网络论坛人类行为动力学实证研究

1、网络论坛人类行为动力学实证研究摘要：从帖子和用户两个角度对网络论坛的人类行 为动力学特征进行实证统计和分析对帖子属性的统计分析 发现，帖子的回复次数、吸引的不同用户数均服从潟律分布, 而帖子的浏览次数分布没有明显的规律性；帖子的浏览次数 和回复次数之间存在明显的正相关性，且二者的比值大于等 于10.对用户发帖、回帖行为的统计分析发现，用户发帖数、 回帖数、回复的不同主帖数均服从無律分布，说明网络论坛 用户行为具有很强的异质性，大多数用户很少发帖或回帖， 关注范围也比较小，只有少数活跃用户经常发帖或回帖，关 注面非常广；还发现单个用户单日回帖数以及单个用户针对 单个主帖的回复数也均服从無律分布，

2、存在少数用户在个别 日子里发表大量回帖和少数用户针对少量主帖发表大量回 帖的现象.这些结论对于在线用户行为建模具有重要的指导 意义，也为网络舆情监控和网络水军发现提供了新的思路.关键词：人类动力学；用户行为；幕律分布；数据分析; 在线网络论坛中图分类号：tp391. 1文献标识码：aempirical analysis on human behavior dynamics in online forumchen gui-rongl, cai wan-dongl, xu hui-jiel, yangxian-ju2(1. college of computer ,northwesternpoly

3、technical univ, xi，an, shaanxi 710072, china；2. nanjing military region 73658 forces, nanjing, jiangsu 210016, china)abstract :this paper reported an empiricalanalysis on user behavior dynamics in online forum. the analysis results on the posts show that both the distribution of the reply number of

4、posts and the distribution of different user number of posts follow power-law distributions with heavy tails, while the distribution of the browse number of posts has no laws. we observed posi tive correlation bet ween browse number of posts and reply number of posts and the ratio of them is bigger

5、than 10. the statistic results of the users， actions show that the post number, the reply number and the number of root posts which a user has posted replies all follow power-law distributions , which means that the user behaviors in online forums are heterogeneous, and most users post or reply rare

6、ly while few users post or reply frequently, and that most users have a small range of concerns while few users have a large range of concerns we also observed that both the dis trib ution of one-user oneday reply number and the distribution of one-user one-post reply number follow power-law distrib

7、utions， which means that some people submit a large number of replies on a few of days or submit a large number of replies on a few of posts the findings of this paper may not only provide guides to online user behavior modeling but may also be applied to online public opinion monitoring and online

8、water-army finding.key words:human dynamics ； user behaviour；power-law dis trib ution； data analysis； online forum 人类活动是各种社会、经济和技术现象的驱动力，定量 研究人的行为具有很高的学术价值和实际意义，成为现代科 学界的一个核心问题受诸多因素影响，人的行为具有很高 的复杂性和动态性，认识和挖掘人类行为规律具有很大难度. 在以往对社会、经济和通信系统的研究中，为了简化问题， 通常用泊松过程来刻画人的行为，即假设人类行为在时间上 是均匀的.近年来，随着数据库技术、海量数据处理技术

9、的长足发 展和网络的普及，越来越多的人类行为被记录下来，为定量 研究人类行为提供了丰富的数据源，人类行为研究取得了新 进展.2005年，barab d si通过对电子邮件的发送和回复等 人类行为时间间隔的实际统计，发现人类行为具有明显的非 泊松特性，即人类行为发生的时间间隔分布并不均匀，长时 间的静默和短时间内的爆发同时存在，这种不均匀性表现为 给定任务的连续两次执行时间间隔服从重尾分布1-21.为 了验证非泊松统计特性在人类行为中是否普遍存在，研究者 们对在线人类行为进行了广泛的研究，发现在电影点播 3-4.网页浏览5-6、博客评论7-8.在线协同写作9、 短消息通信10-11、图书借阅12

10、-13和电话呼叫14等人 类行为中均具有非泊松统计特性，表现为这些人类行为的时 间间隔均服从幕律分布，幕指数多位于13之间15-16, 其中很多成果是国内学者取得的3-4, 7-14, 17-25.周涛 等研究了在线电影点播系统中的人类动力学行为模式，发现 在群体水平上两次连续观看电影的时间间隔分布在一定范 围内服从無律分布，且幕指数和用户的平均活跃度存在单调 正相关关系3-4.郭进利对博客评论数据进行统计分析，发 现博客评论的时间间隔也服从無律分布，人们总是对新话题 兴趣较大，但随着时间的推移，兴趣会逐渐减弱直至消失， 并根据这个特征提出了一个兴趣逐渐消失的人类动力学行 为模型7-81.赵飞

11、等研究了维基百科中在线协同写作行为 的动力学模式，发现在线协同写作时间间隔分布呈现多尺度 特征，在130 min和30 min24 h两个时间段上服从幕律分布，而大于24 h的时间间隔服从累积分布，并给出了 出现这种现象的原因9.樊超等通过分析某两所图书馆的 借阅记录，研究了人类行为的分形特征，发现人类行为时间 序列具有自相似性和长期正相关性，群体用户的分形特征表 现较为明显，个体用户的时间序列则具有一定的波动性 12-13.赵志丹等统计分析了 6个大型在线系统中的人类动 力学特征，发现用户活动总数、用户的活跃度和时间间隔均 服从重尾分布，且用户的活跃度和用户活动总数存在明显的 正相关关系，和

12、用户时间间隔分布宽度存在明显的负相关关 系17-18.这些研究通过对人类在线行为时间特性的统计 分析，证实人类在线活动的时间间隔服从幕律分布，进一步 验证了 barab a si的观点1-2.人类行为的复杂性决定了仅从时间方面分析人的行为是不够的，需要从更多的 角度对人类行为进行研究.目前一些学者已开始对人类活动 数量进行实证分析，并取得了一定成果26-31.熊菲等以天 涯论坛经济版块的数据为研究对象，分析了 bbs话题的聚类 特性，发现用户兴趣具有非常强的异质性且用户的关注点总 是集中在自己感兴趣的话题上，在此基础上提出了一个用户 兴趣驱动的网络增长模型并进行了仿真28.司夏萌等通过 建立虚

13、拟社区网络、分析网络的统计特性，研究了虚拟社区 中在线用户的交互行为，从定量角度证实了社会学的一些定 性结论29. 丁菲等对bbs中人类的阅读和回复行为进行分 析，发现讨论话题大小和用户参与级别均服从幕律分布，但 用户兴趣不服从無律分布30.尽管已经取得了一些成果， 但关于人类在线活动数量特征的研究尚未取得统一结论.如 文献26通过对某网络论坛日志数据的实证分析，发现用户 提交的文章数服从对数正太分布，而文献28-30却发现用 户发表的帖子数服从無律分布；文献27的实证结果显示论 坛帖子的浏览次数和回复次数均服从幕律分布，而文献29 发现帖子回复次数服从幕律分布而浏览次数不服从幕律分 布.可见

14、对在线人类行为数量特征的研究还不是很充分，有 必要对其展开更深入的研究.在线网络论坛又称为电子公告栏（bulletin board systems,简称bbs）,是人们交流观点和共享信息的重要平 台.和博客等实名制社交网络相比，bbs具有更大的开放性、 自由性和隐匿性，人们可随意注册不同的用户名，而不用泄 露自己的真实身份，且用户不受好友关系限制，只要登录论 坛就可随意浏览论坛中的信息，也可随意发布信息.因此， bbs已成为我国舆论突发事件的主要集中地研究网络论坛 的用户行为动力学特征，不仅有助于理解在线用户行为模 式，也有助于理解互联网突发事件的发生原因及其背后的机 理，有效实施网络舆情监控

15、.人们在bbs上发布的信息通常称作帖子，如果一个帖子 是某个话题的第一个帖子，将其称为主帖或根帖，其他帖子 无论是直接回复主帖还是回复其他帖子都称作回帖这样用 户在论坛中的行为就可分为3种：浏览帖子、发表主帖和发 表回帖，分别简称为浏览、发帖和回帖，这里的浏览仅指对 主帖的浏览本文以国内知名论坛网易新闻论坛的数据为对 象，从帖子和用户两个方面对用户在线行为动力学特性进行 实证统计，主要发现包括：1）主帖浏览次数没有明显的分 布特征，但主帖回复次数和参与主帖讨论的不同用户数均服 从無律分布；2）主帖浏览次数和回复次数之间存在正相关 关系，且浏览次数和回复次数之比大于等于10； 3）用户发 帖数、

16、回帖数、回复的不同主帖数都服从幕律分布；4）用 户发帖数和回帖数之间不存在明显相关性，很少发帖也很少 回帖、很少发帖但经常回帖、经常发帖但很少回帖和经常发 帖也经常回帖四类用户同时存在，只是比例不同；5）单个 用户单日回帖数在群体级别上服从幕律分布，说明大多数用 户在大多数日子里回帖数较少，但也存在少量用户在个别日 子里发表了大量回帖，属于异常用户行为；6）单个用户针 对单个主帖的回复数在群体级别上服从幕律分布，说明大多 数用户针对大多数主帖的回帖数很少，但也存在少数用户针 对少量主帖发表了大量回帖，存在炒作嫌疑与以往研究仅 分析用户行为的时间特性不同，本文着重研究了用户活动数 量的分布特性，

17、发现论坛用户行为具有明显的异质性，存在 偏离大众行为特征的异常用户行为，为网络舆情监控和网络 水军发现提供了新的研究思路.1数据集本文的数据集是采用文献32的web信息采集系统抓取 的网易新闻论坛2008年10月1日-2011年4月26日之间的 数据.用post和reply两个表存储采集到的数据，其中post 表存储主帖信息，具体包括：主帖id、发帖时间、发帖用户 id、标题、浏览次数、回复次数；reply表存储回帖信息， 具体包括：回帖用户id、回帖时间、回复内容、被回主帖 id.数据集共包含9 363个主帖和95 788个回帖参与发帖 和回帖的用户共17 562个，其中发表过主帖的用户共3

18、 107 个，平均每人发布了 3个主帖，发表过回帖的用户共15 961 个，平均每人发布了 6个回帖该时间段内没有发帖或回帖 的用户排除在外.2论坛用户在线行为实证统计分析2.1帖子浏览数、回复数和参与的不同用户数分析由于网络论坛中用户的浏览行为是不进行记录的，无法 知道谁浏览了某个帖子、浏览了几次、什么时候浏览的等信 息，因此无法直接分析用户的浏览行为，本文通过帖子的浏 览次数来间接分析人类在线浏览行为用p表示主帖的集合, pwp表示数据集中的任意主帖，有=9 363.用bp表示主帖p 的浏览次数，统计知，0wbpw200 795.图1 (a)为主帖浏 览次数的概率分布图，其中浏览次数为0的主帖共42个， 在图1 (a)中没有体现.从图1 (a)知，主帖浏览次数既不服从無律分布也不服 从指数分布或韦伯分布等人类行为常见的分布16,而是呈 现出一种对称分布，其值主要集中在1003 000之间，其 中在1300区间逐渐增加，300以上逐渐减少进一步统计 发现，浏览次数小于100的帖子仅72个，约占总主帖数的