社交信息（共12篇）
社交信息 篇1
0 引言
BBS把网络社交推进了一步, 从单纯的点对点交流的成本降低, 推进到了点对面交流成本的降低。即时通信 (IM) 和博客 (Blog) 更像是前面两个社交工具的升级版本, 前者提高了即时效果 (传输速度) 和同时交流能力 (并行处理) ;后者则开始体现社会学和心理学的理论。比如从RSS、flickr到最近的You Tube、Twitter、Facebookl都解决或改进了单一功能, 是丰富网络社交的工具[1]。
社交网络的信息挖掘是建立在社交网络里大量的数据基础之上的, 首先对其进行分析, 采用相应的信息挖掘算法, 在具体的应用模型上进行数据的提取、数据筛选、数据转换、信息挖掘和模式分析, 最后做出归纳性的推理, 预测客户的个性化行为以及用户习惯, 从而帮助进行决策和管理, 减少决策风险。其实, 社交网络的信息挖掘涉及多个领域, 包括计算机网络、数据库与数据仓储、人工智能、信息检索、可视化、自然语言理解等技术。
1 社交网络的信息挖掘基础理论
1.1 社交网络的理论基础
社交网络的组成元素:节点、关系、用户群和社区等基本概念组成了社交网络。
社交网络的分类:生活型社交网络、商务型社交网络、信息共享型社交网络、即时通信型社交网络。
1.2 信息挖掘的理论基础
信息挖掘 (Information Mining) 又被称为数据库知识发现 (Knowledge Discovery In Database, KDD) 。它通常是指从数据源 (如数据库、文本、图片、万维网等) 中探寻有用的模式 (Patterns) 或知识的过程。这些模式必须是有用的、有潜在价值的, 并且是可以被理解的。信息挖掘是一门多学科交叉的学问, 包括机器学习、统计、数据库、人工智能、信息检索和可视化。
信息挖掘应用通常从数据分析师 (信息挖掘员) 了解应用领域开始, 他们辨别合适的数据源和目标数据。有了这些数据, 就可以进行信息挖掘了。一般而言, 分为下面三个步骤进行[2]。
1) 预处理:原始数据通常都不适合直接用来挖掘。其中有多个原因。首先, 它可能包含噪音和异常情况, 必须经过过滤。其次, 数据量可能非常大, 并且包含有不相关的属性, 需要通过采样和选择特定属性来降低数据量。预处理的详细描述可参考标准的信息挖掘教材。
2) 信息挖掘:将经过预处理的数据送到信息挖掘算法中, 生成模式或知识。
3) 后续处理:在许多应用中, 并不是所有被发现的模式都是有用的。这个步骤就是要识别出其中的有用部分。有很多评估和可视化的技术可以用来做此项决策。
1.3 社交网络的信息挖掘系统工作原理
社交网络的信息挖掘是一个交叉学科领域, 受多个学科影响, 包括数据库系统、统计学、机器学习、可视化和信息科学等。信息挖掘与其他学科的关系如图1所示。
信息挖掘是指一个完整的过程, 该过程从大型数据库中挖掘先前未知的、有效的、可实用的信息, 并使用这些信息做出决策或丰富知识。信息挖掘环境如图2所示。
图图33描描述述了了信信息息挖挖掘掘的的主主要要步步骤骤, , 如如下下::
2 社交网络的信息挖掘应用的过程设计
2.1 社交网络的数据获取
社交网络的信息挖掘的数据源就是社交网络里的海量数据, 它们一般具有多类型、无规律、无结构和多噪声的特点。数据源的巨大差异性决定我们必须对其进行分类, 并加以区别处理和对待。它主要包括以下几类:社交网络中的用户数据、社交网络中网页内容信息、社交网络中的网页站点结构信息、社交网络中的网页站点结构信息、社交网络中的网页日志信息、社交网站代理服务器端数据。
2.2 社交网络的数据处理
中文分词指的是将一个汉字序列切分成一个一个单独的词。中文分词是文本挖掘的基础, 对于输入的一段中文, 成功的进行中文分词, 可以达到电脑自动识别语句含义的效果。SAE分词系统基于隐马模型开发出的汉语分析系, 主要功能包括中文分词、词性标注、命名实体识别、新词识别[3]。
我们讨论的分词算法可分为三大类:基于字典、词库匹配的分词方法, 基于词频度统计的分词方法和基于知识理解的分词方法。第一类方法应用词典匹配、汉语词法或其它汉语语言知识进行分词。第二类基于统计的分词方法则基于字和词的统计信息, 如把相邻字间的信息、词频及相应的共现信息等应用于分词, 由于这些信息是通过调查真实语料而取得的, 因而基于统计的分词方法具有较好的实用性。
我们约定将关于文本的元数据称为文本特征。分为描述性特征 (比如文本的类型、大小等) 以及语义性特征 (比如文本的标题和内容等) 。在这两种元数据中, 描述性特征的收集比较容易, 而语义性特征比较困难。自然语言理解的研究如中文分词技术的发展, 对于语义性特征的获取具有很强的显示意义。
这里要介绍一下向量空间模型。特征表示模型可以多种多样, 常见的有布尔逻辑模型、概率性模型和向量空间模型等。但这里我们重点介绍一下效果较理想的空间向量模型。它的基本思想就是将文本看作特征词的集合, 而且将文本的表达成使用特征词的权向量。它的优点是可以将数学处理的向量方式替换文本的内容, 从而使得各种相似运算和排序成为可能, 并得到推广。
最后进行权值计算, 不同的文本要最大限度的得以区分, 才是特征词权值关键所在, 权值计算的方法有很多, 比如TF-IDF算法[4]。
3 案例分析
微博这几年的发展非常迅速, 吸引了大量的用户, 已经被认为是一个非常重要的媒体平台。广告信息是如何在微博平台上传播的?为什么有些广告能比其它广告传播得更远, 覆盖更多的用户群?哪种类型的广告更能吸引用户?如何评价一个广告的传播效果?为了回答上述这些问题, 本案例从新浪微博上选取了一些广告的传播数据作为研究对象。这些广告主要包括三种类型:产品介绍类、明星推销类和促销类。
通过观察可以很容易发现, 微博平台上的信息传播有着很明显的拓扑结构特征。如图4[5]所示, 本案例根据其拓扑性质, 将这三种类型称之为:恒星型、星座型和星云型。
通过新浪微博提供的公开API, 采集新浪微博平台信息传播数据。由于在新浪微博中绝大部分的信息没有得到任何的转发、回复或评论, 因此案例也采用了手工选择一些信息, 这些信息都至少得到了600次以上的转发、回复或评论。除了广告传播数据, 本案例也有意收集了一些其他类型的信息传播数据作为研究分析时的对比参照组, 包括新闻与生活小贴士等。
为了方便信息挖掘的进行, 本案例手动地将这些微博传播数据标注为六个大类:产品介绍类广告 (Advertisements Showing Products) 、明星推销类 (Advertisementswith Celebrity) 、促销类广告 (Advertisements through Sales Promotion) 、新闻类 (News) 、生活小贴士类 (Knowledge) 和其他 (Others) 。表格1显示了案例数据集中的信息种类分布情况[6]。
在社交网络中, 一条成功的广告不但能吸引大量的用户转发, 做到广而告之和广度传播, 而且能吸引用户关系里比较远的用户, 做到深度传播。通过对该案例的研究和分析, 可以得到以下结论:
1) 社交网络可以像传统媒体一样用做打广告, 而且成本收益率往往比现实的高。
2) 社交网络平台很适合做促销类广告。微博等社交网络用户对商品的折扣兴趣远远大于明星的推销, 因此在社交网络平台上做促销类广告成本低、回报高, 是一个比较好的选择。而大部分的明星推销类广告吸引用户的转发量是较低的, 其传播效果并不是很好。
3) 社交网络中也像现实生活一样, 存在名人效应。一条信息的传播结果与其作者的粉丝数量没有太大的相关度, 而是看有无名人参与, 比如转发或者评论。而且事实证明, 名人参与转发对信息的传播能起到关键性的作用。
4 总结与展望
本文通过对社交网络的信息挖掘的应用案例的研究, 得到如下结论:要完成社交网络的信息挖掘, 不仅仅对数据和算法进行重视, 更重要的是分析挖掘的对象和过程, 采用更适合的算法, 才能得到更准确的结果。信息挖掘在社交网络的应用具有很大的现实意义, 它可以分析出哪个用户具有一呼百应的影响力, 也可以得出做什么样的广告最有效, 它也能反映人与人之间的趋同性, 等等。
总之, 社交网络的信息挖掘在未来将对人们的生活, 乃至社会的发展都将产生不可小视的现实意义。未来可以通过不同的技术, 对不同类型和领域的信息进行有效挖掘, 可以帮助人们决策, 指导人们现实生活, 甚至是用来预测人们的行为。
参考文献
[1]毛国君.数据挖掘原理与算法[M].清华大学出版社, 2005.
[2]Bin Liu.Web数据挖掘[M].清华大学出版社, 2009.
[3]徐红, 张建喜, 朱旭刚.一种基于Web日志用户浏览模式的数据挖掘[J].信息技术与信息话, 2009 (1) :30-32.
[4]李睿, 等.Web数据挖掘技术探讨[J].信息技术, 2001.
[5]David Cheung.Advances in Knowledge Discovery and Data Mining:5th Pacific-Asia Conference:Hong Kong, 2001
[6]任剑岚.数据挖掘技术应用案例的分析[J].信息通讯, 2012.
社交信息 篇2
本刊记者 姚庆涛
论坛作为互联网时代的化石级产品，一路见证了博客、微博等社交方式的相继兴起，如今已很难检索到“论坛”或“BBS”的相关新闻。但，只要稍加留心我们就会发现，在媒体关注的缺席之下，区域社交从来都是暗流涌动。论坛作为区域社交的中坚力量始终未被替代。
回龙观社区网创建于3月份，十余年后，在社交网站泛滥的今天，依旧保持着中国区流量排名前600左右的佳绩，而它所服务的北京回龙观社区居民大约也只有30万人左右。另一个相似的案例是杭州19楼，创建于10月的19楼从一个社区网站，一跃而成为全国最大的城市社区网站。19楼网友们这样评价：“这里就像很多邻居一起在院子里晒太阳。希望每个人在19楼有一个自己的空间，让城市不再寂寞。”
形式上如此老旧的区域社交凭什么抓住用户?在虚拟社交泛滥、却千疮百孔的今天，区域社交的健康模式有哪些值得深思的地方?
“小国寡民”式社交
没有开心、人人的海量游戏和应用，没有微博的名人舆论效应和为数众多的“微博运营”水军的推波助澜，没有豆瓣、知乎、点点网等津津乐道的简洁、人性化界面，甚至广告框都显得过分粗糙、甚至大多数区域社交还没有开发移动客户端，这样的区域社交，制胜法宝在哪里?
定位细分市场、线上线下虚实结合，这是区域社交对比社交网站得出的两个优势特点。归根结底，就是其“小国寡民”式社交特色。
区域社交定位细分市场，可以比之微博。微博作为一种开放性的互联网社交服务，已成为人们的一种生活方式，但微博的“开放性”也渐渐令人感到不适。
一方面是信息的过度泛滥，另一方面是私人空间的受挤压。因为零成本的发布方式，打开微博我们常常会看到一些毫无价值和实质的琐碎信息，比如“今天我早起了呀”，“今天天气不错”等内容，生活化的直播除了带来信息过载的问题，什么都没有留下。而且，因为发布信息的便捷性和明星效应，虚假信息的传播在微博上也更加容易泛滥。除此之外，微薄的开放性还会带来因为发布信息频率太快，而淹没有效内容的问题。与此同时，清华大学人文社会科学学院政治学系副教授刘瑜认为：“我越来越觉得只能对公共或者半公共的话题发言，谈论自己隐私的内容变得越来越不妥当。”
在这样的状况之下，回过头来我们看区域社交，就自然会发现它存活的理由，在于其隐私性、小众性。毕竟，人们对于左邻右舍的关注度和回复度，定然远远高于自己未曾谋面的微博某人，而且，因为身边真实生活的刺激，其热度持续时间也会更长。
区域社交的线上线下虚实结合，可以比之人人网和开心网。Facebook让人变得更孤独?上开心网偷菜让人更寂寞?关于虚拟社交的争议从来没有停止过，虚拟社交与现实的隔阂以及“虚拟社交依赖症”也越来越引发人们的深思，
无论开心抑或人人，诞生至今，取得的最大成功和资产，是通过社交游戏快速获得的用户。虚拟社交为何始终戒不掉游戏?虚拟社交为何越来越强调熟人关系?微博、人人等表现出的分享远远大于原创，背后说明了什么?无论是基于熟人、还是基于兴趣，虚拟社交的生长，最终还是要由网端落到真实的人际关系。
开心网的程炳皓和腾讯的马化腾，曾在一趟四川之行中，讨论了一路。其焦点在于SNS的新模式，如何脱“困”。问题的核心直指“四个融合”，其中之二就是，如何做到“真实社交圈与地域或爱好类人群的融合，以及最终虚拟社交和现实社交的融合”。而区域社交则天生就解决了SNS之困。
回龙观社区网站长刘强表示：“网站最大的特点是虚实结合，不是完全虚拟的网站，和小区居民联系得非常紧密，网友都是在小区居住的业主，在身份上比较真实。比较活跃的网友我们都认识，而且还很熟悉，有些网友已经认识了。”相亲会、羽毛球联赛、网球课堂、游泳俱乐部，还有地区的“好人好事”和“曝光”栏目邻里邻居的家长里短、闲话唠嗑习惯固然是区域社交发展的先天基因，服务于居民生活实实在在的便利则是区域社交的现实基础。
对于回龙观社区网而言，地区人口基数、网络使用率、网民成熟度、相对工作领域收入、生活稳定性较高、还有一些刚性需求，这都是很多地域性网站所不具备的。但线上线下丰富的互动则真正成就了回龙观社区网。
虚拟社交的“盛世危言”
美国教授斯坦利·米尔格兰姆于1967年创立的“六度分割理论”认为：世界之大其实最大不过六人的距离。而邓巴数字认为：人类智力将允许人拥有稳定社交网络的人数大约是150人。从六度分割理论到邓巴数字，我们看到的是虚拟社交爆发的革命：在以facebook为代表的8亿人社交大佬的笼罩之下，限150人的Path、只2人的Pair相继上线，并在其一批仿客的跟风之下，更加促进了虚拟社交市场的细分。
美国的一项调查发现，在1985年，只有10%的人表示没有一个人可以讨论生活中的重要问题，15%的人表示只有一个这样的朋友。到了，这两个比例分别升至25%和20%。 不禁令人感慨，虚拟社交承诺好的“不孤独”呢?
当我们注册Google+，软件会提示只有你“真正的朋友才可以分享你的所有私密信息”。“真正的朋友”可以说准确概括了社交网站为人们带来的焦虑。我们在微博上有几千几万个粉丝，但是真正相识的又有几个，相识之中可以相知做朋友的又能有几个。基于这样的现状，以小区居民为主要用户群体的区域社交网站就有了更大的存活空间，因为唯有它，真正做到了互联网的“虚实结合”。让人们在享受网络社交、网络游戏的简便快捷之外，还能拥有家长里短的真实生活。
微博的开放式传播，引发私人空间受挤压之困;开心网过度依赖低智商小游戏，带来互联网人文诉求缺乏之思;最近，《大西洋月刊》的一篇封面文章《Facebook是否让我们更孤独》更是引起了很大的争议。在虚拟社交蓬勃发展的盛世之下，其过度泛滥的信息和由此带来的问题也越来越为人们所注意。
社交信息 篇3
关键词：移动社交网络；信息需求；青年用户
中图分类号：G203 文献标识码：A 文章编号：1671-864X（2016）05-0149-01
一、问题的提出
如今，随着移动互联网用户数的激增，各大移动社交网站都幵始蓬勃发展，探索社交网络新的发展模式。与此同时，各大媒体和企业、机构等也试图利用各类移动社交网络平台来开展企业的营销或者政府的宣传交流工作。但移动社交网络平台却面临着不能准确满足用户需求，不能不断扩大吸引使用者群体并维持用户粘性的现象。因此，为了解决现有问题，帮助各类用户科学的运用移动社交网络这一新兴社会化媒体，应当从认识用户的信息需求，识别信息需求的影响因素入手，探索用户使用移动社交网络的主要信息需求和影响信息行为的因素。
二、研究综述
移动社交网络是在固有社交网络服务的基础上发展起来的，以移动互联网技术为支撑，以真实的社会关系为基础，以可携带移动终端设备为载体，更有效地满足用户的需求的网络服务。主要有社交网站、手机微博、即时通信工具、博客、论坛等等[1]。
除上所述外，本论文还认为移动社交网络的设计抓住了年轻人的性格特征，是以移动社交网络还拥有实时性、用户青年化、局限性较小、安全性更高的特点。
通过对研究成果的梳理可以发现当前国内外对移动社交类应用用户的接受意愿、使用动机的研究已趋向成熟，但是对移动社交应用用户的信息需求和信息行为的深入研究较少，可以认为其将成为移动社交类应用用户研究的趋势之一。
三、移动社交网络青年用户信息需求研究
（一）问卷设计。
本文问卷共分两个部分：第一部分是对参与调查的用户的人口统计特征的问题，主要包括用的性别、教育水平和收入等；第二部分，是有关被测试用户的信息需求的内容调查，将具体信息需求具体化。
（二）数据搜集。
本文的问卷的主要是通过网络方式进行问卷的发放与回收，于2014年11月1日至2016年1月1日通過中国最大的免费网络调查平台问卷网（http：//www.wenjuan.com）调查网站来发布研究问卷（问卷地址https：//www.wenjuan.com/s/JjiIji/）。主要利用微博、微信、QQ群等向移动社交网络用户推送问卷链接。在剔除了无效问卷43份后回收有效问卷210份，有效率约为88.1%。
（三）数据分析。
1.信息需求的分布
有关移动社交网络青年用户的信息需求内容分布如下表所示。
由上表可以看出，移动社交网络青年用户的信息需求种类多样，大部分青年用户对信息需求的类型至少都在3种以上。而其中居于首位的是对时事新闻信息的需求，占了20.69%，超过四成用户主要是为了满足时事新闻和关于好友的信息需求。其余的较为强烈的信息需求中，以生活消费、兴趣爱好为主，而兴趣爱好的比重更大，生活消费比重与其所差无几。这与青年群体主张个性张扬、电子商务消费意识逐渐增强而热衷于电子商务有很大的关系。如上表显示，除了时事新闻、好友信息、生活消费、兴趣爱好以外，休闲娱乐、学术专业知识也占一定的比例，分别占据着第五、第四六位，多种的信息需求内容说明了青年用户丰富的感情。
本研究将以上具体信息需求内容归结为四大类：社交沟通需求，包括好友信息；情感表达需求，包括兴趣爱好、群体归属、朋友圈等；新闻资讯需求，包括时事新闻、专业知识；消遣娱乐需求，包括生活消费、休闲娱乐。
四、结论
移动社交网络在创始之初，便是致力于用户的社交关系的扩展维护，而通过对中国互联网网络信息中心近几次调查结果的对比，以及本文的调查研究，得出，移动社交网络用户的新闻资讯需求已经远远超过了社交沟通需求，移动社交网络不再单纯地作为用户用来维护和扩展社交关系的平台，更多地成为用户获得新闻资讯，跟随时事热点的一种工具，用户也可以对获得的新闻资讯进行评论，发表自己的看法，为用户与用户所处的社会环境架起了一坐桥梁。移动社交网络的便捷性、互动性以及信息资源的丰富性和服务的多样化，使更多的用户将移动社交网络当作获取信息的主要渠道。
参考文献
[1]张利，王欢.我国当前移动社交网络用户的基本特征[J].重庆邮电大学学报（社会科学版），2013，29（5）：119-123.
[2]杨喜.消费者移动SNS业务使用意愿影响因素研究[D].浙江：浙江大学，2012.
[3]CNNIC.第36次中国互联网络发展状况统计报告[EB/OL].[2015-07-27].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201507/P020150723549500667087.pdf.
社交信息 篇4
关键词：虚假,危害,举报
1社交软件普及的大背景
信息时代高速发展, 互联网以其开放性、互动性和传播速度, 飞入寻常百姓家, 越来越成为社会发展不可忽视的推动力量。 QQ, 微信, 微博等社交软件更是普及大众, 成为人们网络生活的重要部分。
社交, 即社会上的交际往来。 而通过网络来实现这一目的的软件便是社交软件。 随着时代的改变, 伴随着移动互联的崛起, 我们身边渐渐出现了很多社交软件。例如QQ、微信、微博等。广泛的来说, 手机、座机等通讯设备也属于社交软件的范畴之一, 即所有能与人通话交流的都称为社交软件。
2虚假信息存在的原因及其影响
这个高速发展的网络时代, 再也不需要烽火狼烟, 也不需要快马加鞭, 敲敲键盘就能传达你所要表达的信息, 点开链接便能知道千里之外刚刚发生的事情。网络信息传播速度快, 覆盖面积广。我们在社交软件中传递信息, 享受着网络时代的便捷, 这样的网络大环境, 这样的信息传播优势, 便给了一些别有用心的人可乘之机。 使用社交软件的过程中, 有91.6%的人接收过诈骗广告、谣言传闻等虚假信息。
虚假信息, 就是不真实的信息。 出现在社交软件上的信息五花八门, 涵盖社会、地区、生活、教育、娱乐明星、游戏、体育、企业等方方面面。 我们假设每个用户每一个星期只在一个社交软件上发一条动态, 那每天也有数十万的信息在网上流通。 无疑大大增加了监管的难度和疏漏。 同时, 社交软件为了增加用户的粘合度和活跃度, 也推出了各种各样的社交功能, 交互性强不仅存在于用户和软件客服, 还存在于用户和用户之间。 聊天和谈话的私密性以及网络社交转换为线下社交时, 都极大地扩大了虚假信息的传播范围和传播源。
一些网民为了娱乐哗众取宠, 捏造歪曲事实;恶意营销, 并未经过质检的各类养生保健产品层出不穷。 在这个彰显个性和自由的时代, 网络技术的发展, 推动了网络媒介信息发布平台多样化, 各类媒介信息平台提供及时发布、及时分享的功能, 使得信息发布不受空间和时间限制。 甚至可以通过推送功能向外强制传播, 这些都为网络虚假信息的传播提供了生存的土壤。 同时, 也增加了管理部门对网络虚假信息的监管难度。
很多网络负面信息的真实与否, 对大多数网民来说难以核实。 并且谣言是建立在毫无事实根据上的虚假信息传播。 而网络传播的匿名即时, 很多网民也在无意之中成为了谣言的传播者。 他们不擅甄别, 不在乎信息的真假, 在这个信息爆炸的时代, 人们往往是接受而没有足够的经历和时间来怀疑, 调查结果表明有43%的人在不了解实情的情况下转发或编写过虚假信息。 从心理学角度讲, 传播信息也可以在一定程度上可以满足其自身的成名心理需求。 自媒体的时代, 人人都是通讯员, 个个都是记者, 网民可以通过贴文、微博等形式提供在网络上自由发布信息。 而网络的匿名性又使得发布网络虚假信息承担责任的风险降低, 这些都促使了网络虚假信息肆虐。
就影响来说, 虚假信息有着很大的负面影响。 虚假信息泛滥给企业或个人带来的损害比起传统媒体来有过之而无不及, 在我们的调查中, 32.2%的人都曾因社交软件中的虚假信息遭受过精神或财产损失, 诈骗广告、 恶意营销等信息不仅可能能会给人们带来精神或财产损失, 更会污染社交软件及网络信息的大环境。“众口铄金, 积毁销骨”。 谣言的可怕, 就在于其扰乱视听, 对社会或个人造成极大的危害。 因网络具有传播快、覆盖广等特点, 一些谣言一旦被扩散, 往往会给人们的生活造成巨大的负面影响。 一些本来真实的信息, 因“网络谣言” 的盛行而受到公众的质疑, 明珠蒙尘;一些虚假有害的谣言, 因网民无知而被广泛传播, 危害大众。
3举报机制的滞后性及其不完善性
网络虚假信息呈现泛滥之势, 举报平台应运而生, 可令人遗憾的是, 现存的举报机制具有相当大的滞后性和不完善性, 并未能有效遏制虚假信息泛滥的形势。 首先便是举报机制未能普及大众, 许多网民并不了解虚假信息的举报途径, 更有甚者, 有一部分网民甚至不知道有举报机制的存在, 我们了解到有65.2%的网民并不了解虚假信息的举报途径, 超过一半的人们对举报途径的了解缺失。 其次, 网站监管不到位, 社交软件中虚假信息的举报机制本身便存在很多不足之处, 举报之后等待处理时间过长或后续处理不当等问题一直存在, 调查中30.1%的人们都对现今的举报机制不满意, 有62%的人们认为现存的举报机制一般, 仍然有待完善。
更何况现今民众自我保护意识淡薄, 他们不擅甄别网络信息, 更无意举报虚假信息, 在这次调查中, 我们了解到只有44.6%的人会对出现在他们社交软件中的虚假信息进行举报。 这种忽视和无作为的态度只会加剧虚假信息的蔓延, 推动虚假信息的传播。 其次便是举报机制未能普及大众, 许多网民并不了解虚假信息的举报途径, 更有甚者, 有一部分网民甚至不知道有举报机制的存在, 我们了解到有65.2%的网民并不了解虚假信息的举报途径, 超过一半的人们对举报途径的了解缺失, 举报意识淡薄。 最后, 国家法律的滞后和缺失也是虚假信息泛滥和举报机制不完善的重要原因, 较为完善的法律法规出现在2013年, 11月1日起, 《刑法修正案 (九) 》正式施行。 值得关注的是, 这部新修订的法律增加不少新的规定, 比如将在微信、微博发布假消息。 《刑法修正案 (九) 》为此在第291条中增加一款规定:编造虚假的险情、疫情、灾情、警情, 在信息网络或者其他媒体上传播, 或者明知是上述虚假信息, 故意在信息网络或者其他媒体上传播, 严重扰乱社会秩序的, 处3年以下有期徒刑、拘役或者管制;造成严重后果的, 处3年以上7年以下有期徒刑。 相关法律法规的颁布到正式施行中间的空挡, 都使虚假信息有了可乘之机, 所谓防不胜防。 虚假信息的举报机制完善之路依然任重而道远。
4举报机制完善的必要性
软件虚假信息举报机制的完善的重要目的就在于:警惕网络虚假扰乱公众视听, 维护网络信息安全。 社交软件是一个自由的空间, 也是全体民众共有的公共空间, 它同社会其他领域一样, 需要应有的秩序。 网络应该是促进发展、维护和谐、增加福祉的工具, 而不应该成为虚假信息的温床, 甚至是违法犯罪的策源地。 作为有责任感的社会公民, 应该携起手来, 共同抵制网络谣言这种社会丑恶现象, 对不实信息保持理性的态度, 让网络谣言失去土壤, 丧失空间, 让全体民众共享一个健康清新的网络环境。 同时, 社交软件虚假信息举报机制的完善还有助于完善整个互联网虚假信息举报机制。
要规避网络风险, 国家、企业、个人缺一不可。 国家是网络安全的倡导者和监督者, 面对复杂多变的网络环境, 应建立健全切实可行的网络安全应对机制, 辅之以行之有效的网络监督。 作为网络信息安全的参与者和维护者, 网络安全公司承担着消化和抵御网络风险的安全防火墙的角色。 作为网络使用者的公众, 最重要的任务是增强网络信息的安全意识, 对于来历不明的网络信息做出科学理性的判断, 防患于未然。 随着网络信息规模的不断发展与壮大, 在另一个层面上也致使了网络系统当中面临着更多安全方面的威胁。 在这样的前提下, 必须加强对网络信息安全重要性的认识, 并对其未来的发展方向进行预估和判断, 从根本上提升我国的网络信息安全维护技术, 继而确保用户在使用互联网的过程中的信息安全。
社交软件中的信息良莠不齐, 在整个互联网大环境中更是浓墨重彩的一笔, 不容小觑。 为了维护网络信息的安全, 创造一个干净清新的网络环境, 社交软件虚假信息举报机制的完善势在必行。
参考文献
[1]侯召迅, 孙文鹰.完善网络虚假新闻信息防治机制[J].中国记者, 2007.
[2]刘全新.基于社交网络的信息传播控制机制的研究[J].哈尔滨工程大学, 2012.
[3]张建超.社交网络服务中信息传播模式与舆论演进过程研究[J].北京交通大学, 2012.
[4]夏玲玲.基于在线社交网络的谣言控制策略研究[J].南京邮电大学, 2013.
社交信息 篇5
45秒产生第一印象
在初次见面时,每个人看人的眼缘一般在45秒钟就能产生第一印象的,这主要还要包括容貌。衣着还有你的姿势和面部表情等等。第一印象会在你们以后的交往中占据着主导的地位,在这里“首因效应”提示着我们,在初次见面的时候应该给人留下一个好的印象。
人们都愿意与衣着整齐、落落大方的人交往。注意言谈举止,最好能言辞幽默、侃侃而谈、不卑不亢、举止优雅。有了良好的开始也就成功了一半。
【诚信定律】
不要轻易给承诺
“人无信不立”,诚信是人际交往的基础,是做人的根本。一个人不讲信用,说话不算数,容易让人反感,长此以往交不到朋友;一个企业没有信誉也很难在市场上立足。
如果你已经对某人做出了一个承诺,那么你最好的就是尽心尽力的去完成它做好它。自己力不能及的事情,那么从一开始的时候就不要随便的应承。正如我们知道的华盛顿所说的:“一定要信守诺言,一定不要去做你力所不及的承诺。”
【面子定律】
凡事为人留情面
“人要脸,树要皮”,中国人尤其好面子,做什么事都会考虑自己的面子。面子的本质是尊严,用需要层次理论来讲,就是受人尊重、得到认可的需求。谁都希望自己在别人面前有尊严。
与人交往,即使你再优秀,也别忘了给他人留点尊严。给别人留面子就是给自己留退路,在家庭关系中尤为重要。很多家庭的破裂都源于妻子在外人面前太不给丈夫留面子,伤害了对方的自尊心。家庭不是一比高下的战场,而是举案齐眉、互相尊重的港湾。
【赞美定律】
学会夸人心更近
心理学与读心术了解到,善赞美能博得人心。人人都渴望得到由衷的赞美,这会使人感到自身价值得到肯定,感到愉悦和鼓舞,并对赞美者产生亲近感,彼此的心理距离因赞美而缩短、靠近。
一个人虚假的赞美是很容易引起发干的,甚至是会给人留下拍马屁的不好的印象。一个人真诚的赞美要注意两点:
1.赞美事实而不是人。要把赞美的焦点放在对方所做的事情上,比如说“你的书写得真好”要比说“你真棒”更容易让人接受。
2.赞美要具体。针对某件事赞美会更有力量。比如“你的领带跟西服很配”要比“你今天穿得很好看”更能说到对方的心里去。每一次真诚地赞美别人,不但对方快乐,同时也会让自己获得满足。
【谎言定律】
心怀善意给希望
一个善意的谎言有时或许就能这样改变他人生命的轨道。适当的时候,说一些这样的谎言,往往可以让我们的人际关系更为和谐。
比如,同事穿上刚买的新衣服兴冲冲地给你看的时候,可能你并不觉得物有所值,或有多好看,但几句善意的夸奖,却可能让对方拥有一天的好心情,朋友关系也会更加和睦。
【互惠定律】
帮人就是帮自己
赠人玫瑰,手有余香。互相帮助、理解就是心理学上的互惠定律。美国文学家爱默生说过:“人生最美丽的补偿之一,就是人们真诚地帮助别人之后,同时也帮助了自己。”伸出你的手去帮助别人,而不是伸脚去绊他们。人际交往就像一种回声,你对我友善,我对你也友善。
英国哲学家培根说:“你希望别人如何对待你,就先如何去对待别人。”对于团队而言,真诚地帮助员工,员工才能竭诚尽心地帮助团队成长。对于个人而言,真诚地帮助别人,人际交往中会有意想不到的收获。
【异性效应】
男女搭配效率高
俗话说,男女搭配,干活不累。心理学研究也证实,有男女两性共同参加的活动,较之只有同性参加的活动,参与者会更愉快,更有干劲,表现更出色,这就是“异性效应”。心理学家还发现,在一个只有男性或女性的工作环境里,即便条件再优越,自动化程度再高,员工都容易疲劳,并且工作效率不高。
“异性效应”还存在一个最低比例。研究发现,在一个集体中,异性人数的比例不能少于20%,否则就会降低效率。另外,成员的年龄最好相差不大。利用“异性效应”,管理者可以合理搭配员工性别比例,既满足员工的心理需求,又提高了团队的工作效率。
【忍让定律】
宽容不当滥好人
“忍一时风平浪静,退一步海阔天空。”和谐的人际关系需要忍让。世界上没有完全相同的两个人,与我们相处的人,年龄有大有小,经历不同,性格各异,为人处世的风格也不一样,因此总会存在分歧和矛盾。
遇事多忍让,做到明他人之长,知他人之短,容他人之过,才能和睦相处。吃不得亏,受不了气,一件小事就耿耿于怀,不但会让周围的人敬而远之,也不利于自己的身心健康。
有人把忍让看成“窝囊”。忍让并不是不讲原则,也不是提倡当“滥好人”,而是在不触犯原则的情况下,以忍让为主,得饶人处且饶人,以宽广的心胸去面对别人,与人为善。
社交信息 篇6
本报讯 2月22日，调研公司Ovum发布报告称，由于越来越多的用户使用Facebook或WhatsApp等应用替代短信服务，移动运营商的短信营收已经明显下滑。报告称，全球移动运营商2011年的短信营收下滑了139亿美元，而2010年的降幅是87亿美元。
今年iPad销量将达5900万 全球份额降至62%
本报讯 2月23日，市场调研公司TrendForce发布报告称，苹果今年在全球平板电脑市场的份额将下降至62%，低于去年的66%。不过尽管市场份额出现下降，但iPad销量仍将继续增长。TrendForce预计，2012年iPad的全球市场销量将达到5900万台。
意法半导体高管变动
本报讯 2月21日，意法半导体宣布公司原CFO Carlo Ferro将接受新的任命，担任ST-Ericsson公司COO，致力于实现公司的全面转型；意法半导体首席会计官兼公司对外财报负责人Mario Arlati将接任CFO。据悉， 以前属于CFO主管范围的投资者关系部现并入由Philippe Lambinet负责的公司战略部。
Mozilla今年将推出跨平台HTML5应用商店
社交信息 篇7
近年来, 社交网站 (SNS) 在我国得到了飞速的发展。据统计, 截至2009年2月, 中国社交网站月度覆盖用户规模达1.632亿人次, 比2008年1月份的1.188亿网民覆盖规模增长了41.7%[1]。同其他互联网业务相比, 社交网站业务对用户的吸引度和黏度优势更加明显。随着业务的不断增长, 社交网站所带来的安全问题也在不断显现。个人隐私泄露, 遭受病毒、木马攻击等问题层出不穷。
1 社交网站带来的网络安全问题
随着社交网站的兴起, 网络犯罪分子也将目光投向了这一领域。之所以对社交网站进行攻击, 主要是因为这类网站具有极高的人气和访问量, 但同时都或多或少地存在一些安全方面的隐患, 可以帮助他们大规模传播恶意软件。
1.1 社交网站本身存在安全漏洞
社交网站容易遭到的安全风险主要有两类:
一类是因为采用Ajax技术而导致的蠕虫攻击, 如Myspace、国内的51.com, 校内网都曾经出现过各自的网站蠕虫, 这些蠕虫通过利用个人空间、模板上的bug, 可以自动向用户的好友发送带毒链接, 用户浏览后就会中毒。
另一类是由于社交网站对cookie的不恰当使用, 而导致黑客可以轻易发动CSRF (cross-site request forgery, 跨站请求伪造) 攻击。CSRF攻击也被称成为one click attack或者session riding, 是一种对网站的恶意利用。有的社交网站为了让用户经常登陆, 利用一个永久有效的cookie, 让用户永久保持在登陆状态。这样, 用户只要输入网站的网址, 不用填写自己的账号和密码, 就可以登陆, 使用社交网站的各种功能。只要黑客拿到机器上储存的这个cookie, 就可以以用户的身份做任何事情。
举例:开心网漏洞解读[2]。
在2009年9月初, 开心网发现多个安全漏洞, 这些漏洞大多是因为网站过滤不严而导致。使得黑客可以借此漏洞进行“挂马”和跨站攻击, 同时通过和cookie截获配合制造出能够引起严重后果的网站蠕虫。下面列举的漏洞出在群相册组件处, 主要问题是iframe过滤不严。
漏洞利用:首先, 制作一个网页木马。例如下载一款Flash漏洞生成器, 在“生成”中输入木马的地址 (该木马已经上传到指定的网站空间中) , 再将生成的网页木马上传到指定的网站空间中。然后, 注册一个开心网账号, 用账号登录后进入群相册, 创建一个群相册专辑。在群相册专辑名称处输入代码
接着, 将上述代码中的www.baidu.com替换为木马地址, 将width (嵌入框架的宽) 和height (嵌入框架的高) 的值都设为0, 就可以挂马了。最后等用户浏览相册或者四处宣传引诱用户浏览相册就可以了。
1.2 用户手机、无线上网等存在安全隐患
手机通话内容被监听、收发短信电话簿就被盗取、下载音乐却让手机中了病毒……这些在手机使用过程中的问题, 可能有不少人碰到过。目前, 手机安全问题正面临严峻的挑战, 而且随着手机上网的普及, 这一现象还将日趋严重。
随着3G的普及, 越来越多的市民喜欢用手机聊QQ、查看邮件、上网, 手机或将成为今后病毒传播的最大媒介, 成为数量最大的“肉鸡” (在Internet上被“黑客”任意摆布的电脑) 。病毒除了通过网络传播到手机外, 也有可能通过手机程序传播。如购买的“水货手机”, 在出售前就被写入了追踪、窃听等程序, 这与用户使用的电话卡无关, 只要开机, 就可能被人窃听到通话内容。或者在手机维修时被感染病毒, 普通用户难以察觉。有的人喜欢将手机当成MP3或者U盘使用, 这样也容易给手机带来染毒的风险。
现在, 运营商又开始试水Wi Fi手机上网业务, 更是让无线生活给人们提供了无限遐想。但是目前被广泛采用的热点 (hot-point, 即Wi Fi接入技术) 无线接入技术存在技术漏洞, 可以被人轻易地破解, 从而让电脑或手机里面的信息被窃取。类似这样的工具网络上非常方便就可以下载到, 加在Google上输入“Wi Fi破解工具”等关键词, 很快便能找到多款破解工具。这些工具中, 最常见的是Win Air Crack Pack工具包, 还有Omnipeek软件。网上甚至有如何利用这些工具包破解无线网络, 获取他人信息的详细教程。
1.3 给企业的网络和系统带来安全隐患
事实上, 当社交网站遭受攻击, 给用户带来安全风险的同时, 对企业的网络和办公系统也带来一定的安全隐患。例如大量消耗网络带宽、网络中出现ARP (address resolution protocol) 欺骗等, 都会影响企业的运作效率。
2 社交网站的信息安全问题
对于社交网站而言, 用户填写的个人资料越详细, 就越有商业价值。因此, 几乎所有的社交网站都在鼓励用户填写真实资料, 但提供的安全保护却并不充足, 容易造成个人隐私泄露。另外用户在同网友的交流中, 也会不经意地透露或者被别有用心的人窃取个人信息, 甚至会造成其家庭、单位等私密信息的泄露。
在使用网络的过程中, 网民遇到的泄密问题主要有个人资料的泄露, 包括手机号泄露、MSN账号密码 (QQ账号密码) 泄露、邮件账号泄露 (邮件通讯录泄露) 、个人真实信息泄露等。在遭遇这些信息泄露后, 往往会频繁受到各种商业广告、垃圾信息的骚扰, 收到各种挂马、钓鱼网站的链接, 甚至是收到诈骗、勒索的电话和短信等。
上述这些泄密问题, 往往存在于博客、社交网站、论坛上, 由于社交网站兼具博客和论坛功能, 造成泄密的可能性和危害性也较一般的网站严重许多。根据瑞星公司的《社交网站与网民隐私报告 (2009) 》显示, 社交网站已成为诱导网民泄露隐私、记录隐私、利用网民隐私牟利的巨大商业集团[3]。
2.1 社交网站给个人用户带来的安全风险
社交网站给个人用户带来的安全风险主要是造成个人隐私的泄露, 形式一般有:
1) 诱导用户填写MSN和QQ的账号、密码, 易造成私密信息泄露;
2) 通过提供奖励、优惠等方式, 鼓励用户填写自己的真实情况;
3) 鼓励用户将提供手机等个人信息, 建立个人信息资料库, 存在隐私泄露风险。
2.2 社交网站对企业信息保密带来安全隐患
社交网站建设的其中一个理念就是和别人去共享你的信息。但是对于企业而言, 大多数情况下并不希望这么做, 因为竞争对手也正期望从它的员工处获取商业机密。当某位员工为他们公司从事的业务或取得的成果感到自豪, 而去告诉其他人的时候, 很可能在无意中充当了泄密者的角色。
3 病毒式营销带来的垃圾信息问题
开心网、校内网等社交网站的兴起是这两年互联网最热门的话题, 而社交网站用户规模快速膨胀的过程, 可以说, 与其疯狂的病毒式营销密不可分。权威网络流量调查公司Alexa数据显示, 直到2008年6月底之前, 开心网流量还较小, 7月就出现爆发式增长。有研究表明, 这与开心网展开病毒式营销密切相关。很多注册了开心网的人都是这样被“诓”进来的———收到好友邮件, 声称自己与朋友发现一个好玩的网站, 邀请其加入;或者就是MSN上也有骚扰链接。
在这一过程中, MSN成为社交网站进行病毒式营销的重要工具, 用户在相关社交网站上注册之后, MSN就会自动发送邀请链接给其MSN好友。有时候, MSN用户会在一天之内收到好几十个链接, 邀请其进驻相关的社交网站, 直到MSN用户最终注册———一旦注册, 就会自动成为下一个传播节点, 这就是爆炸式的病毒传播。
病毒营销在带来不可思议的传播速度的同时, 也带来了一系列烦恼, 不少网民已将在MSN上传播的社交网站信息当作病毒对待, 恨不能除之而后快。用户的投诉主要来自两方面:一方面是经常在MSN和邮件里收到社交网站的相关邀请和广告信息, 另一方面是登录相应的社交网站后会经常收到大量的通知和应用程序邀请, 开放平台成了骚扰用户的根源。
4 应对策略
4.1 社交网站需加强自身的网站安全建设
社交网站的自身安全建设总体来说与其他网站类似, 但由于社交网站大量使用了Ajax技术, 因此必须对XSS (跨站脚本攻击) 和CSRF攻击以及相关的蠕虫病毒进行关注。
为尽可能地避免网站出现此类漏洞, 首先在网站建设初期加强对用户输入内容可靠性的限制管理, 同时还要做深入细致的检测, 最基本的就是对有输入框的页面进行代码测试, 在测试过程中如页面有任何框架变形或脚本错误提示, 即预示着此页面可能存在XSS跨站攻击漏洞。
在具体做法方面, 除了手动对输入框逐一查找外, 其实还有大量的XSS漏洞检测工具可供我们使用, 如著名的XSS LFI File Disclosure-Scanner、Paros等, 对全站页面结构进行扫描, 有可能发现新的安全漏洞。
此外, 对带参数的链接也要进行参数替换测试。同时, 最好在网站开发的部分阶段, 引入专业的黑盒与白盒测试工具, 建立完善的文本过滤层。只有在建设阶段做到尽可能细致的考虑和测试, 才能保证系统上线后, 避免出现大的漏洞和问题。
4.2 用户自身如何做好防护
对于用户自身如何做好防护, 网络安全专家们也给了很多建议, 归纳起来, 主要有如下几点:
1) 严密防范社交网站的蠕虫攻击。安装最新的杀毒软件和系统补丁。尽量不要点击他人转载的信息。
2) 尽量不要填写过于详细的个人资料。尤其是收入水平、婚姻状况, 是否买股票等, 很容易被有心人利用, 进行商业推广和诈骗。
3) 不要轻易加MSN好友、QQ好友、社交网站好友。一旦加某人为MSN好友, 他在很多社交网站会自动成为你的好友。这样, 即使是一个十分陌生的人, 也可能了解到你最隐私的个人资料。
4) 使用社交网站时要充分利用其安全机制。如邀请好友时, 如果输入了MSN账号密码、邮箱账号密码, 在使用完后要马上修改密码。
4.3 企业如何做好社交网站安全防护
企业可以使用制度或者技术手段来限制员工访问社交网站。如果这些都不奏效, 企业可能需要采取更加灵活和深入的方法。例如在安全检查方面, 采用对所有Web流量进行扫描以查找恶意软件或者病毒, 使用数据泄漏防御 (DLP) 解决方案来检测所有内容以防止企业机密泄露。同时可以将对社交网站访问的时间限制到某些时间段, 如午饭时间等, 这也正是2009年7月Sophos安全威胁报告所建议的方式。
由于来自社交网站的威胁存在很多形式, 链接到其他网站的链接、直接的邮件消息、钓鱼电子邮件等, 所有的Web流量都应该进行恶意内容扫描, 而不只是对来自社交网站的内容进行扫描。对于第二层保护, DLP可以防止员工在不适当的位置张贴敏感信息。虽然DLP不能够阻止某些内部威胁, 但是它可以很有效的阻止和检测意外的病毒感染和数据泄漏。
4.4 管理部门应如何加强监管
4.4.1 按法律法规或条例制定相应管理要求和细则
对于传统的涉及BBS、新闻、出版、药品等形式或内容的网站, 在国务院的电信条例和工信部的部门规章中已经做了相应的备案或者前置审批的要求。而对于社交网站这个新生事物, 在制度和管理方面依然是空白。因此亟须建立相应的管理制度和要求。对于社交网站, 可以参考BBS的专项备案, 在市场准入标准、功能规范、信息安全等方面进行明确的规定。
4.4.2 对网站要有内容审查和分析过滤的技术手段
对于社交网站的内容监管, 主要考虑的是社交网站提供的两大功能:一个是用户可以像在BBS和博客一样发布帖子并被别人转载;另一个是能够自由的创建和使用“群”, 从而以各种主题把用户进行细分和重新聚集。社交网站已经完 (下转第51页) (上接第47页) 全实现了博客或者BBS的功能。以开心网为例, 用户可以写日记 (类似博客) , 可以转载别人的日记和照片, 对别人的发帖可以进行评论和回帖, 等等。对于“群”, 则类似于QQ等即时通信中的群组或者是BBS中的版块, 用户可以建立某个特定主题的群, 在其中进行讨论。
而这些都是用户个人在进行管理, 没有BBS中的版主或者审核员进行信息发布前的审查, 其风险不言而喻。因此有必要从社交网站本身和监管部门两个角度出发, 进行内容审查和分析过滤手段建设。
4.4.3 重视交互行为所带来的信息爆发式传播
目前, 国外的一些社交网站, 特别是微博客如Twitter等, 已实现了网站本身和用户手机之间的信息交互。即一方面用户可以将信息通过手机公布到社交网站上, 另一方面网站也可以将这些信息“推送”到用户的手机上。这样的设计提高了网站和用户之间的交互性, 但也带来了信息安全方面的问题。特别是对于敏感时期或者某个事件引发众人关注时, 社交网站的这一功能会引发相关信息在用户之间, 以极短的时间进行散播。
因为政策或者技术的限制, 目前国内的社交网站大多没有开通此类功能。少部分的微博客, 如新浪微博等, 具有单向的短信上传功能, 即用户可以通过编写手机短信将信息发送到微博客上, 但无法通过手机来获取他人微博上的信息。
相对于双向发送, 短信上传功能对信息安全的影响较小, 但也应当引起重视并进行约束和规范管理。虽然目前没有开通双向发送, 但其主要原因并不是因为技术上不好实现, 而是政策上把握相对较严, 不排除今后会允许开展此类业务。而在开通双向业务之前, 这方面的监管手段必须能跟得上, 这样才能保证风险可控、监管有力。
4.4.4 开展针对性的防木马和攻击行为监控
社交网站最常见的安全隐患就是网站过滤不严, 导致易被挂马和进行XSS以及CSRF。针对这样的情况, 监管部门平时在发现和处理网络安全事件时, 应当特别关注这些类别的攻击行为。一方面可以通过对社交网站进行重点监控, 以发现针对网站的各种攻击手段和行为;另一方面可以对攻击行为进行监控, 了解哪些社交网站已成为或即将成为上述类别攻击的目标。
参考文献
[1]王亮.SNS社交网络发展现状及趋势[J].现代电信科技, 2009 (6) :9-13.
社交信息 篇8
1 大数据时代与社交网络
1)大数据时代
大数据是一定时期内数据集的收集,这种数据庞大而复杂,导致很难用目前已掌握的数据库管理工具或者传统的数据处理应用程序来处理。这些挑战包括采集、保管、存储、搜索、共享、调动、分析和可视化[1]。通常以4个V来体现大数据的特点,即Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值),分别从量、速、类和值四个方面来进行定义。
2)大数据时代的社交网络
与传统互联网相比,大数据时代下的社交网络开始显现其鲜明特征,微信、微博等自媒体已经悄然无声的融入我们的生活,发微信、刷微博、浏览朋友圈成为我们拿起手机就自然而然去做的事情,这慢慢发展成我们一种新的生活方式。据英国《金融时报》2015年3月19日报道,2014年底,微信用户数量同比增长41%,至五亿人,突显这款中国社交媒体应用在移动互联网领域的广大地盘。微信火爆的背后很大程度上是由于它的实时语音聊天、图片分享功能能让我们及时分享自己的动态并与好友互动。当我们在写微博、发照片时都可以添加自己的位置信息,依靠地理位置信息聊友的社交软件也日渐风靡,地理位置信息也逐渐成为当下社交网络中不可或缺的信息资源。虽然标示功能让我们在社交网络中有了更加逼真的交流,但是将自己形同透明地暴露在公众的视野之中。近些年,“人肉搜索”不绝于耳,每当有大事件或者公众关注度较高的事件发生时,当事人的所有信息总是能很快地被公之于众,这就是大数据的功劳。数据关联是用户在大数据时代给互联网使用提出的更高要求,但同时也为一些心存不轨的人提供了更便利的条件,个人安全令人担忧。
2 社交网络隐私保护的现状
1)个人信息泄密
2013年棱镜门事件的爆出,让各国人民突然意识到原来我们一直生活在美国大片中。个人信息的自我放逐大多是从“注册”开始,这里只需要我们交出自己的手机号或者电子邮箱,然后各种商家的优惠信息接踵而来,我们也开始在网上更多的暴露自己的信息。每当接到各种诈骗短信或者电话时,却忘了在何时把自己给出卖了。但是,我们中的大部分人,已经在新环境下"被习惯"了,注册就是需要个人信息来验证,电商支付安全性令人忧心,也还是无法停止网上购物。自我放逐的信息,收不回来,也难以停止。
2)数据库的自身缺陷
数据库运行在操作系统之上,所以数据库的安全依靠操作系统的安全。最常用的就是利用应用系统、数据库的漏洞进行SQL注入。一旦SQL注入成功,可以直接获得整表或大批量数据[2]。
3 大数据下社交网络隐私侵权的新威胁
1)账号被盗风险加剧
账号安全是用户对社交网络最基本的要求。2011年12月CSDN用户数据库被攻击导致600多万用户邮箱账号和对应明文密码泄露;2012年6月美国职业社交网站Linked In同样造成650多万用户账号泄露;而在国内的一些大型社交网站如人人网、天涯论坛等均有被黑客攻击导致用户密码泄露甚至篡改的情况[3]。此外,有很多人用同一个账号登陆不同的应用,一旦有一个账号泄露,由于大数据的关联,更加剧了其他账号被盗的风险。
2)隐私安全问题更加显著
隐私安全问题是大数据时代带给用户的最大信息安全威胁,同时也是限制大数据发展的最大障碍。当用户在社交网络中发布自己的个人心情、晒出自己照片,在微博、微信里和好友进行互动的同时,用户的心情、照片、位置坐标甚至每时每刻的状态都在很大程度上被数据化了。大数据时代下,数据的规模性以及关联性更强、更大,虽然收集商在分析、共享用户个人信息的同时进行了脱敏处理,但是随着数据来源的增多以及数据量的爆炸性增长,那些原本看起来毫无联系,相互分离的数据就能够通过一定的关联匹配起来,这也使得之前所做的脱敏的安全效果受到影响。
3)用户个人信息控制减弱
与传统的社交方式相比,在大数据环境下,个人在社交网络的暴露的信息均可能被访问、收集,通过对不同平台中信息的整合,从而进行挖掘,产生出用户的信息关联体系。大数据时代下的大数据分析可以得出1+1>2的信息。
4 社交网络隐私侵权的原因分析
1)社交用户主体保护意识的淡薄
目前社交网站的隐私泄露、用户个人的安全意识不强等非技术性的因素,已经成为商业公司收集、利用网民隐私的重要来源[4]。陕西师范大学的李冰在对人人网用户的一次社交网络隐私安全的在线调查中发现[5],有58.86%的人填写了自己的真实个人资料,70.89%的用户觉得自己在社交网络中或者正在使用的网站有泄露自己隐私的风险,只有7.47%的人阅读了人人网的相关隐私说明,有39.5的人只知道有这个说明的存在却从没关心或阅读过。由此可见,用户在社交网络中乐于公开分享个人的生活信息,却很少关心个人隐私是否泄露或者网站是否有相应的保护对策。
2)非法数据买卖利益的驱动
2015年4月14日,全国首个大数据交易所——贵阳大数据交易所正式挂牌运营并完成首批大数据交易[6]。然而,非法数据的私下交易却早已经十分广泛,因为其廉价的成本及高额的回报,使得一些非法交易大行其道,收集商或者一些网络管理员违反相关规定,甚至直接将用户个人隐私信息不经过处理直接出售。
3)相关法律保护的缺失
2000年信息产业部颁布的《互联网电子公告服务管理规定》第12条规定:电子公告服务提供者应当对上网用户的个人信息保密,未经上网用户同意不得向他人泄露,违反此规定的,由省、自治区、直辖市电信管理机构责令改正;给上网用户造成损害或者损失的,依法承担法律责任。2009年《刑法修正案》虽然确定了侵犯个人信息罪,但对个人隐私侵犯的行为定义不全面,使得实际操作性较差。《个人信息保护法》从起草至今已经历时12年却依然没有出台,我国在个人隐私信息安全领域仍没有一部专门、权威的法律。但在一些发达国家,早在有关数据资产方面形成了专门的法律体系。更有甚者,在如何数据资产化的方面也已开始探讨,比如法国出台的数字经济纳税条例,就是对享有公民免费数据的互联网企业增加一些税种。
5 社交网络应对隐私安全的对策
1)提升用户的信息安全素养
用户对个人信息的保护应该是一个自我控制、选择以及防卫的综合体系。用户在社交网络中应选择性的公开自己的活动,养成良好的个人信息保护意识,使得别有用心者不能依据所公开的信息对个人安全造成威胁。不同的社交网络应使用不同的密码,并应该及时更换绑定新的手机号。
2)提高大数据安全防护技术
用户可以通过技术手段加强个人信息的安全保护,科使用专门的数据库防火墙技术,防范SQL注入攻击,建议增加底线防护机制,通过使用数据记录行数阀值控制的技术,在最邻近数据库的位置部署数据库防火墙,即使攻击方法穿透了网络、主机、应用,但是一旦超过一定阀值(如100行),所有的访问行为将立即进行阻断、拦截[7]。首先能做到规避大规模数据的泄密灾难。
3)完善相关个人信息安全法律法规
网络安全中有一句经典名言“三分技术,七分管理”,再安全的技术脱离了管理也不会安全。政府部门需要对信息的保护范围和措施上从法律层面做出定义和监管,2012年12月28十一届全国人大常委会第三十次会议审议通过的《关于加强网络信息保护的决定》,该文件明确规定了国家保护能够识别公民个人身份和涉及公民个人隐私的电子信息。任何组织和个人不得窃取或者以其他非法方式获取公民个人电子信息,不得出售或者非法向他人提供公民个人电子信息①。该决定明确了各方职责,以法律形式保护公民个人及法人信息安全,重点解决了我国网络信息安全立法滞后的问题。加强网络信息保护的立法,正是在一步步探索大数据时代的安全边界,对于进入大数据时代的公民隐私保护以及维护国家安全和社会公共利益,都有着积极意义。
大数据带给人类生活的益处是多方面的,但大数据相比传统互联网,也在给网络安全带来更多威胁,给用户隐私带来更大挑战。我们在不知不觉的成为大数据的“俘虏”,将多样化的社交网络中的各类隐私公之于众。数据共享是大数据的现实价值,但隐私保护又关系到公民个体和国家整体的安全。如何把握好大数据的安全边界、平衡大数据使用和隐私保护是我们必须思考与解决的问题。
参考文献
[1]张艳欣,康旭冉.大数据时代社交网络个人信息安全问题研究[J].兰台世界,2014,5(5):24-25.
[2]郑木德.新形势下网络个人信息安全及保护策略研究[J].网络安全技术与应用,2014,5(5):160-162.
[3]新浪科技.多家公司卷入“密码门”事.[DB/OL].http://tech.si-na.com.cn/z/code_crisis/.2015,5.
[4]董青梅.社交网络对于个人隐私的挑战[J].行政与法,2014(9):4-5.
[5]李冰.国内SNS社交网站隐私安全问题及对策研究[D].陕西师范大学,2012.
[6]光明网.大数据时代的数据买[DB/OL].http://news.gmw.cn/2015-04/23/content_15454570.htm,2015,5.
社交网络中信息传播的稳定性研究 篇9
关键词：社交网络,信息传播,稳定性,模型
随着经济的不断发展, 网络信息技术也在不断的革新, 社交网络存在于社会需求当中被众多的群众所欢迎。随着各种类型的社交网站出现, 中国的网民数量也在激增, 社交网站的关系变得复杂起来。社交网站的人群越多, 网络信息传播就越重要, 越受到相关管理部门的重视。学者们需要对社交网络当中的信息传播进行研究, 从而建立起健康的、稳定的社交网络体系。
1 信息传播的机理与模型
SIR模型是社交网络信息传播的最为经典的模型, 该模型可以很好地表述出信息传播的状态。SIR模型将信息传播的节点分为3种状态, 并按照信息是否被接受和被传播分别定性为S:易感染, I:感染, R:免疫。学者们将SIR模型当中的各个状态相互转移, 以此来研究信息传播是从哪个节点出现又是从哪个节点消失的。信息传播的机理当中包含了遏制机制, 当然, 接受信息传播的用户对已经接收的信息产生遗忘现象也会影响到信息的传播。当信息接受用户的遗忘起到了作用, 就会将用户的感染节点转化成易感染节点, 受到该转变的影响, 信息用户会选择重复接受信息, 以达到完成信息接受的目的[1]。因此, 对于信息传播的模型出现了些许的变化, SIR模型增加了对遗忘机制的表示。
1) 在网络当中节点大于1的情况下,
2) 在转移概率在0-1之间时,
3) 最终根据信息传播规则所形成的公式
2 分析信息传播的稳定性
从稳定性的角度考虑, 研究资料依然将稳定性以公式的形式表示出来, 根据Routh-Hurwitz的稳定性理论依据显示, 信息传播的稳定性是依据社交网络当中的信息接收与信息传播所决定的, 且在关系的表现上呈现出渐进稳定。当信息传播的形式趋于稳定, 各个节点之间都保持了平衡的状态, 所表示出的含义显示信息传播的持续。
3 数值仿真研究
为了更好地确定信息传播机制对信息传播途中的变化的影响, 专家学者将数值仿真的研究办法用于研究信息传播规则以及稳定性研究是否真实有效。事实上, 社交网络的信息传播存在着多种变化, 也受到多种因素的限制。社交网站用户的疾病、用户所使用的计算机是否遭遇病毒, 社交网站用户之间的谣言, 都能影响到信息传播的稳定性。根据数值仿真研究的资料查询显示, 对于信息传播稳定性的研究结论并不适用于所有情况下的信息传播。从传播的机理考虑, 数值仿真研究得出了阻碍信息传播的两大主要因素, 即遏制机制和遗忘机制。受到社交网站当中所传播的话题差异性引导, 信息传播的速度, 范围以及传播的信息内容都会影响到信息传播的行为。而信息传播的过程中, 遗忘机制也会使信息出现重复传播的过程, 从而导致对于信息传播的研究需要更具合理的理论解释。专家学者需要再针对信息传播的行为做出深入的讨论。
4 结论
不管从哪个理论考虑, 专家学者在对社交网站当中的信息传播稳定性的研究都已经做出了深入的探讨, 虽然目前状态下的信息传播行为依然没有被研究透彻, 但经过对各种理论的逐步演示和通过模型的建立, 定然能帮助学者们在研究的路途当中更为顺利。文章的表述是为了更好地帮助人们理解社交网络当中的信息传播行为, 通过对传统的SIR模型的研究和对遗忘机制做出表述的新型SIR模型的展示, 给出信息传播行为的部分内在规律, 从而使学者们对此加以考虑。
参考文献
[1]赵英.社交媒体对企业内信息传播的影响研究——基于社会网络视角[J].传媒, 2014, 11 (22) :68-70.
社交信息 篇10
1 大数据时代下社交网络的特征分析
大数据时代下的社交网络呈现数据信息的多样化特征, 文字、声音、图片和视频等多种形式的数据信息广泛存在和应用, 用户在使用的过程中越来越多地将个人的真实信息放置在社交平台之上, 分享自己的近况和情绪, 而且, 在大数据背景下用户的使用工具大多偏向于移动终端设备, 在更加方便的使用中甚至会将自己的地理位置在社交网络上进行公布, 这就使得在社交平台中存在一定的安全隐患。
2 大数据时代保障个人信息安全的对策
有效实现社交网络中个人信息的安全管理是在大数据可持续发展的前提条件, 在当前的网络社交中出现的账户被盗、隐私资料泄露和个人信息丢失等问题, 需要相关行业和用户乃至国家从各个层面来应对, 从而有效保障用户的个人信息安全, 并在大数据的环境背景下体现企业的创新优势和用户至上的服务理念。
2.1 使个人信息安全同法律法规同步
对于我国而言, 大数据时代的到来还是新鲜的事物和现象, 所以在法律规范等环节有所缺失和不足, 使社交活动不能很好地维护用户的个人信息安全。在实际运行中, 国家有关部门也认识到了相关的问题和不足, 在2013年出台了相关的政策规范, 以有效指导大数据环境下的信息系统进行个人信息安全的处理和维护。但是, 就整体而言, 相关政策并没有直接对个人的信息安全进行规范化管理。所以, 在大数据时代, 要有效维护社交平台中个人信息的安全, 就需要尽快出台有效维护个人信息安全的《个人信息法》。
2.2 完善社交网络行业的服务自律公约
良好、有效的行业自律公约和行业规范是推动整个行业有序健康发展的前提条件和基本保障。社交网络在大数据的整体背景下想要得到长远发展, 就需要努力构建行业内的通用规则, 以有效维护用户的信息安全, 强化用户对网络平台的信任, 进而实现整体的可持续发展。社交网络平台需要尊重用户的知情权, 在进行信息收集时需要有效告知, 要在客户授权之后再获取信息, 在相关的服务条款中阐明对个人信息的使用期限和相关方式和用途, 并且在行业自律公约的制约下保障用户的个人信息和隐私安全, 使整体的网络环境的运营和使用趋于安全合理。
2.3 提高对大数据的安全防护技术
在大数据的信息环境下, 除了通过相关法律规范和相关行业自律约束来保障个人信息的安全之外, 还需要建立安全、有效的防护技术, 从根本源头上保障社交网络中个人信息的整体安全。
2.3.1 强化网络平台技术同信息技术的融合
在科学技术的发展和推动下, 网络平台出现多样化的应用客户端, 这就要求在行业内应用大数据的环境和视角来进行网络安全的检测和控制, 强化网络平台技术同大数据环境下信息技术的融合, 使信息技术同安全管理相融合, 以保障能够在出现安全问题之前有效发现安全隐患问题, 并有针对性地更新钓鱼和病毒防护软件, 为用户提供一个安全运行的社交网络平台。
2.3.2 最大化完善更新匿名技术
大数据环境下的预测技术和分析技术为网络社交运营的开展提供了精准的营销服务, 这就需要网络社交平台尽最大努力寻找更加专业的算法来完善和强化匿名技术, 以有效解决社交平台的用户隐私同大数据下的应用分析之间的矛盾。
2.4 强化用户的信息安全意识
强化用户的信息安全意识, 能够有效保障大数据环境下用户自主自发地进行个人信息安全的维护, 强化自身的信息安全意识、知识和能力以及相关联的信息伦理道德等具体的安全维护内容。通过丰富用户自身的安全管理意识, 来有效完成用户自身对于安全维护程序的特点和内容, 并在技术的支撑下明确进行安全维护的重要性, 有效防范病毒攻击行业网络犯罪, 并及时备份重要信息, 以提高保护个人信息的安全能力。
2.4.1 强化数字化的节制意识
在应用社交网络平台时应该抱有理性的态度, 并在应用过程中有效权衡得失, 在分享个人的真实信息、照片、地理位置和个人行踪时要有节制意识, 并且在权限设置时阻止陌生人访问, 将个人的有效信息控制在安全、可控的范围之内。
2.4.2 降低账户信息的可理解度
在申请社交网络平台的账号和密码时, 避免使用简易且同自身信息直接关联的方式, 并且避免同一邮箱在不同的社交平台上应用且密码保持一致, 并且避免通过手机或者社交账号传送网络账号、密码。
2.4.3 培养安全的社交软件应用习惯
在登录社交网络平台时, 需要及时更新移动设备和电脑端口的安全防护软件, 并尽可能避免在公共网络环境下登录个人账号, 以免存在安全隐患, 而出现个人信息被窃取的现象, 进而威胁个人的信息安全和财产安全。
3 结束语
大数据时代的到来为我们展现了一个全新的世界, 为人们的工作和生活提供了极大的便利, 在应用多样化的网络社交平台的基础上将个人的信息公诸于众, 这就不得不要求相关部门和行业进行个人信息安全的防护和管理, 通过有效构建网络安全屏障, 尽可能地避免不法分子通过社交平台窃取用户信息。这就需要在各个环节强化用户信息的安全管理, 以有效维护个人信息的安全和社交平台的正常、有序运行。
摘要：在科学技术的引导和推动下, 网络信息技术不断改进和发展, 为人们的工作和生活带来了翻天覆地的改变。但是, 在大数据时代的整体背景下, 社交网络中个人的信息安全问题不断暴露出来, 在方便性、快捷性有所提升的前提下也存在着诸多隐患, 信息的共享平台严重危害个人的信息安全, 这就需要相关行业在各个方面提出有效的对策和方法, 以保障大数据时代下个人在社交网络中的信息安全。
关键词：大数据时代,社交网络,个人信息安全,网络信息技术
参考文献
[1]郝晓雪, 张源.社交网络中个人信息安全性分析[J].企业导报, 2015 (23) :50-51, 67.
[2]普星.大数据时代社交网络个人信息安全问题研究[J].信息通信, 2014 (11) :154.
社交时代品牌应真“社交” 篇11
最近一项有关首席营销官（CMO）的研究印证了社交的日益得宠——研究显示CMO们预期将社交方面的营销预算比重从目前7.1%的水平在一年内提升至10.1%，在五年内提升至17.5%。但为什么要这么做呢？是因为觉得这种新渠道的吸引力不可抗拒？或者这一投资更多是为了改进做法？为了使品牌真正实现社交化？社交能在人与人之间建立起纽带，但仅仅加入社交媒体并不足以使你变得善于社交。
最近我们投资做了一项研究，以更好地理解真正使人们善于社交的因素。研究结果显示，品牌若能更像是一个人而非一家公司那样思考与行动，那么它将获得巨大的优势。社交能力需要人的行动，而不仅仅是采用某种技术。
善于交际的人都知道他们周围的人是谁，以及他们在各自小集体中的角色。
当我们讨论社交能力时，我们所讨论的不是社交名流、巴结权贵之人、牵线搭桥者或那些出没于社交场合的人。真正善于交际的人我们称之为“社交达人”，他们能够将人们紧密团结在一起，在人与人之间建立起绝妙的互动，并以此将人们聚拢在自己的周围。社交达人任何时候都异常敏锐地清楚自己周围都有哪些人。几乎刚一见面，他们就给小集体中的每个人赋予了价值或角色。随后指挥他们之间进行交流，以最大限度地发挥他们预期的影响以及潜在的能量。
现在来说说品牌。有多少品牌真正清楚自己的圈子中（购买其产品的人）或社群中都有哪些人？尽管看起来很过时，但很多品牌仍然按照人口结构——如“21至44岁的妇女”来界定自己的受众。你描述一个朋友的时候可不会这样。那个人是谁？你真正了解他的哪个方面？我们需要像了解一个人一样去了解受众。社交媒体中更是如此：既然已经有了粉丝；你知道他们都是谁吗？你需要的是这样的粉丝吗？他们在你的社交群体中扮演什么角色？在社群中的价值是什么？
很多品牌经理对来自社群的负面评论尤为担心，而对积极评价则兴奋异常。但无论哪一种情况，他们往往都没有真正去了解评论者在这个社群中的角色或背景。这个人在社群中扮演何种角色？究竟能给你带来怎样的价值、会造成何种影响？
福特公司的博客《福特故事》已经演化成了一个名为“福特社交”的新项目，并继续鼓励人们与福特公司以及整个社群分享自己的故事与想法。这不仅仅是客户至上的体现，而且还能让福特真正了解自己的粉丝群体。福特不仅仅知道他们买了什么车，还知道这对他们有何重要意义，了解他们与这些车一起经历的故事，并从中得到启发。
善于社交意味着不仅仅知道你有多少粉丝，还要了解他们是谁，以及他们将在你的社交圈中扮演何种作用。
善于社交的人很有趣，同时也对他人很感兴趣。
想想你社交圈中那个你很喜欢与之相处的人，那个“社交达人”。他很有趣，对不对？他总有有意思的事情可以分享，在群体中激发优质的交流。这并不奇怪。我们发现，大多数“社交达人”对于很多话题都有着切切实实的好奇心，也可以给几乎任何话题很自然地加入一些有意思的东西。但重要的是，他们并不只是炫耀自己所知道的事，而且也会对你真正地感兴趣。他们是优秀的倾听者，但不只是一味地听。相反，他们会时不时地提问，并在与朋友交流时扮演活跃的角色。他们想了解你。因为他们是积极的倾听者，能够不断适应谈话、添加新信息并与朋友建立起更深层次的情感联系。归根结底都是人与人之间的反馈和互动。
再来看看品牌。它们是否有趣？或者更重要的，它们是否对受众感兴趣？
对于建立对话，我们已经谈了很多，但感兴趣并不仅仅意味着你一句、我一句，它意味着你在某种意义上给对话增添了价值。有趣的人会给你一些可以思考、实践、查看或分享的事。作为一个品牌，你给你的社群带来了何种价值？在他们看来，是什么让他们对你的品牌感兴趣？
托里伯奇公司和红牛在“有趣”一项上做得非常好。红牛向粉丝提供顾客所关心的事物而不是产品本身。托里伯奇则会分享她自己的经验和影响力，与那些购买或渴望购买该品牌服装的人建立起更加个人化的联系。
要变得有趣（这也是营销人员的首要重点）可能并不难，但保持对他人的兴趣就需要付出一定的精力。没有多少品牌能真正深入并关注他们的粉丝在谈论什么。通常随之而来的对话都涉及产品投诉或质询。这都是交易性质的，而且品牌往往只关注与自身有关的线索。品牌应有机会对他们的朋友更感兴趣。
塔吉特（Target）的“Bullseye Gives”项目就是展示此种兴趣的一个范例。他们将300万美元的处置权交到社群的手中，向他们征集应该得到最大比例捐款的十家慈善机构。塔吉特听取了社群的建议，并切实根据投票份额对慈善捐款的去向进行了分配。
PopChips是取得成功的又一个品牌范例。当他们知道谁饿了之后，为奖励用户的参与，会询问他们的办公室地点并带去几袋免费薯片。这就是“感兴趣”的体现。
“感兴趣”也可以是小事。当今社交媒体的最佳实践之一就是在你的Facebook信息墙上发布问题。有多少品牌会关注粉丝回复并予以回应呢？Expedia最近发布了一个问题：“你最喜爱的旅行纪念品是什么？”收到了超过200条评论，但Expedia没有回应其中任何一条。如果他们对你最喜欢的纪念品表现出了兴趣呢？想象一下在现实世界中，有人提问之后径直走开会是什么情景？
品牌有机会进行真正的交流、表现出兴趣，并在这个过程中加深对他人的了解。是的，这需要时间和精力。但是，这在友谊中给你带来收获的付出不也正是此吗？
社交信息 篇12
关键词：社交网络,微博,弱关系,交互信息,推荐算法
0引言
近年来,随着网络技术的飞速发展,各种新媒体,尤其是社交媒体技术犹如雨后春笋般涌现,社交网络服务(Social Networks Services,SNS)逐渐走进人们的视线并为大家所熟知。以Twitter、新浪微博为代表的社交网络微博服务(Microblog)以其及时便捷、受众面广等传播 优势而成为主要的社交网络形态。
微博,即微型博客的简称,是一个基于用户关系的信息分享、传播及获取的平台。用户可以利用无线网络、有线网络实现全方位通信,实现Web页面、手机、IM接受和信息发送[1]。信息分享的即时性作为微博的独特之处,在服务用户的同时也为用户带来了一定的影响。从实际角度来看,即时性是为了让人们尽可能快地展示生活中的点点滴滴。但随着微博的发展,微博用户和信息的爆炸式增长,导致信息泛滥成灾,在这些重复以及过载的信息中,微博用户很难找到自 己感兴趣 的用户,并定位感 兴趣的信 息。
面对海量信息,解决信息过载问题的推荐系统应运而生,因其显著的推荐效果被广泛应用于电子商务等领域, 作为推荐系统核心组成部分的推荐算法,受到学者们的关注,各种推荐算法层出不穷。虽然通过互粉、联系人、手机通讯录等真实社交信息进行推荐的方法能达到很好的效果[2],但其为用户推荐的多为强关系链接的用户。经济社会学家马克·格兰诺维特提出:相对于强关系而言,弱关系有助于传递新信息。针对微博这种弱关系型社交网络, 弱关系的推荐比强关系更有价值。
因此,研究基于微博平台的弱关系用户推荐算法尤为重要。从用户角度看,它可以帮助用户构建起新的社会关系,使用户扩大交际圈;从微博平台角度看,它增强了用户之间的交互性,提高了用户对平台的信任度与依赖度。
本文旨在解决微博社交网络平台用户进行用户推荐时能顾及到弱连接用户。对此,本文综合使用用户实时交互信息与用户基本信息来计算用户相似度,在UserCF算法基础上,提出一种基于用户交互的BOI(Base-on-Interaction)算法。通过采集实际社交网络中的数据对其进行验证,同时分析各参数对推荐效果的影响。
1研究综述
目前,对于用户推荐的研究很多,研究方向主要有:基于内容的推荐方法、协同过滤推荐方法、聚类技术、关联技术、混合推荐等。
协同过滤算法是目前应用最广泛也是最受欢迎的推荐算法,它利用用户爱好之间的相似性来进行推荐[3],不依赖物品的内容,利用用户对物品的偏好信息,一般以打分的形式进行评价[4]。不过其并不能直接应用类似于微博这种弱关系社交网络的好友推荐,因为在微博类社交网络中,没有物品与评分的概念。此外,由于微博类社交网络的数据稀疏性,现有协同 过滤算法 的推荐效 果并不理 想。
关于利用用户的内容进行推荐方面,赵岩露[5]等结合微博数据集分析用户的个人特征,以此提高个性化推荐系统的质量。袁园等通过微博关注数据,挖掘用户关注对象的分布及对象间的关联性[6]。Shen D[7]和Zheng Y等[8]分析用户关注的blog或曾浏览的信息得出用户的兴趣模型,由模型计算得出用户兴趣相似度进而发现潜在好友。 Wu Z等[9]提出了一种 根据用户 的长相来 进行推荐 的算法。于海群等[10]通过分析社交网络中用户的话题偏好提出了基于用户话题偏好的推荐算法。关于基于用户的交互推荐方面,Lo S等[11]提出了按照好友之间的互动次数衡量两者的亲密度,互动次数 越多说明 两者之间 关系越好,如果两个用户对第三个用户亲密度都高则说明他们与第三个用户有很好的关系,这样他们就可能建立起新的好友关系。Chin A[12]根据任意两个用户之间的手机交互次数来进行推荐。
当前,社交网络有一个功能是“你可能认识的人”,它是基于“friend of friend”算法进行的推荐。该算法的思想是:如果A的很多好友是B的好友,那么A也可能会是B的好友。这种算法推荐效果很显著,但是只能帮用户寻找没有添加的强关系。
2BOI推荐算法
BOI算法旨在根据弱关系社交网络中的用户交互信息,为用户推荐其可能感兴趣的关注对象。通过综合分析用户交互信息与用户基本信息,提高弱关系社交网络平台的推荐效果。
定义1:用户数据 集User={u1,u2,u3…uN},ux为用户x的用户ID值。User表示原爬虫算法获取的新浪微博用户数据集(后简称原始数据集)中根据uid统计出的用户ID集。
定义2:用户微博 集Tweet{tweet(1),tweet(2), tweet(3)…tweet(N)},其中tweet(i)= {ti1,ti2, ti3…tiM},,i∈ [1,M],表示用户ui所发布的M条微博的数据向量集。根据用户数据集User中记录的ID在原始数据集中查找的该ID发表的微博的集合。
定义3:交互频率集其中sfik表示用户ui在我们选取的时间段里对uk用户的交互度。S_Follow为根据分析用户微博集Tweet,统计得到的每个用户与其它用户的交互数。
其中,交互度计算公式为:
为计算用户ui对用户uk关注度sfix的大小,引入另一个变量集Intac(i)={Ii1,Ii2,Ii3,...,IiN},其中Iij为用户ui的微博集tweet(i)中包含uj的个数。
定义4:用户ui与用户uk的交互相似度Wik公式为:
引入关注热度阈值 δ,即对于所有OS_Follow(i)={ osf1,osf2,osf3,...,osfN}中元素osfi<δ的值置为0,以减小算法的时间复杂度,降低空间冗余。
定义5:用户兴趣度ruv为通过分析用户的基本信息得到的用户u对用户v的兴趣程度。计算公式如下:
兴趣度ruv可为0,1。当ruv=1时,表示用户u是v的活跃follower,也就是说u关注了v;当ruv=0时,表示用户u并没有关注v,即用户u并非v的follower或非活跃的follower。
定义6:目标活跃关注集S(t)为目标推荐用户t的交互相似度集W(t)中的非零元素对应的所有用户。
定义7:推荐度P为综合计算用户交互相似度与用户兴趣度后得到的用户对某个好友可能感兴趣的程度数值, 作为最终进行TOPN推荐的数值指标。计算公式如下:
其中,S(t,K)包含和用 户t交互相似 度最接近 的K个用户;N(i)为用户i有过交互的所用用户的集合;wtv为用户t与用户v的交互相似度;rvi为用户v对用户i的兴趣度。
算法1BOI推荐算法步骤如下:
输入:用户数据集User,用户微博集Tweet,N;
输出:推荐结果列表L。
(1)根据用户数据集User与用户微博集Tweet计算用户之间的兴趣度,得到用户兴趣度矩阵R。
(2)对于任意待推荐的用户u,根据用户兴趣度矩阵R计算其中非零元素对应的用户与带推荐用户u的相似度,得到用户交互相似度矩阵S。
(3)根据用户兴趣度矩阵R与用户交互相似度矩阵S计算推荐度,并对结果从高到低排序,去前N个数据,得到排序结果C。
(4)按照排序结果C产生最终的推荐结果列表L。
(5)算法结束。
3实验及分析
3.1实验对象和实验数据
为验证本文算法的有效性,将真实的社交网络平台用户数据作为实验对象。该数据根据新浪微博平台的开放API接口,由微博爬虫以一组微博用户作为种子节点,根据雪球采集策略采集的微博用户个人数据,通过清理、整合、变化3个步骤对数据集进行处理,将处理后的30万条用户关注数据集以及近50万条微博内容,然后将其分为多组进行实验,最终实验结果为多组实验数据的平均值。 每组约包含500个用户与近2万条微博内容。代码由Python和Java实现。实验代码运行于Lenovo Y460上,Python版本为Python 3.4.1,jdk版本1.7。
实验参照的算法有:1传统的Top-N相似的协同过滤算法(CF);2“Friend-of-Friend”算法;3Contentplus-Link(CplusL )算法。其中,CF算法为基于用户的协同过滤(UserCF),用户相似度采用Jaccard公式进行计算,最终推荐结果采用Top-N推荐。
3.2实验评估指标
本文使用的评估指标为当前常用的3个评价推荐算法的指标:准确率(precision)、召回率(recall)和Fmeasure[13], 及其算法运行效率。准确率和召回率是用来反映查询结果的两个重要指标。其中:准确率指检索的相关信息量占检索出的总信息量 的百分比,用来衡量 检索系统 的信噪比;召回率指检索出的 相关信息 量占相关 信息量的 百分比,衡量检索系统的成功度;Fmeasure为准确率(precision)与召回率(recall)的调和平均值,该值越高说明其推荐的综合效果越好。计算方法如下:
准确率:
召回率:
其中,Kcorrect为给用户 推荐潜在 好友准确 的数量; Ktotal为为用户推荐的潜在好友的总数量,即Top-N中的N值;k为用户所有的好友数量。
3.3实验结果与分析
3.3.1算法效率测试
设置Top-N中N值为20,数据集分 别用1 000、 2 000、3 000、4 000、5 000、6 000、7 000、8 000、9 000和10 000条数据记录进行测试。比较传统的Top-N相似的协同过滤算法与本文的基于用户交互的BOI算法在不同数据集下运行的效率。算法运行效率如图1所示。当数据集选取6 000条记录,Top-N中N值为5、10、15、 20、25和30时,其算法运行效率如图2所示。
从图1、图2可以看出,在不同大小的数据集以及在为用户推荐不同人数方面,本文基于用户交互 的BOI算法所用时间均小于传统的Top-N相似的协同过滤算法, 由此可见本算法具有着较好的时间性能。
3.3.2算法准确性测试
分别选取多个N值对传统的Top-N相似的协同过滤算法、“Friend-of-Friend”算法以及本文基于用户交互的BOI算法进行对比实验。“Friend-of-Friend”算法的阈值设置为20,设置Top-N中N={2,4,6,8,10,12, 14,16,18,20,22,24},测试结果如图3-图5所示。其中,图3为3个算法的准确率曲线,图4为3个算法的召回率曲线,图5为3个算法的Fmeasure指标曲线。
可以看出,本文基于用 户交互的BOI算法在推 荐准确性方 面介于传 统Top- N相似的协 同过滤算 法与 “Friend-of-Friend”算法之间。如图5所示,本文算法 与“Friend-of-Friend”算法的Fmeasure曲线走势十分接近且在数值上相差也较小,都具有着较好的准确度,但本文算法在为用户推荐潜在的弱关系好友方面较强。从人类现实社会学角度来看,为用户推荐出潜在的“志同道合”的好友,也有重大意义与价值。
4结语
基于微博平台的弱关系用户推荐算法研究具有重要意义。从用户角度看,它可以帮助用户构建起新的社会关系,使用户扩大自己的交际圈;从微博平台角度看,它扩大、增强了用户之间的交互性,提高了用户对平台的信任度与依赖度。本文综合考虑用户实时交互信息与用户的基本信息来计算用户相似度。在UserCF算法的基础上, 提出一种基于用户交互的BOI(Base-on-Interaction)算法。 通过真实的实验数据集,验证了其具有较高的准确度与效率,通过调整各项参数分析了其对推荐结果的影响。