《表3 基于用户属性的模型分类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《移动社交网络信息传播研究述评与展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

用户属性是识别信息传播网络结构核心节点的关键因素，研究用户属性有助于探索移动社交网络信息传播机理，提升信息传播效率。考虑到用户行为会受到相邻节点的影响，研究者基于用户影响力构建信息传播模型：线性阈值模型（LT）【52】、独立级联模型（IC）【53】。LT、IC模型均定义值P（U，V）∈[0，1]。（U，V）表示模型的边，P（U，V）表示边的概率。但是，LT、IC模型存在明显的缺陷：模型成立的条件是，随机两个用户之间信息传播的时间具有一致性，同时，信息传播过程趋于离散化、同步化。然而，现实中的移动社交网络信息传播是不同步、连续化传播。在综合考虑LT、IC模型的不足之后。学者们构建了递减级联、DRUC等更为优异的信息传播模型。递减级联模型指出，伴随着时间的变化，用户传播信息的概率会逐渐下降。DRUC模型结合了线性阈值模型（LT）的优点，摒弃了其不足，充分考虑了用户兴趣度等影响因素的反作用。移动社交网络给用户们提供了表达自我，展现自我兴趣爱好、见闻的平台，这个平台同时吸引了机器学习、数据挖掘领域的专家学者，基于用户兴趣爱好相似度等因素，学者们构建了PCA、SVM、ELM和人工神经网络等机器学习算法。研究表明：在移动社交网络中，两个彼此关注的用户拥有类似的兴趣爱好【54】以及粉丝群体【55】，对信息传播速度的提升有着促进作用。针对用户兴趣研究的模型还有很多种，如：亲和力模型【56】、矩阵分解模型【57】、主题概率模型【58】以及信息骨架模型【59】等。此外，研究者还根据用户间的网络关系，构建了信息传播模型TPM、LR、场强模型【60-61】；根据非相邻用户节点状况以及信息延迟，构建了中间关系算法来甄别关键用户节点；根据节点用户在移动社交网络结构中的关键地位，以及节点用户信息的普及程度，构建了移动社交网络影响最大化模型。研究者们从用户属性的不同角度，构建不同的信息传播模型，来阐释移动社交网络信息传播机理，基于用户属性的移动社交网络信息传播模型取得了突破性的进展，见表3。