移动社会网络的用户访问模型及应用研究(可编辑)
移动社交网络中的用户关系模型建立与分析
移动社交网络中的用户关系模型建立与分析社交网络的兴起和普及已经改变了人们的日常生活方式。
移动社交网络作为互联网技术的重要应用之一，已经深深地渗透到人们的生活中。
在移动社交网络中，用户之间的关系模型的建立和分析对于用户行为预测、个性化推荐和社交关系挖掘等方面具有重要的意义。
本文将就移动社交网络中的用户关系模型建立与分析进行探讨。
一、用户关系模型的建立在移动社交网络中，用户之间的关系可以通过多种方式进行建立。
首先，用户之间的关系可以通过社交网络平台提供的“添加好友”功能来实现。
当用户将某个用户添加为好友时，就建立了一种关系。
其次，用户之间的关系还可以通过用户之间的互动行为进行建立，比如点赞、评论等。
这些互动行为表明了用户之间的兴趣和交流，可以作为建立关系的依据。
除此之外，用户之间的关系还可以通过用户之间的共同兴趣、共同群组、共同地理位置等因素进行建立。
用户关系模型的建立需要考虑多方面的因素。
首先，需要考虑用户之间的距离因素。
用户之间的距离可以通过用户之间的共同兴趣、交互频率等因素进行度量。
其次，需要考虑用户之间的兴趣相似度。
用户之间的兴趣相似度可以通过用户的历史行为数据进行度量，比如用户的点赞、评论、收藏等行为。
最后，需要考虑用户之间的社交关系。
用户之间的社交关系可以通过用户之间的共同好友、共同群组等因素进行度量。
二、用户关系模型的分析用户关系模型分析是移动社交网络中的重要研究内容，对于用户行为预测、个性化推荐和社交关系挖掘等方面具有重要的意义。
用户关系模型的分析可以通过多种方法进行，如下所示：1. 社区发现：社区发现是用户关系模型分析的重要内容之一。
社区发现旨在识别出移动社交网络中具有紧密联系的用户群组。
社区发现可以通过用户之间的共同兴趣、交互频率等因素进行，可以帮助用户更好地了解自己所在的社区，并找到与之相关的内容和用户。
2. 关系强度预测：关系强度预测是分析移动社交网络中用户关系模型的关键任务之一。
社会网络分析模型及其应用研究
社会网络分析模型及其应用研究在现代社会中，人们的交际方式发生了巨大的变化，网络社交变得越来越流行，人们开始通过网络与朋友、家人和同事保持联系。
社交网络不仅限于个人的娱乐和交流，也包括通过社交网络进行组织和协作的各种活动。
因此，如何利用社交网络中的信息和关系网络，已经成为了社会科学和商业领域的一个热门话题。
本文将探讨社会网络分析模型及其应用研究的进展和趋势。
社会网络分析模型社会网络是由许多节点和边组成的复杂系统，节点代表人或组织，边代表它们之间的相互作用或联系。
在社会网络中，节点之间的联系可以通过多种方式来度量，如在线交流、共同合作、人际关系等。
社会网络分析模型就是用来研究和描绘这种节点和边之间关系的方法。
社会网络分析模型的核心是网络结构。
网络结构反映了节点和边之间的关系类型和强度。
在社会网络分析领域，有多种模型被提出来用于构建和分析社交网络。
其中最重要的几种模型包括：1. 社交网络中心性模型（Social Network Centrality Model）中心性是社会网络中最常用的测量节点重要性的方法之一。
中心性尝试度量节点在网络中的影响力、联系密度和威望。
中心节点通常是网络中最活跃的节点，它们可以通过许多方法被识别出来，比如接近中心性、间接中心性和特征向量中心性等。
2. 社区发现模型（Community Detection Model）社会网络中的社区由相似的节点组成，这些节点之间存在着比其他节点之间更密切或更亲密的联系。
社区发现模型的目的是识别这些社区，以便更好地理解网络的结构和功能。
常见方法包括聚类分析、谱聚类、模块度最优化等。
3. 传播模型（Diffusion Model）传播模型试图预测在社交网络中信息扩散的方式和速度。
基于物理学、生物学、信息学等领域的前景，传播模型变得越来越复杂。
最新的传播模型通常会考虑多种因素，包括节点的关系类型、情绪状态、行为动机等。
社会网络分析模型的应用社会网络分析模型已经被广泛应用于商业、政治、社会和科学研究等领域。
移动互联网用户行为模型研究与建模
移动互联网用户行为模型研究与建模随着移动互联网的发展，越来越多的用户开始通过移动设备访问互联网，这种模式已经成为人们获取信息、交流和娱乐的重要途径。
了解和预测移动互联网用户的行为模式对于企业制定营销策略、改善用户体验和提高用户留存率非常重要。
本文将探讨移动互联网用户行为模型的研究，并提出了一种建模方法。
理解移动互联网用户行为模型的研究意义在于为企业提供更好的用户洞察，从而更好地满足用户需求。
通过研究用户的行为偏好、使用习惯和购买行为，企业可以更精准地推送个性化的推荐和广告。
此外，了解用户行为模型还可以帮助企业优化产品设计和改进用户体验，提高用户满意度和忠诚度。
移动互联网用户行为模型可以通过多种方式进行研究和建模。
常见的方法包括数据分析、实地调研和建立统计模型等。
数据分析是基于大数据技术，通过对用户行为数据进行挖掘和分析，揭示用户的行为模式和趋势。
实地调研是通过访谈、问卷调查等方式获取用户的反馈和意见，了解用户的需求和行为动机。
建立统计模型是通过建立数学模型，利用统计方法来描述和预测用户的行为。
在移动互联网用户行为模型的建模过程中，需要考虑以下几个方面。
首先，需要选择合适的数据源，获取用户的行为数据。
这些数据可以来自移动应用、社交网络、地理位置等多个方面。
其次，需要对数据进行清洗和处理，消除数据中的噪声和异常值。
接下来，需要选择合适的特征，这些特征可以包括用户的地理位置、设备信息、使用习惯等。
然后，可以使用机器学习算法建立模型，通过训练和预测来获取用户的行为。
最后，需要对模型进行评估和优化，提高模型的准确性和稳定性。
移动互联网用户行为模型的建模可以应用于多个领域。
例如，电商平台可以通过用户行为模型来预测用户的购买意愿和购买能力，从而精确地推送个性化的商品和促销活动。
社交媒体平台可以通过用户行为模型来推荐感兴趣的话题和用户，提高用户的互动和参与度。
移动应用开发者可以通过用户行为模型来优化应用的界面设计和功能设置，提高用户的使用体验。
移动互联网社交网络分析与应用研究
移动互联网社交网络分析与应用研究移动互联网时代，社交网络已成为人们生活中不可缺少的一部分。
社交网络不仅可以为人们提供交友与社交的平台，还能够让人们获取更多的信息和与人合作。
同时，社交网络发展的过程也形成了自己的特点和规律。
在此基础上，移动互联网社交网络的分析与应用研究便成为了当下一个研究热点。
一、社交网络的特点与模型社交网络是基于互联网的社交行为，是一个由多个个体和他们之间的关系构成的网络。
社交网络的特点主要包括几个方面：第一是关系链的多样性，包括朋友关系、家庭关系、同事关系等。
第二是网络化程度较高，大多采用网络技术实现，可以满足用户快速交流和分享信息的需求。
第三是由于是公开性的系统，因此，社交网络平台可以收集和分析用户大量的数据信息。
另外，社交网络的模型也很多，其中最常见的是人与人之间的关系。
人与人之间的关系也是基于不同类型的网络模型形成的，如友好网络、家庭网络、职业网络等。
目前，研究人员主要采用两种模型进行社交网络的研究：一种是基于节点的模型，主要是研究网络上的节点、社区结构等；一种是基于边缘的模型，主要是研究网络上边缘的形成及其演化过程。
二、移动互联网社交网络的应用研究移动互联网社交网络的应用研究主要集中于两个方面：数据分析与推荐算法。
在数据分析中，研究人员主要通过数据挖掘和机器学习等技术，分析和挖掘用户的兴趣点和需求，从而推出更加有针对性的推荐结果。
推荐算法则主要针对推荐系统的优化，例如优化算法的准确性、速度和系统的稳定性。
这两个方面是社交网络最具有实用性的两个应用方向之一。
一方面，利用数据分析和推荐算法，社交网络平台可以更精准地匹配用户的兴趣点和行为特征，从而提高平台的推荐效率。
另一方面，社交网络平台可以将用户的特征和兴趣点等数据信息共享给商家或其他产品推荐平台，从而实现产品的精准营销和更好地满足用户需求。
三、移动互联网社交网络的应用案例在移动互联网社交网络的应用案例中，有些被广泛使用，成为生活中不可或缺的工具。
移动互联网用户行为研究及应用
移动互联网用户行为研究及应用随着移动互联网的普及，越来越多的人开始利用手机和其他移动设备上网浏览、购物、社交和娱乐。
对于企业和网站来说，了解用户行为变得尤为重要，因为通过对用户行为的研究，能够更好地理解用户需求和偏好，进而提高用户体验，吸引更多的用户，在竞争激烈的移动互联网市场中获得更多的消费者。
一、移动互联网用户行为的研究1. 用户偏好移动互联网用户偏好研究是了解用户需求的重要手段。
用户偏好包括用户所在地、使用设备、常用软件、喜好内容、上网时间等多个方面，通过这些信息，企业可以有针对性地制定推广、营销和服务计划。
例如，针对青年人的产品可以在社交媒体、短视频平台推广，而面向商务用户的产品可以在专业网站和应用中进行推广。
2. 访问路径通过分析用户访问路径，企业可以了解用户对网站或应用的使用流程和习惯，有利于改善网站和应用的设计，提升用户体验，并且可以为营销和推广提供支持。
例如，通过访问路径可以了解用户点击哪些按钮、浏览哪些页面以及在什么位置停留时间最长，进而找出问题所在，改进网站的设计和服务。
3. 购买行为移动互联网上的购物已成为一种主流的消费方式。
企业通过研究用户购买行为，可以了解用户购物的动机和需求，了解用户的购买决策过程，从而制定更精准的推广和营销策略，提升销售额。
例如，通过研究用户购买记录和评价，可以了解用户对产品的满意度和不满意度，找出产品的缺陷和优点，进而改进产品，提高用户体验。
二、移动互联网用户行为的应用1. 个性化推荐个性化推荐是基于用户行为研究的一项应用，根据用户的偏好、历史行为和购买记录等信息，为用户推荐符合其兴趣的内容，提高用户满意度和忠诚度。
例如，音乐、电影、电视剧等娱乐网站可以根据用户的历史记录和评分，推荐与用户兴趣相符的内容，从而提升用户体验。
2. 营销推广移动互联网的用户往往通过搜索引擎和社交媒体等渠道获取信息和产品，因此营销推广是企业在移动互联网上必不可少的一项策略。
社会网络中的用户行为建模与研究
社会网络中的用户行为建模与研究社交媒体的普及使得人们在网络空间中的互动行为变得普遍而频繁。
对于社会网络中的用户行为进行建模与研究，能够对用户的行为模式、社交关系和信息传播等方面产生深刻洞察。
本文将从用户行为模型的构建、社交网络中的用户关系分析和信息传播研究三个方面进行探讨。
一、用户行为模型的构建社会网络中的用户行为受到多种因素的影响，包括个人特征、社会因素和网络环境等。
为了准确地建模用户行为，研究者可以使用概率模型、图模型和机器学习等方法。
概率模型是用来描述用户行为的概率规律的数学模型。
通过对用户行为的概率分布进行建模，可以预测用户在社交网络中的行为模式，例如用户发布信息的频率、用户转发信息的概率等。
同时，概率模型能够对用户的行为特征进行聚类和分类，挖掘用户的行为模式。
图模型是一种用图来表示用户行为关系的模型。
在社交网络中，用户之间的关系是通过关注、好友、粉丝等方式建立的。
图模型可以将用户行为关系表示为图的结构，通过分析图的拓扑结构和图的属性来研究用户之间的社交影响和社交影响的传播规律。
机器学习是一种通过训练数据来学习用户行为模式的方法。
通过对大量用户行为数据进行分析和学习，机器学习能够自动地发现用户的行为模式和规律。
基于机器学习的用户行为模型可以用于用户行为预测、用户画像构建等应用。
二、社交网络中的用户关系分析社交网络中的用户关系是用户行为建模的重要基础。
用户之间的关系可以通过社交网络的拓扑结构来表示，例如用户之间的好友关系、转发关系和评论关系等。
通过对社交网络中的用户关系进行分析，可以揭示用户之间的社交影响、影响传播的路径和影响力的大小。
对于用户之间的社交影响，研究者可以使用传统的社会网络分析方法来度量。
通过计算用户的度中心性、接近中心性和介数中心性等指标，可以判断用户在社交网络中的影响力。
同时，可以通过分析用户之间的关联性、互动频率和互动时间等，揭示用户之间的社交影响机制。
影响传播路径的分析可以帮助研究者理解信息在社交网络中的传播方式。
移动社交网络用户行为研究
移动社交网络用户行为研究移动社交网络是指通过移动设备使用的社交网络应用，如微信、QQ等。
随着智能手机的普及和移动网络的迅速发展，移动社交网络用户数量日益增长。
研究移动社交网络用户行为，对于了解用户需求和行为模式，提高应用体验和用户黏性具有重要意义。
一、用户使用时间与频率研究发现，移动社交网络用户每日平均使用时间为2-3小时，其中半数以上用户每天使用时间在3小时以上。
用户使用频率也相当高，超过80%的用户每天使用移动社交网络。
而且大部分用户在早晚上下班前后和休息时间使用较为集中。
二、用户活跃度分析在移动社交网络中，用户的活跃度可通过消息和朋友圈等互动数据来进行量化。
一般来说，用户的活跃度呈现偏态分布，即少部分用户贡献了大部分的互动行为。
例如，在微信朋友圈中，仅有不到10%的用户产生了80%以上的动态。
而这部分用户多为女性、年轻人和社交活跃者。
三、用户好友数量移动社交网络的核心是“社交”，好友数量是衡量用户社交关系脉络的重要指标。
研究表明，移动社交网络用户好友数呈现长尾分布，即大多数用户的好友数量较少，只有极少数人的好友数量超过千人。
此外，用户和好友间的社交力度也呈现差异化，有的用户与好友较密切互动，而有的用户则只是静静浏览。
四、用户行为特征分析1.谈论话题、分享内容移动社交网络中，大部分用户的互动行为集中在谈论话题、分享内容等方面。
用户在朋友圈中分享生活中的点滴，发表自己的观点，或者参与朋友的互动。
这种行为是移动社交网络用户活跃度的主要体现。
2.搜寻信息用户在移动社交网络上也会通过搜索关键词来搜寻信息。
比如，在微信中，用户可以通过搜索公众号，查看文章和消息，或者搜索好友昵称，获取好友的资讯动态。
3. 购物行为移动社交网络也成为用户进行线上购物的重要渠道之一。
据研究，超过一半的用户在移动社交网络上购买过商品。
用户可以通过朋友圈、公众号等平台了解产品信息，选择商品并进行付款等操作。
五、用户忠诚度分析移动社交网络上，用户的忠诚度通常通过社交黏性指标来衡量，如每日活跃度、留存率等。
移动社交网络中的用户行为分析与建模
移动社交网络中的用户行为分析与建模移动社交网络简称“MSN”，是一种通过手机等移动设备访问的社交网络。
随着移动互联网的普及和智能手机的普及，越来越多的人开始喜欢使用移动社交网络，这也使得移动社交网络成为了刻画用户行为和预测用户需求的重要研究领域。
在本篇文章中，将主要探讨移动社交网络中的用户行为分析与建模。
一、移动社交网络中的用户行为1.用户活跃度分析用户活跃度是指用户在移动社交网络上的行为操作对系统的使用频率。
移动社交网络中有许多种形式的用户活跃度，如用户发布的信息、评论、点赞等。
了解用户的活跃度是评价移动社交网络的用户价值和参与度的重要指标。
2.用户社交网络分析用户的社交网络是指用户与其他用户之间的互动和关系。
移动社交网络用户的社交网络是非常复杂的，人们之间的关系是十分复杂的社会网络。
分析用户社交网络的目的是探索用户之间的联系形式，同时为用户行为预测和推荐提供一个基础。
3.用户行为模式分析用户行为模式是指用户在移动社交网络中的行为习惯。
每个用户在使用移动社交网络的时候都有不同的行为模式，如打开频率、看新闻频率、切换页面频率等，这些用户行为模式对于推荐和预测有着极为重要的作用。
二、移动社交网络中的用户行为建模在移动社交网络中，用户行为建模是对用户行为数据进行分析和预测的一种方法，主要包括以下几种方法：1.基于关联规则挖掘的行为建模关联规则挖掘是一种从大量数据中发掘潜在关系的数据挖掘方法。
在移动社交网络中，可以通过关联规则挖掘的方法来发现用户行为中的规律，进而对用户进行推荐和预测。
2.基于聚类分析的行为建模聚类分析是一种分类技术，可以将用户行为数据划分为不同的类别。
通过聚类分析可以发现用户行为中的相似点和不同点，为推荐和预测提供依据。
3.基于深度学习的行为建模深度学习是一种基于神经网络的机器学习方法。
在移动社交网络中，可以通过深度学习的方法发现用户行为中的潜在模式和规律，为推荐和预测提供准确的预测。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
移动社会网络的用户访问模型及应用研究分类号!殴塑!垒重庆邮电大学硕士学位论文Modelof mobile英文题目visitingPeople's璺Q璺i垒!坠璺鲤Q￡k垒塾堕i!璺垒卫卫!i￡垒鱼Q望论．文提交日期至Q!墨!鱼!鱼论文答辩日期幽．氯25日年月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。
据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得重庆邮电太堂或其他教育机构的学位或证书而使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。
学位论文作者签名：声辱、签字醐：弦f，年厂月下学位论文版权使用授权书本学位论文作者完全了解有关保留、使用学位论文的规重迭邮电盔堂定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。
本人授权可以将学位论文的全部或部分内容编入有关重废由＆电太堂数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。
保密的学位论文在解密后适用本授权书刷程名．沁学位敝作者答名：膨、像签字吼矽f；年岁月叶日签字吼邳年多月下摘要摘要移动社会网络兼具移动属性与社会属性，具有轻量级、移动性、一站式平台服务、贴近用户及基于位置服务的特性，呈现出良好的发展态势，有着广阔的用户市场与盈利空间。
针对移动社会网络的学术研究，尤其是用户网络行为方面的研究对于其网络优化、业务营销推广、用户行为预测及网络安全等具有难以估量的价值。
移动社会网络在近几年才开始发展，其网络架构、通信流程、用户访问模式、内容资源及相关业务应用等都与传统的Intemet社会网络存在很大的差别，其用户群体行为规律与流量特性也存在较大差异。
目前关于传统社会网络的用户与网络行为的研究相对成熟，而关于移动社会网络的用户与网络行为的研究较为少见。
移动社会网作为移动互联网的一种应用服务，其用户访问行为在范畴上也属于移动互联网的用户访问行为。
本文根据现有的移动互联网流量模型，给出了一个包含会话层、事务层与数据包层的社会网络用户访问模型，并给出了该模型的各参数指标。
以该模型为基础，重点对移动社会网络的生命周期评估、网络流量特性及网页推荐这三个方面进行了研究。
本文通过对前述模型参数的分析，提取两个关键参数指标分别表征移动社会网站的竞争地位与竞争实力，得到了一个移动社会网络生命周期评估模型，可用于评估一个移动社会网站的发展状况。
基于实测数据，验证了评估模型的有效性。
其次，从用户访问特征、会话特征、与邻居站点关系特征这3大方面分析和讨论了处于不同生命阶段的移动社会网络，其用户的群体行为规律与流量特征。
在访问模型的事务层面上，对用户访问移动社会网络的访问序列进行分析，有助于了解用户群体对网络的使用习惯从而实现访问行为的预测，然而目前尚缺乏对移动社会网用户访问序列的分析。
本文在Markov链模型的基础上，给出一个具有“用户感知”的网页推荐模型，能适用于大流量关键节点网页的预测推荐，弥补了以往预测算法无用户感知、需反复训练、难以应用到移动社会网络的问题。
基于大量用户访问wap．renren．corn的真实数据，验证这个预测模型的有效性与高准确性。
关键词：移动社会网络，用户网络行为，网络流量，Markov链重庆邮电大学硕士论文Abstractthecharacteristlcsandsocialproperty,hasS0cialMobilenelwork,integratingpropertyandlocation-based??Itservicetotheusers，one-stopofmobil如lightweight，closingonbroadandhasa space??So，researChesmomentum profitapresentsgooddevelopmentonnetworkvalueofincalculableitsuserbehavior，are socialmobilene帆ork，especiallyandnetwork security,etc??behaviorpredictionoptiIllizatioIl，businessmarketing，usermofdifferenceshaslotssocialnetworkinrecentyears，mobileDevelopedprocess，networkinnetworkarchitecture，communicationsocialnetworknaditionalandnetflowcharacteristlcsbehaviorcoI删resollrces．Usergroup’SseⅣices．arldnetworkISsocialoftraditionalonuserbehavior membc№n mayvarygreatly．Researchnetworkofmobilesocialuserbehavioronma：turerelativelycurrently．However，researchiSrare．service??What’Smore，mobileInternet oftheanMobilesocialnetwod【isapplicationbehaviorIntemetusertothemobilenetworkalsoofmobilesocial belongsuSerbeh撕ormobileof Intemet，weonthemodel visitingthis people’s onthepaper,basedcategory．Innetworkwith3mobilesocialofex眦anlodelusers’visitingframeworkoftheontheofthismodel．Based theparameters_pac廛 agelayerlI，andpresent7accessandusersfeatureson assessment，netflowresearcheslife―cyclemodel．wegivesocialnetwork．ofmobilebehaviorpredictionassessmenttominea modelthelife。
cycleon of helpspreviousAnalysisparameterstoindicatemodelfrom competitive2 userS’visitingmodelbyextra烈ingparametersUStoassesstheCan developmenthelpand strengthrespectively．ItpositioncompetitiveuserbehaviorandtheourmodelandiIa：ta evaluate exploreonreal set，westatus．Basedtheareindifferentsocialnetworks byshowingwhenmobile phasenemowcharaCteristicswithfeatureandrelationshipaccesscharacteristics，session in3perfIonnaIlceaspects：userwebsites．neighborussocialnetworktomobile mayhelpsofuse rs’accessonsessionsequenceAnalysisrealizeuserbehaviornetworkSOasto prediction??ofunderSt锄1dthebasicto usagenetworkusers’accessonthemobilesocial sequence??InislackofHowever,itanalysismodeltomarkovchainauser-aware pre-fetchpredictionthis dynamicpapler，wepresentonrealnetworkinmobilesocialtraffic eco。
system??Basedsomekey．pathwebpagesbigformodel．Thismethodmakesevaluatethe upofclick．妣锄datawap．renren．com，weIII重庆邮电大学硕士论文tothe withoutalgorithmsuser-awareness，repeatedtraining，difficultpreviouspredictiontomobilesocialnetworks．applyChainwords：mobilesocialnetwork，userbehavior,networktraffic，MarkovKeyIV目录目录摘要 (I)Abstract…．．…．．…．……．……．…．…………．．…………．……．．……．……．．……………．………．…．．…．…．．．III第一章绪论……………………………………………………………………………．11．1选题背景及意义 (1)1．2研究现状 (2)1．2．1传统社会网络的用户网络行为研究…………………………………一21．2．2移动社会网络的用户网络行为研究…………………………………．．21．3论文主要工作以及贡献…………………………………………………-…一31．4论文的组织结构 (4)第二章移动社会网络的用户网络行为分析概述…………………………………一52．1SNS与移动互联网融合趋势…………………………………………………．52．2移动社会网络简介……………………………………………………………．62．2．1什么是移动社会网络…………………………………………………．62．2．2移动社会网络业务……………………………………………………．82．3移动社会网用户网络行为分析的研究内容…………………………………．．92．4本章小结 (10)第三章移动社会网络的用户访问模型 (11)3．1移动互联网用户访问模型……………………………………………………1l3．2移动社会网络用户访问模型 (12)3．3实验数据集与用户访问行为识别 (15)3．3．1基础实验数据介绍 (15)3．3．2移动社会网络用户访问行为识别..................． (16)第四章移动社会网络的生命周期评估模型 (19)4．1移动社会网络的生命周期…………………………………………………．．194．1．1BCG波士顿矩阵与生命周期 (19)4．1．2生命周期转移 (19)4．2移动社会网络的生命周期建模 (21)4．2．1移动社会网络用户行为特性分析 (21)4．2．2移动社会网络用户访问模型指标……………………………………．214．2．3生命周期评估模型 (22)4．3模型性能评估………………………………………………………………一234．3．1数据集选取 (23)V重庆邮电大学硕士论文4．3．2模型应用 (24)4．3．3结果分析........................． (25)4．3．4模型扩展 (26)4．4不同生命阶段的MSN用户网络行为特征…………………………………．264．4．1MSN用户访问特征 (27)4．4．2MSN会话特征 (30)4．4． 3 1MSN与邻居站点关系特性 (3)4．5本章小结……………………………………………………………………．．34第五章移动社会网络的页面推荐研究 (37)5．1Markov链预测模型简介……………………………………………………．．375．1．1一阶Markov链模型…………………………………………………．375．1．2其它Markov链预测模型及其局限性………………………………．．385．2UDM模型基础………………………………………………………………．395．2．1用户等级模式 (39)5．2．2移动社会网的关键网页 (39)5．3UDM模型． (41)5．3．1UDM模型介绍………………………………………………………一415．3．2UDM模型算法………………………………………………………．．4l5．3．3性能评估指标…………………………………………………………．435．3．4时空复杂度分析………………………………………………………．435．4UDM模型性能评估…………………………………………………………．445．4．1数据描述...................................................．． (44)5．4．2实验测试………………………………………………………………．465．4．3性能评估讨论…………………………………………………………．485．5本章小结……………………………………………………………………．．49总结及展望 (51)第六章6．1总结 (51)OI 526．2展望……………………………………………………………O．．．．O致射…．．……………………………………………………………………………………………………………．53参考文献………………………………………………………………………………．55附录攻读硕士学位期间从事的科研工作及取得的研究成果 (59)VI第一章绪论第一章绪论1．1选题背景及意义NetworkService，SNS ，它是建立在美国著名社会网络即社会网络服务 SocialIntemet社会性服务，支持人们建立互信、紧密的社会关系。