基于新浪微博的移動(dòng)社交網(wǎng)絡(luò)復(fù)雜特性研究.pdf

1、iPhone的誕生從很大程度上促進(jìn)了傳統(tǒng)社交網(wǎng)絡(luò)的移動(dòng)化趨勢，現(xiàn)如今移動(dòng)社交網(wǎng)絡(luò)已經(jīng)成為人類日常生活中必不可少的一部分。Twitter和Path等高質(zhì)量的移動(dòng)社交網(wǎng)絡(luò)能夠在短期內(nèi)積累大量用戶，而Facebook、人人等大型傳統(tǒng)社交網(wǎng)絡(luò)服務(wù)也在加快移動(dòng)設(shè)備的部署。我國最大的移動(dòng)社交網(wǎng)絡(luò)是新浪微博，截至2012年6月已經(jīng)積累了3.5億用戶，其中超過60％的用戶使用移動(dòng)設(shè)備進(jìn)行登陸。
　　 由于移動(dòng)社交網(wǎng)絡(luò)與復(fù)雜網(wǎng)絡(luò)模型的相似性，可以

2、將移動(dòng)社交網(wǎng)絡(luò)用戶作為節(jié)點(diǎn)，用戶與其他用戶之間的關(guān)系作為該節(jié)點(diǎn)的有向弧，構(gòu)造復(fù)雜網(wǎng)絡(luò)模型。本文以新浪微博作為研究對(duì)象，克服網(wǎng)絡(luò)爬蟲局限性，依據(jù)新浪微博開放平臺(tái)API接口限制，構(gòu)造算法，在保證內(nèi)存分配的情況下減少對(duì)API的調(diào)用，共收集了2999個(gè)用戶節(jié)點(diǎn)、232623條連邊的樣本，構(gòu)造模型并對(duì)其從三個(gè)方面進(jìn)行了研究:
　　 在復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)及特性方面，本文通過計(jì)算發(fā)現(xiàn)樣本網(wǎng)絡(luò)的平均入度達(dá)到了77.57，而最大直徑為6，驗(yàn)證了六度分離

3、理論在新浪微博用戶網(wǎng)絡(luò)中是成立的。本文發(fā)現(xiàn)該樣本網(wǎng)絡(luò)的入度分布服從冪率分布形成了一個(gè)無標(biāo)度網(wǎng)絡(luò);出度分布服從指數(shù)分布形成了一個(gè)ER隨機(jī)圖。在新浪微博與Twitter的比較中發(fā)現(xiàn)新浪微博的網(wǎng)絡(luò)密度和節(jié)點(diǎn)重要性控制都不如Twitter。
　　 在復(fù)雜網(wǎng)絡(luò)魯棒性方面，通常的研究方法是針對(duì)復(fù)雜網(wǎng)絡(luò)進(jìn)行結(jié)構(gòu)上的隨機(jī)故障與蓄意攻擊的模擬，此外，本文還進(jìn)行了一種更符合實(shí)際情況的蓄意性隨機(jī)攻擊模擬。蓄意性隨機(jī)攻擊模擬要求在進(jìn)行攻擊時(shí)，依概率損毀

4、重要節(jié)點(diǎn)，改變節(jié)點(diǎn)狀態(tài)，使之成為普通節(jié)點(diǎn)，對(duì)普通節(jié)點(diǎn)則直接進(jìn)行刪除。蓄意性隨機(jī)攻擊更適合新浪微博網(wǎng)絡(luò)中用戶遭受攻擊侯的實(shí)際情況。模擬最終發(fā)現(xiàn)新浪微博網(wǎng)絡(luò)具有出入意料的魯棒性。
　　 在復(fù)雜網(wǎng)絡(luò)的用戶群體發(fā)現(xiàn)方面，本文介紹了社團(tuán)結(jié)構(gòu)的定義以及劃分社團(tuán)結(jié)構(gòu)的兩種方法——譜系聚類算法以及GN算法。本文采用譜系聚類方法進(jìn)行了節(jié)點(diǎn)聚類，并首次繪制出了新浪微博的兩種網(wǎng)絡(luò)結(jié)構(gòu)圖，在研究中并未發(fā)現(xiàn)明顯的社團(tuán)結(jié)構(gòu)。
　　 本文最后，對(duì)移動(dòng)