移动互联网用户行为感知与分析技术研究

With the rapid development of mobile Internet, the mobile Internet user behavior perception and analysis has become the key technology for public opinion diversion in mobile Internet. By the analysis of social network formed from typical mobile Internet applications such as Facebook and Twitter, this project perceives the behavioral characteristics of mobile user and implements pattern mining of mobile user behaviors. This projects study on subjects such as topic detection and analysis and recovery of propagation path, mining of key time, key node and key user, perceive and analysis of user behaviors. First, this project proposes the Multiple-Feature and Multiple-Dimension expression model and computing methods to implement the across-networks expression and accurate discovery of hot-topic. Second, this project proposes the virtual-physical combination of topic propagation path recovery technology to implement the propagation path recovery and location of mobile user from virtual space to physical world. Third, this project proposes the sociology based group behavior judgment methods to implement the pattern classification of organizational behavior pattern. This project finds and locates mobile user via public opinion topic, and acquire the organizational behavior model through the individual behavior analysis, which is used to help for the important public opinion monitoring and early warning to safeguard national stability and unity.

随着移动互联网的迅猛发展，移动互联网用户行为的感知与分析技术成为移动互联网舆情疏导的关键技术。本课题针对移动互联网典型应用Facebook、Twitter等形成的社交网络分析，感知移动用户行为特性，实现用户行为模式挖掘。从话题发现和传播路径分析还原；关键时间、节点和人物挖掘；用户组织行为感知与分析等三方面展开研究。主要包括（1）提出多特征多维度热点表示模型及热点计算方法，实现热点跨网络表示及准确发现。（2）提出虚物结合的话题传播路径还原技术，实现移动用户从虚拟空间到物理世界的路径还原与定位。（3）提出基于社会学的群体行为判断方法，从热点话题相关人员构成的组织行为特点出发，实现对人员的组织行为模式分类。本课题通过舆情话题查找或定位参与人，结合个人行为特征分析获取相应组织行为模式，为重大舆情监控预警和疏导提供辅助决策，维护民族安定团结与社会和谐稳定，具有重要的理论和现实意义。

随着移动互联网的迅猛发展，移动互联网用户行为的感知与分析技术成为移动互联网舆情疏导的关键技术。通过对移动互联网典型应用Facebook、Twitter等形成的社交网络的深入分析与研究，探索感知移动互联网用户行为特性的方法，提出移动互联网用户行为感知与分析技术的整体框架，实现用户行为模式挖掘，通过舆情话题查找或定位参与人，并结合个人行为特征分析获取相应组织的行为模式,为重大舆情监控预警和疏导提供辅助决策。.同时，课题组一方面研究面向互联网舆情的文本语义分析来挖掘主题精度，另一方面研究面向分布式并行计算提高路径还原的性能。实验结果表明，事件模型比主题模型更加精准、高效，这也说明语义比主题更好的体现了语言的本质。为了将云计算技术应用序列比对，我们创新地提出基于 Spark 的 Smith-Waterman 算法：SparkSW。该算法采用 Spark MapReduce 框架和 Hadoop 分布式文件系统，可以很好的并行执行序列比对任务，实现了线性加速的效果。.研究发现社交网络存在行为特征可识别的隐式组织，其挖掘研究工作依托僵尸网络发现、舆情关键人物发现追踪、隐式组织三个方面开展。.最后，利用可高效进行大数据分析的图计算系统模型，我们将网络舆情数据计算对象分为：节点中心计算模型、边中心计算模型、路径中心计算模型以及子图计算模型四类。提出子图匹配技术架构PatternTreeISO并开展相关实验研究。