基于社交网络的用户行为记忆性研究

李凯凯; 宋礼鹏

Chinese

您当前的位置：

首页 >

文章列表页 >

基于社交网络的用户行为记忆性研究

更新时间：2026-09-04

- 基于社交网络的用户行为记忆性研究
- The Memory Effect Based on Online Users Behavior of Social Network
- 微电子学与计算机 2017年34卷第3期页码：133-135
- 作者机构：
  
  中北大学机构计算机与控制工程学院,山西,太原,030051
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61379125
- DOI：
  中图分类号：
- 纸质出版：2017
- 稿件说明：
移动端阅览
李凯凯, 宋礼鹏. 基于社交网络的用户行为记忆性研究[J]. 微电子学与计算机, 2017, 34(3): 133-135, 140.

LI Kai-kai, SONG Li-peng. The Memory Effect Based on Online Users Behavior of Social Network[J]. 2017, 34(3): 133-135.
李凯凯, 宋礼鹏. 基于社交网络的用户行为记忆性研究[J]. 微电子学与计算机, 2017, 34(3): 133-135, 140. DOI：

LI Kai-kai, SONG Li-peng. The Memory Effect Based on Online Users Behavior of Social Network[J]. 2017, 34(3): 133-135. DOI：

摘要

为了研究用户访问社交网络时的记忆效应

分析了某高校师生用户对QQ空间和新浪微博这两个目前较主流的社交平台的访问记录

采用自相关函数来量化记忆性

发现在阵发周期内

个体用户和群体用户的行为数都服从幂律分布

因此

记忆性取决于同一阵发周期内相邻时间间隔的关联性

并从相邻时间间隔相关性的角度分析了用户在线行为的记忆性.研究结果表明

在同一个阵发周期内用户在线行为相邻时间间隔的比率为双帕累托分布

用户根据该比值的大小来增加或减少之后的登陆频率

实证数据研究与理论分析相吻合

证实了时间间隔中记忆性的存在.

Abstract

To research the influence of memory effect on online uses behavior based on social network

the paper studied the records of some university users access to social network and used the auto-correlation coefficient method to quantify the memory effect. Empirical research shows that the number of events obeys power-law distribution in the individual and group level. Therefore

the memory effect depends on the adjacent time interval. The continuous time interval less than some threshold are defined as burst periods. The result shows that the ratio of two adjacent time interval in a same active period shows the double Pareto distribution. According to the ratio

users increase or decrease the frequency of landing. The empirical data is consistent with the theoretical analysis. Thus

it is proved that there exists memory in the time interval.

关键词

Keywords

references

Jo H H, Perotti J I, Kaski K, et al. Correlated bursts and the role of memory range[J]. Physical Review E, 2015(5): 2-9. DOI: 2

罗卫国. 基于用户交互行为的建模方法研究[D]. 济南: 山东大学, 2007.

赵飞飞. 网络口碑与微博用户忠诚度的关系研究[D]. 大连: 大连理工大学, 2013.

Karsai M, Kaski K, Barabási A L, et al. Universal features of correlated bursty behaviour[J]. Scientific Reports, 2011, 2(5): 539-539. DOI: 539

Albert-László B. The origin of bursts and heavy tails in human dynamics. [J]. Nature, 2005, 435(7039): 207-211. DOI: 207

Shang M S, Chen G X, Dai S X, et al. Interest-driven model for human dDynamics[J]. Chinese Physics Letters, 2010, 27(4): 48701-48703. DOI: 48701

符丁, 李明江, 黎路. 基于价值驱动的人类行为动力学实证研究和建模[J]. 电子科技大学学报, 2015, 17(5): 652-656. DOI: 652

周涛, 韩筱璞, 闫小勇, 等. 人类行为时空特性的统计力学[J]. 电子科技大学学报, 2013, 15(4): 481-540. DOI: 481

Hou L, Xue P, Qiang G, et al. Memory effect of the online user preference[R]. Scientific Reports, 2014.

余林琛, 沈江波, 何仲彻, 等. 一种基于用户行为习惯的主机安全性检测方法[J]. 微电子学与计算机, 2011, 28(9): 158-159, 164. DOI: 158

刘建粉, 史永昌. 基于用户兴趣分类优化的聚类模型仿真[J]. 微电子学与计算机, 2014, 31(5): 171-174. DOI: 171

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

一种用于极低压boost系统的高效率电荷泵

基于反向体偏置的高增益稳定性高温运放设计

基于监控指标关联性的微服务异常检测

一种基于特征上下文理解与切片分析的肺结核检测算法