前言

随着人工智能、大数据、5G等技术不断取得突破，社交网络得到了迅速发展，各种应用层出不穷，为人们开拓了新的信息分享与交流平台。社交网络不仅在传递信息、促进交流等方面起着重要作用，而且渗透到了人们的日常生产、生活中。社交网络上普遍存在同一事件的不同竞争性信息同时传播的现象，这些信息之间往往存在着正相关或负相关的特性。

本书致力于分析不同类型信息的竞争性传播机制和用户行为，探索原生信息正向传播与衍生信息逆向反馈的作用规则，构建基于社交网络的竞争性信息传播模型并分析一系列用户行为，开展相关科学实验，以检验模型或算法的合理性与有效性。研究社交网络中的用户行为，可以有效掌握社交网络中用户的关系特征、用户兴趣和用户网络行为背后的逻辑及关联关系等，促进有关部门对网络舆论和用户行为进行有效的监管和约束，建立切实有效的网络行为规范等。同时，对于各类企业而言，掌握社交网络中用户的兴趣点和用户的关系网络可以优化产品与服务，并且依据社交群体的不同特点为用户提供更加精准的个性化推荐和网络营销策略。

本书共10章。第1章首先分析社交网络特性；接着针对社交网络上的竞争性信息传播，给出传统的竞争性信息传播研究模型；然后分析社交网络中不同用户的行为；最后分析社交网络的基本理论基础。第2章主要考虑社交网络上的人的因素，引入信息衰减系数、信息噪声系数和反馈系数等指标，实现竞争信息正向传播和信息逆向反馈的定量计算，分析反馈量随传播信息量变化的动态关系，揭示社交网络结构对竞争传播行为的影响及信息传播过程对网络结构反作用的互动规律。第3章主要考虑社交网络上普遍存在同一事件产生的多种不同类型信息同时在网络中传播的情形，即后发布的信息如何与先前发布的信息竞争，最终达到完全抑制先发信息的目的。社交网络上信息间的竞争是借助于网络节点实现的，本章深入研究节点状态转换的内部机制，确定节点的状态转换具有马尔可夫性，从概率层面建立节点状态转换的概率模型图，通过推导得出概率计算公式和转换概率矩阵。通过考察节点状态随时间不断转化的规律，构建竞争性信息扩散微观概率模型，并通过多种实验验证模型的可靠性。第4章在竞争性信息扩散微观概率模型的基础上，从系统的观点思考问题，重点考察社交网络上节点间相互作用的结果，给出宏观上呈现统计规律性的方法。通过充分考察社交网络用户规模庞大、网络结构复杂、用户行为多样的特性，运用动态时间序列和非线性动力学方法，构建竞争性信息传播宏观演化模型，刻画竞争性信息的竞争传播过程。第5章对社交网络中的群体进行分析，提出相应的社交网络社区发现算法。第6章主要从社交网络用户行为中的用户关注、用户微博、用户自定义标签等方面，进行用户关系和用户兴趣行为两个方面的分析研究。第7章改进加权随机森林模型，提出基于粒子群优化的随机模型，并使用两个模型对社交网络异常用户进行分类，对得出的结果进行分析，与传统异常用户分类模型进行对比分析，验证改进后的模型有效性与合理性。第8章主要提出一种新的基于局部优化节点和度折扣相结合的算法，通过对候选节点集进行筛选和过滤，使用多种函数优化种子集的选择，并且在四个真实数据集和独立级联模型上进行种子节点的选取和实验，增强算法的影响扩散能力，避免大量不必要的计算。第9章改进基于社区划分结果的链路预测算法，在不同类型的真实网络中对该算法进行实验分析，并与其他各类预测算法进行对比分析。第10章对社交网络中的热点话题进行预测研究，并以今日头条为例进行真实案例分析。

本书的研究成果可为社会媒体等相关部门提供决策参考和理论指导，增进政府、媒体、社交网络平台对舆情等信息的全面理解。社交网络竞争性信息传播和用户行为分析在社交网络服务、推荐系统、意见领袖挖掘、用户画像等方面具有广阔的应用前景和推广空间。

本书得到了国家社科基金（17XXW004）的资助，在此作者表示诚挚的谢意。特别感谢为本书的完整性作出贡献的课题组成员：何道兵、丁楠、李祥、吴松阳、刘加苗、唐婷、陈西华、陈继学、刘晓翔、黄俊、李明、周亚男、王松等。

由于作者水平有限，书中的错误和不足之处在所难免，望读者不吝赐教。所有关于本书的批评和建议，请发至作者邮箱lxy3103＠163.com。

最后感谢自己对社交网络分析研究方向的热爱。

刘小洋

2020年6月