多网络重叠用户的迁移趋势与预测模型研究

发布时间：2024-03-06 04:15

　　在当今互联网迅速发展的时代,新型社交或多媒体网站层出不穷,其中不乏大量功能类似的竞争者,为互联网世界增添活力的同时也给予了用户更多的自由。站在在线多媒体网站的角度上看,只有大批量的用户才能带来稳定的增长率和营业收入。因此为了保证网络的竞争力和生命力,对于处于竞争关系中的网络中的任意一方,监控和预测用户的迁移趋势都成了极为重要的商业手段。然而,由于用户迁移难以量化,数据集缺少合理的迁移样本标签,所以目前对于在线用户迁移的研究停留在统计和趋势分析阶段,而无法对未来的用户迁移趋势进行监控和预测。为了解决这个问题,本文选择Acfun和Bilibili这两个视频网络为目标网络,并引入了重叠用户的新浪微博数据来增强目标网络的用户信息。首先,本文定义了用户行为向量和用户行为状态来量化用户在目标网络上的行为活动,并使用马尔可夫链对用户状态迁移进行计算并得到全局的状态转移矩阵,在此基础上分析了整体的用户迁移趋势。在发现了用户迁移趋势的基础上,本文提出了三种顺序增强的用户迁移预测模型,分别为GMOM模型,TMM模型和WITMM模型。其中在WITMM模型中引入了重叠用户的微博特征数据,并取得了最好的迁移预测...

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图1.17个社交网络中单个网络向其余网络迁移趋势雷达图（AttentionMigration）

图1.17个社交网络中单个网络向其余网络迁移趋势雷达图（AttentionMigration）Newell[2]等人则利用Reddit在2015年发生的社区危机作为其在线用户迁移的研究对象。该研究考察了2015年Reddit危机事件前后用户向同类型竞争网络....

图2.1多社交网络重叠用户模型

则称用户u是跨社交网络，，三网的重叠用户。 5.用户的行为内容与个人资料信息因各个社交网络的特色而不同。 图2.1多社交网络重叠用户模型2.1.3多社交网络重叠用户发现方法目前，发现多社交网络重叠用户身份的研究方法大致分为以下几种。1.基于....

图3.2用户视频数量分布图

图3.2用户视频数量分布图Acfun与Bilibili用户播放量累计分布图如下图3.3所示。该分布图采用半对数坐标系，其中横坐标为对数坐标，代表单个用户视频播放量，纵坐标为不同播放量的用户累计百分比。该图显示，Acfun的单个用户播放量较Bilibili的单个....

图3.3用户播放量累计分布

17图3.2用户视频数量分布图Acfun与Bilibili用户播放量累计分布图如下图3.3所示。该分布图采用半对数坐标系，其中横坐标为对数坐标，代表单个用户视频播放量，纵坐标为不同播放量的用户累计百分比。该图显示，Acfun的单个用户播放量较Bilibili的....

本文编号：3920537