设定所建立的模拟微博网络的混合隶属度和转移概率矩阵B，创建MMSB模拟微博网络；

S2、根据所述步骤S1中建立的MMSB微博模拟网络，已知混合隶属度和转移概率矩阵B，由模型可得出整个微博网络中任意两个节点之间的微博转发百分比p(Y)的联合概率公式为：