SCI论文（www.lunwensci.com）:
摘 要：数据资源对于互联网发展而言至关重要，并且体现出重大潜在价值，对数据进行深层次挖掘，能够全面推动互联 网发展。社交网络在现阶段社会发展中得到广泛普及，与传统网络运用模式相比较，社交网络用户存在较强主体性特点，同时 具备数据内容多元化、用户联系紧密、信息传递高速等优势。本文从用户特征角度分析社交网络数据挖掘（以下简称“数据挖 掘”），以供参考。
关键词：数据挖掘 ；社交网络 ；用户特征
Thinking of Social Network Data Mining from the Perspective of User Characteristics
YAO Huimin
(Shanxi Jinlu Daosheng Industrial Co., Ltd., Taiyuan Shanxi 030000)
【Abstract】： Data resources are very important to the development of the Internet and reflect significant potential value. In-depth mining of data can comprehensively promote the development of the Internet. Social networks have been widely popularized in the current stage of social development. Compared with traditional network application models, social network users have strong subjective characteristics, and they also have the advantages of diversified data content, close user connections, and high-speed information transmission. This article analyzes social network data mining (hereinafter referred to as Data Mining) from the perspective of user characteristics, for reference.
【Key words】： data mining;social network;user characteristics
0 引言
互联网相关技术不断发展，不但改变了社会群众传 统的生活习惯，还彻底颠覆了社会群众社交习惯。尤其 是在当前社交网络得到飞速发展大环境下，社交网络普 及范围越来越广，也让群众生活对社交网络产生依赖 性。就社交网络用户特征方面相关数据进行挖掘，全面 分析出用户生活习惯以及自身喜好特点，会让社交网络 在个性化内容推荐以及社交网络企业在发展过程中得到 很大改善，对于社交网络全行业具有重大价值 [1]。
1 数据挖掘基本概要
当前社会处于大数据时代，不同群体每天都会在社 交网络中接触到商业、医疗、时事等多方面信息，以至 于社交网络信息体量十分巨大。比如说当前世界主要通 信网络每天需要传输的数据超出万兆兆字节 ；医疗行业 在日常经营过程中也会产生海量数据 ；大型搜索引擎每天需要处理万万次搜索数据。在此种环境下，社团以及 媒体已经成为当前社会主要数据来源渠道之一，其在丰 富多样的社交网络之中所产出的数据更是数不胜数。借 助于当前互联网数据量爆发式上升以及社交网络的全面 普及，已经让当前社会成功步入大数据时代 [2]。
2 用户特征论述
2.1 群体化
在当前社交网络受众人群之中，普通用户占据很大 体量，而且每一位用户交友圈子以及朋友数量都会随使 用网络社交时间增长而上升。以微博为例，当用户注册社交网络之初，往往会优先筛选出自身感兴趣的好友 加以关注，而老用户则会持续对自身社交网络加以维 护。若将社交网络之中某一项全新创造的数据资源作为 原始数据，则可以将接收原始数据的用户定义为“第一 群体”；而“第一群体”通过转发原始数据到自身朋友圈内，数据在“第一群体”朋友圈的受众人员就被称为 “第二群体”；而数据在“第二群体”朋友圈受众人员被 称为“第三群体”。以上情况会让用户具有群体特征， 并且还会表现出一定结构性。如图 1。
2.2 影响力
使用社交网络的用户由于行业、身份存在一定偏 差，导致不同用户实际影响力也表现出很大差异性。依 旧以微博为例，在微博中双方要想成为好友，必须要彼 此双向关注，比如用户甲想要添加用户乙为好友，需要 对用户乙添加关注，但是用户甲并不会出现在用户乙的 好友列表之中，只有用户乙也对用户甲添加关注时，双 方才能成为好友。此外，新浪微博还会将用户区分成认 证用户和普通用户，认证用户往往会在自身领域拥有一 定影响力，并且粉丝数量较多，这也代表该用户所产生 的信息数据受众人群较大，微博转发量也较高 [3]。
3 挖掘用户特征方法分析
3.1 挖掘用户基础信息
用户基础信息包含性别、年龄、职业以及所在区 域，而当前大部分社交网络并未对用户填写基础信息时 提出相关标准，让用户可以对自身基础信息进行自由填 写。社交网络要判断用户在社交网站所填写的基础信息 是否真实，借助于用户信息对用户进行深入了解，对于 有效实行个性化推荐具有至关重要的价值，而且还会在 多个领域之中呈现出现实意义 [4]。
以微信为例，可以借助于将用户语音或视频通话分 成发起者和接受者两种类型，进而掌握用户对不同年龄 段人群通话特征。经实践研究证实，在和自己相同年龄 段的人群进行语音或视频通话时用户通话时间最长，而 处于 10 ～ 22 岁用户第二时长的通话对象一般多是年长 其 23 岁左右的长辈人群，32 岁以上用户通话第二时长 对象通常是小于自己 23 岁左右的人群。此外，还能够 借助于用户在微信朋友圈所上传的内容分析出用户实际 年龄以及性别的等关键信息 [5]。
3.2 挖掘用户性格特征
用户自身性格特征是社交网络深入掌握用户特征的 主要环节，社交网络在为用户搭建自我展示、分享观点 平台的同时，也会得到海量用户行为相关数据，对于社 交网络全方位、多角度掌握用户对社交网络优化完善自 身多项功能以及相关服务具有关键价值。通过用户行为实际特点，对用户社交行为以及发布数据内容加以分 析，是全面掌握用户性格特征的基础 [6]。
经过大量数据研究，大体上可以将用户性格分成神 经质类型、外在表达类型、思想开放类型、严谨类型以 及开放类型五种。其中神经质类型的用户在网络社交过 程中主要是想要实现自我情感宣泄以及治愈目的，所以 其传递的数据内容大部分都带有负面情绪 ；外在表达类 型的用户大多是借助于社交网络将自身生活加以记载，并且会和数据受众人群产生直接互动，其中包含积极情 绪以及消极情绪 ；思想开放型用户在社交网络中更加倾 向于休闲娱乐方面 ；严谨类型用户更加侧重借助于社交 网络记载自身生活内容以及工作事件 ；而宜人类型用户 往往会在社交网络之中传递乐观情绪。值得一提的是， 通常情况下用户在社交网络之中和其在其他场所下的情 况大致相同，也就是说用户在社交网络之中只是将自身 真实的生活常态加以展示，而并非故意展示出和实际生 活中不同的自我 [7]。
3.3 挖掘用户个人爱好
挖掘用户个人爱好主要是对用户所发布相关信息的 重要性加以提取，以此分析出用户自身个人爱好。通过 掌握用户个人爱好，能够实现对用户提供针对性服务， 全面提升社交网络对于用户的服务水平。由此，个人爱 好在当前是用户特征发掘中最为常见，而且应用层面最 为宽广的一项工作。与此同时，通过对用户添加标签， 可以在挖掘用户个人爱好时为其提供强力的数据支撑， 确保推荐内容能够充分符合用户个人爱好 [8]。
4 数据发掘所面临的挑战
4.1 对群体特征的挑战
在当前社交网络飞速发展的背景下，也让人们在生 活过程中逐渐朝网络化以及虚拟化转变，在此环境下也 让群众拥有前所未有的高度信息知识产权，也会在很大 程度上推动社交网络在新时期的发展。在社交网络飞速 发展的过程中，不但会让用户对于信息交流的相关需求得 到满足，也会在一定程度上让网络数据出现社会化以及内 容碎片化等方面的问题，在数据传播过程中还着重体现出 网络化的特征，在此种局面下，网络数据实际环境要想确 保能够满足科学、合理的运用，存在较大难度 [9]。
就现阶段而言，大多数社交网络企业并没有实现对 不同群体用户实际行为特点加以全面掌握以及深层次理 解，进而让眼下社交网络中表现出诸多方面问题，让数 据在传播过程中出现难以预测的情况，并且用户群体自 身就存在较大不可掌控性质，不但会致使当前社交网络 数据体量巨大，还会让用户缺少对社交网络数据的基础了解。就当前社交网络整体架构而言，其在演变过程中 对用户群体特征开展深层次分析，全方位推动社交网络 在数据管理方面具有科学性特点，同时还可以在社交网 络文明、健康发展工作中发挥出重大作用。
4.2 对多角度分析和可视化挑战
现阶段媒体行业在社会中发展迅猛，其中各种新兴 媒体平台在当前发展进程中已经表现出势不可挡的劲 头，例如今日头条、百度贴吧等。在此种环境下也为社交网络数据赋予丰富多样性特点。可是如今大多数社交 网络在分析用户数据过程中，普遍使用较为单一的罗列 方式达到展示媒体数据目的。比如说现今诸多搜索引擎 只是将搜索结果进行单一排列，并且大部分新媒体平台 在编辑新闻版块过程中主要借助于人工形式开展相关工 作，让各种媒体数据之间始终处于单一状态，进而让用 户在浏览相关数据时效率不高，难以和当前社会对于社 交网络所提出的要求相契合。
鉴于上述情况，让用户在使用社交网络过程中难以 达到及时感知网络实时数据的基本需求，从而难以对社 会实时热点数据加以全方位、精准掌握。由此，必须要 结合当前社交网络中所表现出的各项问题，深化对有关 技术的探究，进而确保能够在根源上实现对社交网络用 户特征数据深层次挖掘这一目的，同时让用户在社交网 络中的活跃度以及体验感得到明显提高。
5 对社交网络数据挖掘的现实意义分析
5.1 发现潜在商机
借助于数据挖掘，并开展相关分析，能够准确定位 到社交网络用户所在商圈地理位置，同时分析用户消费 水平，结合用户购物偏好以及购物习惯，能够全面掌握 用户在购买商品、选择商品过程中的真实诉求。例如在 用户玩网络游戏过程中，游戏企业借助于分析用户游玩 时间段、游戏购买力以及游戏时长等方面，可以总结出 用户对游戏的消费心理，针对一些消费水平和消费力度 较大的用户，为其推荐符合其个人爱好的商品，在对其 实际行为加以分析，全面揣摩用户心理活动，结合不同 用户特征为其提供个性化服务。
5.2 及时预警风险
借助于数据挖掘，能够实现对社交网络中会对企业造成不良影响的信息加以管控，同时追踪其传播途径， 及时发现关键节点。借助于全面开展数据追踪，可以确 保限制不良数据传播，全面消除企业所面临的危机。企 业在发展过程中会在社会层面中产生大量信息数据，若 是出现不良舆论，就必将会对企业造成难以挽回的损失，借助于数据挖掘可以在全网范围内对不良关键词加 以搜索，并且对搜索结果进行有效处理。随着时代社交 网络全方位普及，各大企业也都充分意识到危机公关的 现实意义，同时也对数据挖掘具有一定认知，充分明确 数据发掘在风险预警过程中的关键性作用。
5.3 预测用户行为
当前数据挖掘依旧处于初期发展阶段，众多大规 模、高质量的数据挖掘方式还处于不断演变阶段。就当前而言，对于文本语言的情感语气分析依旧存在许多基 础性问题，对社交网络产生较大影响。但是当前 AI 建 设不断成熟，相信此种现象也会逐渐得到解决，让社交 网络能够精准预测用户行为。
6 结论
综上所述，当前社交网络数据所表现出的主要特点 就是种类多样，信息资源体量巨大以及十分个性化的用 户特征。从用户特征角度出发，深入探究数据发掘对于 用户主体所产生的影响，对用户实际特征权重加以分 析，可以构建出围绕用户特征进行数据挖掘相关工作模 型，并且研发出用户特征重复模型。在社交逐步朝网络 化发展的时代，用户社交圈存在海量具有关键性价值的 数据资源，对此类数据资源加以发掘，可以让社交网络 全行业在发展过程中得到坚实保障。
参考文献
[1] 刘杨祎伊.贵州区域形象海外社交媒体传播研究[D].贵阳:贵 州民族大学,2020.
[2] 徐桥.基于数据挖掘的网络货运平台承运人异常用户识别和 预测研究[D].南京:南京大学,2020.
[3] 张书月.社交网络用户登录特征数据分类挖掘仿真[J].计算 机仿真,2019,36(5):426-429+470.
[4] 何佳莹.基于树形算法的社交网络用户真实性分析:以新浪 微博为例[J].中国市场,2019(13):195-196.
[5] 董峥.基于用户行为的社交网络好友推荐算法研究[D].北京: 北方工业大学,2018.
[6] 陈彦.融合特征属性、网络结构和社交行为的用户有向关系 强度研究[D].杭州:浙江工商大学,2018.
[7] 夏东.移动用户的特征分析及数据可视化研究与应用[D].北京:北方工业大学,2017.
[8] 曹建新.基于用户特征数据的内容推荐方法的研究与应用 [D].北京:北方工业大学,2017.
[9] 柳华梅,林冬生.数据挖掘技术在移动电子商务用户群体特 征分析中的运用[J].现代商业,2016(17):33-34.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34763.html
