基于加權(quán)模型的信息傳播論文范文

本站小編為你精心準(zhǔn)備了基于加權(quán)模型的信息傳播論文參考范文，愿這些范文能點(diǎn)燃您思維的火花，激發(fā)您的寫作靈感。歡迎深入閱讀并收藏。

1相關(guān)工作

要進(jìn)行用戶和APP的訪問關(guān)系分析首先是收集手機(jī)用戶數(shù)據(jù)，確定數(shù)據(jù)獲取的類型和范圍。從已有研究成果看，由于移動(dòng)互聯(lián)網(wǎng)用戶通訊訪問的日志數(shù)據(jù)需要與移動(dòng)運(yùn)營(yíng)商進(jìn)行協(xié)調(diào)溝通才能獲取，而數(shù)據(jù)又往往涉及到用戶隱私，因此移動(dòng)互聯(lián)網(wǎng)領(lǐng)域公開的通訊數(shù)據(jù)集很少，導(dǎo)致對(duì)移動(dòng)互聯(lián)網(wǎng)用戶行為分析的相關(guān)研究仍舊處于起步階段，大多數(shù)研究都只是針對(duì)特定空間范圍和特定種類的用戶進(jìn)行的。胡俊華等人通過在接入網(wǎng)網(wǎng)關(guān)設(shè)置的方式，獲取了一個(gè)小區(qū)內(nèi)用戶3G無線網(wǎng)絡(luò)中用戶行為的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行處理后研究了3G無線網(wǎng)絡(luò)用戶行為模式。文獻(xiàn)對(duì)無線局域網(wǎng)環(huán)境下(校園)用戶行為進(jìn)行分析，Balachandran等人同樣基于無線局域網(wǎng)內(nèi)獲取用戶數(shù)據(jù)，如在會(huì)議室和公共建筑物，研究用戶行為和無線網(wǎng)絡(luò)性能。提出了解決無線網(wǎng)絡(luò)多重接入點(diǎn)負(fù)載平衡和網(wǎng)絡(luò)優(yōu)化的負(fù)載分析模型。文獻(xiàn)發(fā)現(xiàn)了在公共建筑物等較大范圍環(huán)境下，用戶行為和網(wǎng)絡(luò)負(fù)載與其他小范圍環(huán)境局域網(wǎng),如校園的特點(diǎn)類似,研究還發(fā)現(xiàn)網(wǎng)絡(luò)流量擁塞程度與用戶數(shù)量的存在弱相關(guān)性。Ghosh等人根據(jù)商業(yè)場(chǎng)所（咖啡館，快餐店，書店，賓館和企業(yè)）中的Wi-Fi熱點(diǎn)上采集的數(shù)據(jù)，研究用戶在同一時(shí)間段無線上網(wǎng)行為模式。從流量數(shù)據(jù)的到達(dá)模式，到達(dá)模型，連接次數(shù)，用戶數(shù)等四個(gè)方面，研究不同商業(yè)模式下的移動(dòng)用戶上網(wǎng)模式，他們的研究工作更側(cè)重于研究移動(dòng)用戶上網(wǎng)行為對(duì)無線網(wǎng)絡(luò)的負(fù)載的影響。類似地，Olmedilla等人在分析發(fā)達(dá)國(guó)家手機(jī)用戶訪問移動(dòng)互聯(lián)網(wǎng)的通信日志之后，將通信日志分類并根據(jù)用戶訪問的網(wǎng)絡(luò)資源，如網(wǎng)頁(yè)目錄，社交標(biāo)簽系統(tǒng)將用戶的訪問興趣建模，從而得到移動(dòng)互聯(lián)網(wǎng)用戶的行為模式。

分析移動(dòng)互聯(lián)網(wǎng)APP的傳播特性以及用戶對(duì)APP訪問關(guān)系時(shí)，復(fù)雜網(wǎng)絡(luò)和統(tǒng)計(jì)學(xué)結(jié)合的方法是國(guó)內(nèi)外最近關(guān)注的熱點(diǎn)之一。Yan等人運(yùn)用復(fù)雜網(wǎng)絡(luò)將用戶對(duì)新浪微博的訪問行為建模，發(fā)現(xiàn)用戶微博的時(shí)間間隔服從冪律分布，并且發(fā)現(xiàn)這種分布是受用戶興趣度的影響。文章提出用戶的社會(huì)身份驅(qū)動(dòng)著用戶興趣的變化，并直接影響到微博的評(píng)論數(shù)和轉(zhuǎn)發(fā)數(shù)。二分圖作為復(fù)雜網(wǎng)絡(luò)的重要模型之一，可以用來為現(xiàn)實(shí)世界中大量人類行為進(jìn)行建模。近些年來，二分圖由于其在社科，經(jīng)濟(jì)和信息系統(tǒng)方面的意義，受到了人們的廣泛關(guān)注。如科學(xué)家-論文合作網(wǎng),聽眾與歌曲網(wǎng)、演員與影視作品網(wǎng),城市交通網(wǎng)。Newman通過建立科學(xué)家與論文二分圖，統(tǒng)計(jì)出該網(wǎng)絡(luò)的平均距離和聚類系數(shù)。文章對(duì)科學(xué)家-論文網(wǎng)絡(luò)兩類節(jié)點(diǎn)的度分布進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)科學(xué)家的時(shí)間間隔服從冪律分布，且冪指數(shù)相差很大。Lambiott等人根據(jù)人們從互聯(lián)網(wǎng)下載音樂的行為建立了聽眾-歌曲二分圖，通過對(duì)兩類節(jié)點(diǎn)聚類，研究發(fā)現(xiàn)聽眾群體服從冪律分布，但是聽眾所下載的歌曲數(shù)量服從指數(shù)分布。還有研究人員將二分網(wǎng)絡(luò)應(yīng)用到協(xié)同過濾算法中，以提升算法的性能，如Liu等人將二分網(wǎng)絡(luò)的兩端端點(diǎn)度的關(guān)聯(lián)建模以提高推薦效果。本文應(yīng)用二分圖對(duì)用戶對(duì)APP訪問行為進(jìn)行建模，該模型可有效地展現(xiàn)用戶的訪問行為。

2加權(quán)的用戶-APP二分圖模型

2.1二分圖模型的建立在移動(dòng)基礎(chǔ)網(wǎng)絡(luò)中，每條通信日志數(shù)據(jù)均代表一個(gè)終端用戶對(duì)移動(dòng)網(wǎng)絡(luò)的訪問。通過剔除手機(jī)瀏覽器產(chǎn)生的數(shù)據(jù)包，其余日志數(shù)據(jù)均代表了用戶主動(dòng)或被動(dòng)產(chǎn)生的APP網(wǎng)絡(luò)訪問行為。一個(gè)用戶可訪問多個(gè)APP，一個(gè)APP可被多個(gè)用戶使用，從而產(chǎn)生了用戶-APP的二分視圖，用二分圖模型來刻畫描述該訪問關(guān)系。圖1為二分圖模型示例，該圖以根據(jù)2014年3月某天中午12:28:55到12:46:56時(shí)間段內(nèi)某省移動(dòng)網(wǎng)絡(luò)國(guó)際出入口口捕捉到10次用戶訪問APP通信行為日志為數(shù)據(jù)基礎(chǔ)，分別記錄了5名手機(jī)上網(wǎng)用戶訪問APPledaily和nextmedia等2個(gè)新聞?lì)怉PP產(chǎn)生的日志。其中，用戶1u、4u訪問了2c的APP的次數(shù)均為1次。

2.2加權(quán)投影網(wǎng)絡(luò)圖二分圖模型量化描述了用戶訪問各種APP的統(tǒng)計(jì)情況，將二分圖加權(quán)投影到單頂點(diǎn)網(wǎng)絡(luò)，從兩類節(jié)點(diǎn),用戶和APP的視角分別投影，然后進(jìn)行網(wǎng)絡(luò)分析可有效地在二分圖基礎(chǔ)上得到APP之間的關(guān)聯(lián)程度圖，從而挖掘出APP之間的關(guān)聯(lián)程度。APP之間的關(guān)聯(lián)程度圖可以分析出各種業(yè)務(wù)關(guān)聯(lián)的強(qiáng)弱，如發(fā)現(xiàn)喜歡使用某APP的用戶還喜歡使用哪些APP,從而有助于深入分析移動(dòng)互聯(lián)網(wǎng)用戶訪問行為和使用習(xí)慣，了解用戶對(duì)移動(dòng)互聯(lián)網(wǎng)服務(wù)的使用偏好，為應(yīng)用開發(fā)者提供行業(yè)發(fā)展動(dòng)向，改善APP用戶體驗(yàn)分析和競(jìng)爭(zhēng)對(duì)手比較的優(yōu)勢(shì)和不足。首先，可以定義二分圖上APP之間的關(guān)聯(lián)程度圖。相同用戶訪問過的兩個(gè)APP可連邊，邊權(quán)重代表兩個(gè)APP覆蓋相同用戶的數(shù)量,如式（1）所示。APP關(guān)聯(lián)圖反映出同時(shí)訪問不同的APP的用戶數(shù)。

2.3模型指標(biāo)及其物理意義二分圖的節(jié)點(diǎn)的度表示為與該節(jié)點(diǎn)相連接的其它節(jié)點(diǎn)的數(shù)目。用戶節(jié)點(diǎn)的度的形式化定義為式（2），其物理意義是用戶訪問過的APP業(yè)務(wù)種類數(shù)。二分圖的節(jié)點(diǎn)權(quán)重度定義為與該節(jié)點(diǎn)相連的所有的邊的權(quán)重之和，其物理意義是主要根據(jù)邊權(quán)重的定義而定。此文中根據(jù)模型中邊權(quán)的定義，用戶節(jié)點(diǎn)權(quán)重表示用戶訪問各類APP產(chǎn)生的總點(diǎn)擊次數(shù)，APP節(jié)點(diǎn)權(quán)重表示各個(gè)用戶訪問該APP的總點(diǎn)擊次數(shù)。用戶節(jié)點(diǎn)權(quán)重的形式化定義為。在本文中，度的量化可以是訪問次數(shù)（日志條數(shù)），也可以是每次訪問的產(chǎn)生的流量比特?cái)?shù)，根據(jù)實(shí)際使用的需要不同而不同。

3訪問日志數(shù)據(jù)集及預(yù)處理

3.1日志數(shù)據(jù)預(yù)處理由于移動(dòng)互聯(lián)網(wǎng)APP種類多達(dá)數(shù)百萬款，本文選取了運(yùn)營(yíng)商關(guān)注的前十種典型APP作為研究對(duì)象，以APP通信規(guī)則對(duì)日志大數(shù)據(jù)實(shí)施預(yù)處理，篩選出相關(guān)訪問日志。例如，從省移動(dòng)運(yùn)營(yíng)商網(wǎng)絡(luò)出入口口的流式海量日志數(shù)據(jù)中提取一段時(shí)間（例如一周中的六天）內(nèi)主流APP“蘋果日?qǐng)?bào)”產(chǎn)生的http報(bào)文，均包含“AppleDaily”URL字符串，再排除手機(jī)瀏覽器產(chǎn)生的相關(guān)數(shù)據(jù)后，可發(fā)現(xiàn)該APP日均在該省有約1000萬條訪問日志涉及6000個(gè)獨(dú)立手機(jī)用戶。本文分別用APP1-APP10標(biāo)識(shí)所分析的這10個(gè)APP，并詳細(xì)分析用戶訪問日志記錄。

3.2訪問日志數(shù)據(jù)集本文采集了2014年3月份某省國(guó)際網(wǎng)絡(luò)出入口周一到周六共6天的流量數(shù)據(jù)，數(shù)據(jù)規(guī)模達(dá)650億條日志，獨(dú)立移動(dòng)互聯(lián)網(wǎng)用戶達(dá)1050萬個(gè)。針對(duì)運(yùn)營(yíng)商關(guān)注的APP名單和相關(guān)通信特征規(guī)則中，挑選10款主流不同類型的APP的通信特征。從650億條日志中提取相關(guān)日志記錄，共取得約共9000000條日志，包含約17000個(gè)獨(dú)立手機(jī)號(hào)用戶。650億條日志涉及的獨(dú)立用戶總數(shù)為1050萬。每條訪問日志包含表1中的各個(gè)字段，日志數(shù)據(jù)格式如表1所示。如上所示，系統(tǒng)記錄用戶請(qǐng)求AppleDaily應(yīng)用的時(shí)間為2014年3月3日，請(qǐng)求開始的時(shí)刻為12:28:55。源IP為116.25.19.21，源端口為19331，訪問的目標(biāo)IP是69.192.4.163等信息。

4基于二分圖模型的APP信息傳播特性分析

本文基于用戶-APP二分圖模型，提出如下各項(xiàng)算法分析移動(dòng)互聯(lián)網(wǎng)用戶對(duì)APP的訪問特性，首先根據(jù)所選取的數(shù)據(jù)，分析用戶訪問興趣，得出用戶訪問的APP范圍和用戶在移動(dòng)互聯(lián)網(wǎng)的活躍程度。然后探討了選取的10個(gè)APP的用戶滲透率，用戶使用率，用戶粘性在一天內(nèi)四個(gè)時(shí)間段的分布情況。并給基于三項(xiàng)指標(biāo)，計(jì)算了10個(gè)APP在六天內(nèi)的變化情況。最后通過分析，得出10個(gè)APP之間的訪問關(guān)聯(lián)性。下面介紹具體的分析過程。

4.1用戶訪問興趣

4.1.1用戶訪問的APP范圍在復(fù)雜網(wǎng)絡(luò)中，常用節(jié)點(diǎn)的度分布來描述網(wǎng)絡(luò)的整體特征。對(duì)用戶節(jié)點(diǎn)的度進(jìn)行統(tǒng)計(jì)分析，可以發(fā)現(xiàn)用戶訪問的APP數(shù)規(guī)律，從而發(fā)現(xiàn)用戶對(duì)移動(dòng)互聯(lián)網(wǎng)的興趣范圍。圖3顯示了用戶節(jié)點(diǎn)的度分布特征和擬合情況。從圖中可以看出：（1）用戶節(jié)點(diǎn)的度分布在半對(duì)數(shù)坐標(biāo)下近似呈一條直線，通過線性回歸分析，求得用戶節(jié)點(diǎn)的度服從=1.720的指數(shù)分布，即用戶對(duì)APP的訪問服從指數(shù)分布。（2）用戶訪問的APP數(shù)體現(xiàn)了用戶的興趣范圍，90%以上的用戶只請(qǐng)求很少幾類APP，平均度是1.92，說明大多數(shù)的用戶只訪問少數(shù)種類的業(yè)務(wù)，對(duì)移動(dòng)互聯(lián)網(wǎng)興趣集中，用戶節(jié)點(diǎn)的最大度是8，表明仍存在少數(shù)的用戶，對(duì)移動(dòng)APP興趣比較廣泛。

4.1.2用戶在移動(dòng)互聯(lián)網(wǎng)中的活躍程度用戶對(duì)所有APP的請(qǐng)求次數(shù)體現(xiàn)了用戶的活躍度，在用戶-APP二分圖中，用戶的活躍程度可以用權(quán)重度us來計(jì)算，即APP節(jié)點(diǎn)權(quán)重表示各個(gè)用戶訪問APP的總點(diǎn)擊次數(shù)。圖4顯示了用戶節(jié)點(diǎn)的權(quán)重度分布特征和擬合情況。從圖中可以看出：（1）用戶節(jié)點(diǎn)權(quán)重度分布具有明顯的重尾特性，在雙對(duì)數(shù)坐標(biāo)下近似呈一條直線，通過線性回歸分析，求得權(quán)重度服從=2.784的冪律分布。（2）用戶對(duì)移動(dòng)互聯(lián)網(wǎng)的APP的訪問表現(xiàn)出較強(qiáng)的非均勻性，大部分的普通用戶對(duì)APP的請(qǐng)求都較少；而一些少量的用戶表現(xiàn)的非?；钴S，而這些活躍用戶成為了移動(dòng)互聯(lián)網(wǎng)中主要訪問APP的用戶。

4.2APP用戶滲透率APP用戶滲透率定義為訪問該APP的用戶數(shù)量占用戶總數(shù)的比例。該指標(biāo)可用于刻畫該APP信息傳播的覆蓋范圍和流行普及程度，用于量化評(píng)估某APP消耗運(yùn)營(yíng)商線路帶寬的程度。根據(jù)用戶-APP二分圖模型，用戶滲透率jcUP的計(jì)算如下式。從圖中可以看出，同類APP每個(gè)時(shí)間段的用戶滲透率分布呈現(xiàn)相似性，APP1,APP4和APP7的用戶滲透率較高，其中APP7的用戶滲透率最高，在H1-H4時(shí)間段的用戶滲透率分別為43.71%，43.17%，48.80%和52.86%，說明此APP普及程度最廣。而APP2，APP6和APP8在四個(gè)時(shí)間段的平均滲透率最低，說明該APP普及程度較低。

4.3APP用戶使用率APP的用戶使用率定義為用戶對(duì)某APP的訪問次數(shù)占所有訪問次數(shù)的比例。根據(jù)用戶-APP二分圖模型，用戶使用率jcUU的計(jì)算如下。從圖中可以看出，除APP2，APP6和APP10之外的七個(gè)APP，每個(gè)時(shí)間段的用戶使用率分布呈現(xiàn)相似性，說明H1時(shí)段是凌晨休息時(shí)段，上網(wǎng)信息的需求較低影響到了APP2，APP6和APP10的使用，而其他APP未受到影響。APP1,APP4,APP7的用戶使用率較高，其中APP7的用戶使用率最高，在H1-H4時(shí)間段的用戶使用率分別為33.04%，39.55%，59.00%和51.93%。APP2和APP10使用率較低。從圖5和圖6可以發(fā)現(xiàn)，APP的用戶滲透率和用戶使用率表現(xiàn)出正相關(guān)的特性。

4.4APP用戶粘性用戶粘性又被稱為顧客忠誠(chéng)度，被定義為所有訪問該類APP的用戶的平均訪問次數(shù)。用戶粘性對(duì)于衡量用戶是否對(duì)某一APP的服務(wù)產(chǎn)生偏愛，能否長(zhǎng)期重復(fù)購(gòu)買該產(chǎn)品具有重要的刻畫能力，是衡量APP價(jià)值以及競(jìng)爭(zhēng)力重要指標(biāo)之一，對(duì)于提高顧客滿意度有重要的指導(dǎo)意義。根據(jù)用戶-APP二分圖模型。用戶在六天中四個(gè)時(shí)間段內(nèi)訪問APP的平均用戶粘性如圖7所示。從圖中結(jié)果可以看出，APP8的用戶粘性最高，在H1-H4時(shí)間段的用戶粘性分別為76.46，50.88，31.39和34.08。APP9和APP10的用戶粘性在10個(gè)APP中最小，說明APP9和APP10的競(jìng)爭(zhēng)力最弱。還可以看出，除APP6和APP7外，在H3時(shí)間段其余APP的用戶粘性均很小，在說明這個(gè)時(shí)間段內(nèi)，APP6和APP7的用戶粘性與其他APP不同，H3時(shí)間段對(duì)與提升這兩個(gè)APP的用戶忠誠(chéng)度更重要。

4.5APP用戶訪問時(shí)段分布將一天分成四個(gè)時(shí)間段的實(shí)時(shí)數(shù)據(jù)只能表現(xiàn)用戶的行為，一周之內(nèi)連續(xù)六天用戶對(duì)APP的訪問情況則更能表現(xiàn)用戶的總體行為。我們通過數(shù)據(jù)對(duì)比發(fā)現(xiàn)用戶每天四個(gè)時(shí)間段對(duì)APP的訪問模式并不會(huì)發(fā)生顯著變化，所以我們選取一周之內(nèi)連續(xù)六天的H2時(shí)間段，每個(gè)APP的用戶滲透率，用戶使用率，用戶粘性變化情況進(jìn)行統(tǒng)計(jì)。如圖8所示，可以發(fā)現(xiàn)除APP2之外，其余APP用戶滲透率在六天之內(nèi)變化不大，基本上保持平穩(wěn)。說明所比較的大多數(shù)APP的用戶滲透率并因?yàn)楣ぷ魅蘸椭苣┒艿接绊?。還發(fā)現(xiàn)，使用率較高的幾個(gè)APP,如APP1，APP4，APP7的使用率在連續(xù)六天變化并不大；反而是使用率較低的APP，如APP2和APP10使用率波動(dòng)較大。所比較的10個(gè)APP中，用戶粘性最大的APP8在連續(xù)六天內(nèi)的用戶粘性并不穩(wěn)定，同樣用戶粘性不穩(wěn)定的還有APP4，說明在用戶粘性方面這兩個(gè)APP在一周的中間時(shí)段需要提升。

4.6各類APP之間訪問關(guān)聯(lián)性分析根據(jù)APP關(guān)聯(lián)圖計(jì)算方法，可探究出APP之間的關(guān)聯(lián)性，其現(xiàn)實(shí)意義是發(fā)現(xiàn)訪問某APP的用戶群還會(huì)訪問哪些APP，用以發(fā)現(xiàn)類似的APP及類似的信息傳播渠道。首先，建立二分圖上APP之間的關(guān)聯(lián)程度圖ccGC,E。用實(shí)心圓來表示APP節(jié)點(diǎn)，APP的用戶滲透率大小按照實(shí)心圓的面積大小來直觀反映。節(jié)點(diǎn)的面積越大，對(duì)應(yīng)的業(yè)務(wù)類的用戶滲透率也就越高。邊的權(quán)重表示業(yè)務(wù)類之間的訪問關(guān)聯(lián)性。我們通過數(shù)據(jù)對(duì)比發(fā)現(xiàn)用戶每天對(duì)APP的訪問模式并不會(huì)發(fā)生顯著變化，所以我們對(duì)一天之內(nèi)的APP訪問關(guān)聯(lián)性進(jìn)行統(tǒng)計(jì)。以2014年3月3日用戶對(duì)APP的訪問日志數(shù)據(jù)為例，如圖9所示，我們發(fā)現(xiàn)（1）在APP關(guān)聯(lián)圖中，節(jié)點(diǎn)的入度越大，說明該節(jié)點(diǎn)在網(wǎng)絡(luò)中越重要。APP7的入度是最大的，為8。說明APP7與其他APP的關(guān)聯(lián)更緊密一些，APP7是APP關(guān)系網(wǎng)絡(luò)中關(guān)鍵的節(jié)點(diǎn)，是用戶最普遍使用的APP。（2）21.37%的訪問APP3的用戶會(huì)訪問APP7，而3.04%訪問的APP7的用戶還會(huì)訪問APP4.

5結(jié)論

本文通過分析用戶對(duì)移動(dòng)互聯(lián)網(wǎng)APP訪問日志，獲取相關(guān)數(shù)據(jù)，重點(diǎn)分析了用戶對(duì)APP的興趣范圍以及用戶在移動(dòng)互聯(lián)網(wǎng)中活躍度，10個(gè)移動(dòng)運(yùn)營(yíng)商關(guān)注的APP的用戶滲透率，用戶使用率，用戶粘性，以及APP之間關(guān)聯(lián)性。文章采用二分圖分析方法對(duì)用戶對(duì)APP的訪問關(guān)系進(jìn)行建模，分析不同時(shí)間段，各個(gè)分析指標(biāo)的變化，并給出和驗(yàn)證了他們之間的關(guān)系，對(duì)移動(dòng)互聯(lián)網(wǎng)的網(wǎng)絡(luò)管理、運(yùn)營(yíng)決策等都具有重要意義。

作者：吳瀟聶嘯劉曉輝高詩(shī)夢(mèng)曲冠南鈕艷單位：國(guó)家計(jì)算機(jī)網(wǎng)絡(luò)應(yīng)急技術(shù)處理協(xié)調(diào)中心電子科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院