劉彩紅， 魏戰(zhàn)爭

(1.漯河職業(yè)技術學院， 河南 漯河 462002； 2.駐馬店財經(jīng)學校， 河南 駐馬店 463000)

幾種網(wǎng)絡用戶行為模型的對比研究

劉彩紅1， 魏戰(zhàn)爭2

(1.漯河職業(yè)技術學院， 河南 漯河 462002； 2.駐馬店財經(jīng)學校， 河南 駐馬店 463000)

無論是個體還是群體，驅動用戶行為的動力學原理是構成網(wǎng)絡用戶行為動力模型的基礎。由于行為的復雜性，在網(wǎng)絡社區(qū)行為模型構建中，常用的研究方法有兩種，即基于事件間隔時間特性和基于事件空間特性。從研究模型來看，網(wǎng)絡行為分析依據(jù)不同的網(wǎng)絡結構和統(tǒng)計方法，在模型量化及用戶行為特征量的表征上通過對正常行為的建模來發(fā)現(xiàn)網(wǎng)絡存在的安全漏洞，并提出積極主動的防御對策。

復雜網(wǎng)絡；網(wǎng)絡行為；模型構建；對比研究

人的行為規(guī)律具有社會學、醫(yī)學、心理學、經(jīng)濟學等多重領域的綜合特征，在復雜的網(wǎng)絡社會中，基于用戶行為模型的構建主要集中在時間、空間維度的對比分析上。對于時間特性的研究，主要側重于在某一時間間隔內兩個具有連續(xù)特征的行為事件發(fā)生率，如發(fā)送兩條微博的時間間隔、連續(xù)兩次訪問同一網(wǎng)站的時間間隔等；而對于空間特性的研究，主要從用戶位置的變化探討網(wǎng)絡用戶的行為特點，如以手機網(wǎng)絡來精確定義用戶的空間運動軌跡和特征等。總體來看，對于網(wǎng)絡用戶行為特性的研究主要集中在冪率特性、區(qū)域特性、重復特性三個方面。

1 網(wǎng)絡用戶行為模型研究的特點

對于網(wǎng)絡用戶行為的特征研究，主要從時間、空間兩個維度來展開。在時間維度上，傳統(tǒng)的實證研究發(fā)現(xiàn)，用戶行為具有隨機性，服從泊松分布特征；但近年來，隨著復雜網(wǎng)絡理論研究成果的推出，基于時間間隔及事件等待間隔的行為特征服從冪率分布，即p(τ)-τ-α，也就是說，對于行為特征既有長時間的靜默，也有短時間的陣發(fā)。與傳統(tǒng)泊松分布相比，冪率分布在衰減速度上較慢，且出現(xiàn)較大概率值的可能性要高于泊松分布；Oliveira等人以電子郵件發(fā)送為例，指出收發(fā)郵件的時間間隔服從冪率分布；國內學者在對錢學森、傅雷、魯迅等人的郵件記錄進行分析時發(fā)現(xiàn)其也服從冪率分布特征。網(wǎng)絡互聯(lián)帶來的移動通信服務，讓更多的人能夠隨時隨地登陸網(wǎng)絡并使用網(wǎng)絡。周濤等人通過Netflix網(wǎng)絡對448235名用戶觀看同一電影的時間間隔分布進行分析，得出用戶點擊電影的時間間隔服從冪率分布，并提出活躍度概念，用以表征用戶在某段時間內的點擊行為總數(shù)；Vazquez等人通過對圣母大學圖書館借閱行為進行研究，從書籍的簽出到期刊歸還記錄，其時間差也服從冪率指數(shù)。在空間特性研究中，用戶行為的位置信息與時間信息相比更具隱秘性。有學者利用現(xiàn)代科技來對微生物、海洋生物等運動行為進行實證記錄，發(fā)現(xiàn)這些生物在空間上也服從冪率分布；Brockmann等人通過電子支票來分析人的空間行為，也有學者利用手機的精確定位同樣發(fā)現(xiàn)人類空間運動服從冪率分布。另外，在人類行為軌跡統(tǒng)計中，對于某一特定行為具有重復性，而不是隨機性；Barabasi在其著作《Burst》中提出，93%的人類活動具有可預測性。

2 常用的網(wǎng)絡用戶行為模型研究

2.1 優(yōu)先排隊量化模型

Barabasi是最早提出優(yōu)先排隊模型的，并利用具體任務的優(yōu)先級來進行不同場景、不同視角的分析。在優(yōu)先級排隊模型中，對于網(wǎng)絡用戶行為的復雜性，主要從假設中加以簡化。如利用時間離散化，將連續(xù)的行為按照時間間隔來分解；利用單位化處理時間作為某一離散任務的處理過程；對于任務隊列保持永不停止的狀態(tài)；對于生產(chǎn)者、消費者都處于不停執(zhí)行任務的狀態(tài)；對于任務選擇基于三種方式，即隨機法、先來先服務、最高優(yōu)先級服務。通過對優(yōu)先級模型的假設，在模型建立過程中，首先每一個用戶被賦予某一任務，并根據(jù)任務隊列被賦予優(yōu)先級xi(xi∈[0,1])，在任一時步下，生產(chǎn)者產(chǎn)生新的任務交給任務隊列，消費者以概率P來進行優(yōu)先級任務選擇，而對于(1-P)則以隨機任務方式進行消費，記錄下本任務的消費時步；對于任務的等待時間則可以記作“τw=消費時步-生產(chǎn)時步”；當p→1時表示用戶按照優(yōu)先級來選擇任務，通過模型得出τw的概率分布符合冪率特征；當p→0時，表示按照隨機法進行任務選擇，模型得出τw的概率符合泊松特征。然而，對于優(yōu)先級排隊模型，由于涉及太多假設，削弱了模型的適用性；Vazquez等人利用生產(chǎn)任務速率θ和消費任務速率λ來探討任務隊列的長度L，得出當L=2時，等待時間精確為

(1)當p→0時，則有

說明理論推理與仿真結果具有一致性，服從指數(shù)衰減下的泊松分布。

(2)當p→1時，則有

這時，每個任務的等待時間為1，沒有被消費的任務等待時間也服從冪率分布。

(3)當p<1且為定值時，τw→∞，則可以得到：

2.2 自適應興趣驅動模型

對于網(wǎng)絡用戶來說，很多情況下在參與網(wǎng)絡行為中是基于事件的興趣驅動。例如，以網(wǎng)絡娛樂為主的用戶，其上網(wǎng)、收發(fā)郵件、參與社區(qū)討論等行為，并非是建立在任務優(yōu)先級上，而是更多地基于人類自身動力學驅動下完成。當參與某些行為過于頻繁時，興趣會降低；相反，當參與行為頻率下降時，興趣會回升。其模型規(guī)則為：當時間為離散化條件下，在時步t內參與某項事件的概率為r(t)，則在t+1時步下，r(t+1)=α(t)r(t)，其中α(t)的表達式為

有學者提出基于興趣驅動的非線性遞減函數(shù)行為動力模型，表示為

對于本式中的t-1=Δt，當Δt小于閾值時，則重新回到1，其特點在于利用指數(shù)來調整冪率分布。

2.3 非齊次泊松模型

在網(wǎng)絡用戶行為分析中，Malmgren等人提出行為的周期性。如對于微博娛樂，從時間上與人的行為具有一定的周期性，如晚上睡前參與網(wǎng)絡行為，也是符合一些人的行為習慣的。為此，利用冪率分布，從時間間隔上引入周期性概念，得出級聯(lián)式非齊次泊松模型。

我們用pd(t)和pw(t)分布表示兩個嵌套的周期函數(shù)，pd(t)表示一天的概率，pw(t)表示一周的概率。則事件發(fā)生概率ρ(t)表示為

ρ(t)=Nwpd(t)pw(t)

對于嵌套的泊松過程，表示某網(wǎng)絡用戶參與某一事件的概率依賴于另一周期函數(shù)，本模型實質上是對網(wǎng)絡用戶周期性行為的表述，即每一周的某一固定時間參與某事件，每一天也是這樣。我們從仿真結果中發(fā)現(xiàn)，對于網(wǎng)絡用戶中的周期性行為，其時間間隔具有長尾冪率現(xiàn)象，說明該模型解釋了某一連續(xù)時間段上的網(wǎng)絡行為具有周期性特征。

2.4 其他模型

從用戶行為動力學入手來探討網(wǎng)絡用戶行為模型，很多學者從時間特性上來構建模型，除了上述幾種模型之外，還有Gotz利用隨機游走理論來構建人類行為模型，并從實證中來挖掘用戶的行為表征，進一步細化模型參數(shù)；閆強等人在興趣模型基礎上發(fā)現(xiàn)，用戶獲得的關注是驅動用戶網(wǎng)絡行為的重要因素；在不同場景下的網(wǎng)絡用戶行為動力學模型中，Blanchard等人提出截止時間下用戶動力學模型，并從多個行為關系比較中得出，交互行為是驅動行為頻率的重要因素；另外，在基于空間特性的用戶行為模型研究中，Barabasi等人從用戶位置信息變化中提出，不同地域下的人類運動模型具有層次性，如國家、省會城市、中心城市、縣域城市等具有一定的行為層次性。

3 基于在線網(wǎng)絡用戶行為建模的關鍵點研究

用戶行為在基于在線網(wǎng)絡模型構建中，除了用戶行為動力學實證模型之外，以社交網(wǎng)絡、論壇為代表的在線網(wǎng)絡，其用戶行為建模設計需要關注以下幾個問題。

一是對個體用戶行為內在、外在特征量的表征。隨著在線網(wǎng)絡用戶行為數(shù)據(jù)的劇增，基于多維度視角來研究用戶行為特征量，需要借助于數(shù)學理論推導和用戶行為仿真明確表征量問題，如社會關注度特征下的用戶興趣、交互式行為研究中不同個體間的行為研究，不同用戶群體特別是不同分組群體的規(guī)律性行為，群體間如何協(xié)作及制約用戶行為與社交網(wǎng)絡之間的內因、外因關系等。

二是利用在線網(wǎng)絡中的不同用戶角色，從用戶整個生命周期探討不同節(jié)點角色的相互關系。有學者提出，社交網(wǎng)絡中的節(jié)點角色發(fā)現(xiàn)是進行用戶行為分析的核心，角色發(fā)現(xiàn)與社團發(fā)現(xiàn)之間存在關聯(lián)，社團發(fā)現(xiàn)是基于社會行為的抱團行為，旨在表征社團中緊密關聯(lián)的群體人的角色特征；同樣，在不同社團群體內部，也常常存在相同角色的個體，如擁有兩個員工的老板與擁有兩個客戶的推銷員，在節(jié)點角色扮演上具有相似的網(wǎng)絡行為。

三是話題發(fā)現(xiàn)與演化。從在線網(wǎng)絡用戶行為分析上，對于用戶以往行為的梳理與歸結，相對于新的網(wǎng)絡應用及服務，能夠對用戶行為進行預測和評斷。如在某社交網(wǎng)絡中，以信息傳播為載體的人際溝通，以發(fā)表個人觀點、融入社會大眾的參與互動為主要方式，而由于人的行為與思想具有復雜性，在社交網(wǎng)絡中的行為趨向受到更多輿論信息的影響。因此，還需要從傳播動力學、演化跟蹤等統(tǒng)計方法中引入特征的概率分布，來構建不同話題模型的動態(tài)特征權重，進而實現(xiàn)話題的演化與漂移。常用的演化方法有兩個：一是自然語言方法，憑借信息抽取技術，以文字間的話題關聯(lián)為表達、傳播、擴散特征；二是機器學習技術，通過關聯(lián)度分析、文本聚類、分類預測等算法實現(xiàn)話題的形成和演化。

4 結語

在網(wǎng)絡用戶行為模型的探討中，隨著在線社交網(wǎng)絡的發(fā)展，基于用戶行為的數(shù)據(jù)挖掘及關系算法是催生建模理論的重要驅動力，而在網(wǎng)絡用戶行為模型各個特征量的表征上，隨著網(wǎng)絡用戶數(shù)據(jù)規(guī)模的擴大，還需要從多維度、細粒度、動態(tài)分析上進行理論推導和實證仿真研究，尤其是對于個體、群體間的行為特征量的細化，從用戶思想、習慣及社會角色扮演中梳理更為精確的用戶特性，為后續(xù)研究提供參考。

[1] 張仕斌,肖姍,昌燕,閆麗麗.基于云模型理論的網(wǎng)絡用戶行為評判模型研究[J].小型微型計算機系統(tǒng)， 2013(10).

[2]BarabásiAlbert-László.Theoriginofburstsandheavytailsinhumandynamics[J].Nature，2005，435(7039)：207-211.

[3] 王小軍,顏嘉元,周涌杰,吳玉杰.網(wǎng)絡行為分析監(jiān)控系統(tǒng)研究與設計[J]. 杭州電子科技大學學報， 2012(1).

[責任編輯 吳?？黓

Comparative Study on Several Network User Behavior Models

LIU Cai-hong1, WEI Zhan-zheng2

(1.Luohe Vocational Technology College, Luohe 462000, China;2. Zhumadian Finance & Economics School, Zhumadian 463000, China)

Whether it is an individual or group, the dynamics principle of driving user behavior is the foundation of network user behavior dynamic model. Because of the complexity of the behavior, there are always two research methods in network community behavior model building: one is based on the time between events and the space of events. From the research model, the analysis of network behavior according to the different network structure and the statistical method, on the quantification of models and the characteristic quantities of user behavior, and by modeling the normal behavior to discover the network security vulnerabilities. It will have a very important practical significance to put forward proactive defense countermeasure.

complex network; network behavior; model building; contrastive research

2016-12-19

劉彩紅(1976-)，女，河南臨潁人，碩士研究生，講師，研究方向：計算機應用。

10.3969/j.issn.1671-7864.2017.02.007

TP393.06

A

1671-7864(2017)02-0024-03