基于SEM和神经网络的移动社交电商用户隐私信息披露意愿研究

在移动社交电商情境中,用户的交互方式发生改变,个人隐私信息安全问题凸显,上述变化将会对用户的隐私信息披露意愿产生重要影响。为了探究移动社交电商用户隐私信息披露意愿的影响因素,本文基于S-O-R理论建立结构方程模型,旨在探究影响用户隐私信息披露意愿的影响因素及其作用机理。结果表明隐私政策有效性、隐私设置有效性、信息交互、情感交互等因素均正向显著影响用户隐私信息披露意愿。在此基础上,基于平台特征和用户感知收益构建了GA-BP神经网络预测模型,并针对不同预测结果提出具体应对措施。最终,文章从隐私信息安全保障和平台个性化服务等方面提出促进移动社交电商平台可持续发展的建议。

意图感知的社交网络用户城外移动行为预测

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.

面向强稀疏性移动社交网络的链路预测深度学习方法

链路预测是利用深度学习技术分析网络数据,挖掘网络中潜在的节点关系,通常应用于网络安全、信息挖掘等领域。通过预测网络中节点间的链路,可以识别社交工程攻击、欺诈行为和隐私泄露风险。但移动社交网络的拓扑结构随时间变化,链路稀疏,影响预测准确性。为了解决移动社交网络中链路预测的强稀疏性问题,提出基于深度学习的预测方法,即面向强稀疏性移动社交网络的链路预测深度学习方法(deep learning-based method for mobile social networks with strong sparsity for link prediction,DLMSS-LP)。该方法综合运用了图自编码器(graph auto-encoder,GAE)、特征矩阵聚合技术以及多层长短期记忆网络(long short-term memory,LSTM),旨在降低了模型的学习成本,更有效地处理高维和非线性的网络结构,并且捕捉移动社交网络中的时序动态变化,进而增强模型对现有链路生成可能性的预测能力。对比其他方法在AUC(area under curve)和ER(error rate)指标上有明显提升,体现了模型对不确定链路预测的高准确率和强鲁棒性。

大学生移动社交网络人际交往对职业成熟度的影响——领悟社会支持的中介作用

文章主要考察大学生职业成熟度的影响因素,解释领悟社会支持在大学生移动社交网络人际交往与职业成熟度之间所起的作用。研究发现:大学生移动社交网络人际交往可正向预测大学生职业成熟度。同时,领悟社会支持在两者之间起到中介作用。

移动社交网络用户的浏览隐私保护

为保护用户在社交网络中浏览信息的安全,设计移动社交网络用户浏览隐私保护方法。先设置用户浏览隐私度量标准,计算用户浏览信息轨迹斜率,获得不同阶段用户浏览信息斜率比,再结合斜率夹角,得到轨迹函数。基于人工智能技术建立隐私信息分类模型,计算发起者与普通用户之间的相似性,确定用户被正确识别的概率,获取信息分类模型分类精度。设计社交网络用户浏览隐私保护算法,计算虚假轨迹区域的轨迹数目,定义圆心位置,获取移动社交网络用户的隐私匿名保护结果。实验结果显示,该隐私保护方法在隐私保护度、匿名时延和算法匿名开销等方面均有较高性能。

情景感知的P2P移动社交网络构造及发现算法

如何通过情景感知,获得用户的行为特征,从而自动发现潜在的社会关系,是移动社交网络重要的研究内容之一.该文提出了情景感知的移动P2P社交网络系统架构、聚合模型及发现算法,将用户的位置信息、环境特征、运动轨迹等引入到聚合算法中,智能地聚合成潜在的P2P社交网络,根据用户需求自主发现匹配的社会关系,避免了社交活动的盲目性和随意性.最后对该方案和算法进行了理论分析及实验验证,结果表明该文所提出的方案和算法具有较高的响应速度、准确率及用户满意度.

移动社交媒介使用行为对青少年友谊质量的影响:网络自我表露和网络社会支持的中介作用

随着移动智能设备和移动互联网的出现,移动社交媒介已日益成为人们网络活动和人际交往的新平台。为考察移动社交媒介使用行为、网络自我表露、网络社会支持和友谊质量之间的关系,本研究采用问卷法对473名青少年进行了调查。结果发现:(1)移动社交媒介使用行为会对网络自我表露和网络社会支持产生显著的直接正向影响,网络自我表露会对网络社会支持产生显著的直接正向影响,网络社会支持会对友谊质量产生显著的直接正向影响。(2)移动社交媒介使用行为可以通过网络社会支持的中介作用对友谊质量产生显著的间接影响,还可以通过网络自我表露和网络社会支持的链式中介作用对友谊质量产生显著的间接影响。

PrivateCheckIn:一种移动社交网络中的轨迹隐私保护方法

移动设备的发展及无线网络的普及促使移动社交网络的出现及发展.签到服务作为移动社交网络中的主流应用,存在着严重的轨迹隐私泄露风险.文中针对签到服务中假名用户的轨迹隐私泄露问题,提出了一种轨迹隐私保护方法PrivateCheckIn.该方法设计了一种签到序列缓存机制,通过为缓存的签到序列建立前缀树、对前缀树进行剪枝及重构形成k-匿名前缀树,遍历k-匿名前缀树得到k-匿名签到序列,达到了轨迹k-匿名的隐私保护效果.文中证明了PrivateCheckIn方法既能保护假名用户的轨迹隐私,又确保损失签到位置最少,有效地保证了用户体验.通过构建前缀树的方式获取轨迹k-匿名集降低了计算代价.最后,文中在真实数据集上与(k,δ)-anonymity方法进行了充分的对比实验,验证了PrivateCheckIn方法的准确性与有效性.

基于移动社交网络的O2O教学模式研究

智能手机极大地改变了人们使用互联网的方式,但不当使用也会影响课堂教学。该文提出一种创新的基于移动社交网络的O2O教学模式,通过移动社交网络连接课堂学习和课外学习,不仅解决了手机课堂使用不当的问题,还扩展了学习的广度和深度。教学实践的数据分析表明,该模式能够提高学生的出勤率、电子学习资源使用频率以及学习成绩,在教师引导、模式新颖性、工具开放性以及师生互动等方面获得较高的学生评价,同时学生普遍认为该模式下学习积极性和学习成就感较高。该研究为以移动社交网络为工具进行O2O教学模式设计提供了重要参考。

一种基于社交网络的移动僵尸网络研究

随着移动互联网的快速发展,僵尸网络正在从传统互联网络向移动网络过渡,移动僵尸网络已成为未来移动互联网安全急需关注的热点方向.而社交网络业务在移动互联网上的广泛应用以及实时异步松耦合的通信特点,为移动僵尸网络提供了控制能力更强、隐蔽性更好的控制信息平台载体.提出了一种基于社交网络控制的移动僵尸网络,僵尸控制者(Botmaster)通过公共社交网络服务器控制整个僵尸网络;在服务器的逻辑层,僵尸网络呈现多账号的P2P结构,同时僵尸网络的拓扑结构可由Botmaster自主定义,在此基础上,根据实际应用场景提出两种通用网络拓扑生成算法,通过仿真分析,证明了基于社交网络控制的移动僵尸网络具有良好的隐蔽性、健壮性和灵活性.

虚拟社群在音乐网络社交媒体中的应用

音乐是人类情感表达的重要载体,随着互联网发展,显现出新的功能与形态。音乐社交媒体通过优质乐评、新颖设计与鲜明机制汇聚了大批忠实用户,形成了独具特色的虚拟社群。基于音乐网络社交媒体中虚拟社群的实际应用情况,对虚拟社群的群体及个体应用进行挖掘,体现虚拟社群的价值,对音乐网络媒体在全场景、全链条竞争层面意义深远。

面向移动社交网络的协作式内容分发机制

在移动社交网络中,具有相似兴趣爱好的移动用户之间可通过移动计算设备连接起来,形成虚拟社区,它们常需要和基站及社区内其他用户间交互以实现数据内容的传送与分发.因此需要提供高效、低费用的内容分发机制,来及时更新移动社交网络中用户所携带的内容.该文将社区内当前处于邻近物理位置的用户组成临时的虚拟用户组,并以协作的方式通过基站从内容服务商处下载内容,然后在组内完成内容分发.在对用户组的内容传播时间和支付费用这两方面进行优化时,该文首先分析了面向内容分发完成时间的两种优化策略:用户组中内容分发的最大传播时间最小化策略、非服务性用户的内容平均传播时间最小化策略.在此基础上,综合考虑所需支付的内容获取费用与网络连接费用,来制定优化的内容分发机制.该文给出了相应的算法,并通过仿真实验分析了所提出方法的特点.

移动社交网络用户内容创造与分享行为研究——社会网络与自恋的交互效应

移动社交网络已成为用户娱乐、社交等的重要媒介。本文选择学者们常忽略的社会网络结构视角,整合并构建了成本-收益框架,引入个体特征变量——自恋,深入分析其对用户内容创造行为、内容分享行为的交互效应。采用问卷调查与客观数据结合的实证方法,分析342份样本发现:社会网络规模增大,会促进用户进行内容创造与分享;社会网络结构复杂化即网络密度、网络多样性的增大,会抑制用户创造内容。自恋显著调节网络规模与内容创造行为关系;同时显著调节网络密度、网络多样性与内容创造行为、内容分享行为的关系。社会网络与自恋对内容创造行为、内容分享行为的影响效果存在差异。

上下文感知的移动社交网络服务选择机制研究

服务选择机制作为为用户提供智能性、主动性应用服务的一项关键支撑技术,是移动社交网络中重要的研究内容之一.文中提出了基于上下文、信任网络和协作过滤算法的移动社交网络服务选择机制,将上下文相似度引入到服务选择的过程中,并且和信任度相结合,构成"用户-服务-上下文"三维协作过滤服务选择模型.该方法提高了服务选择的准确性和可靠性,避免了服务选择的盲目性和随意性.仿真实验表明,与传统的协作过滤推荐算法相比,该服务选择算法具有更高的准确率.

神经质人格对青少年移动社交网络过度使用的影响：冲动性与人际困扰的双重中介

基于智能手机的移动社交网络使用已经成为青少年学习和生活的重要组成部分。为探讨神经质、冲动性和人际困扰与移动社交网络过度使用的关系,采用问卷法对2056名中学生和大学生进行调查。研究使用偏差校对非参数百分位Bootstrap置信区间法,采用PROCESS插件进行多重中介效应分析。结果发现:(1)神经质、冲动性和人际困扰与移动社交网络过度使用存在显著正向相关,神经质、冲动性和人际困扰之间存在显著的正向相关;(2)神经质、冲动性和人际困扰对移动社交网络过度使用具有积极的预测作用;(3)神经质可以分别通过冲动性、人际困扰,以及冲动性→人际困扰三条间接路径对移动社交网络过度使用产生中介效应。

基于移动社交网络平台的电动汽车充放电行为预测

大量电动汽车的自由充放电会给电力系统的安全与经济运行带来较大影响。另一方面,电动汽车向电力系统反向送电(V2G)技术的发展可支持电动汽车参与电力系统的调频等辅助服务,但采用不同充放电调度策略时,对V2G和电力系统的交互行为的效果会有不同的影响。移动社交网络(MSN)作为车联网的一个有益补充,在电动汽车用户进行充放电决策上具有一定的互动性,进而会影响电动汽车充放电的调度策略。考虑到MSN的影响力,研究了在分时电价约束下的电动汽车充放电行为预测方法,将每辆参与调度的电动汽车看成是MSN平台中的单一个体,受整体影响力的制约,其时空特征类似于交叉粒子群中的基本粒子,在保持电力系统安全运行与电动汽车用户利益最优的目标约束下,结合MSN的影响力因子,建立了电动汽车充放电行为的预测模型。仿真实验结果表明,该方法可以在不同的调度策略下,预测出电动汽车的充放电行为。

用户参与视角下移动社交网络互动特征及模式研究

[目的/意义]重视移动社交网络资源情境的内容建设、丰富和完善服务平台的功能,提升服务的有用性和满意度。[方法/过程]基于用户参与视角,从用户、资源、服务和技术4个维度构建了移动社交网络互动情境,分析探讨了移动社交网络情境互动过程及其关键的3个互动特征:真实性、可用性和有用性。[结果/结论]构建了移动社交网络互动模式,以期为信息服务机构或企业、数据库运营商完善和优化移动社交网络情境提供依据。

面向服务移动社交网络中基于信任的分布式服务组合方法

针对服务不透明性、信任需求主观性及移动参与者连接机会性对面向服务移动社交网络中可信服务组合带来的问题,提出基于信任的分布式服务组合方法.该方法基于格模型建立分布式服务信任评估框架,分别在组件和组合级评估服务信任度以避免不可信的数据传输;通过分析服务依赖关系,实现满足全局和局部信任约束可信服务选择;基于蒙特卡洛方法建立可信路径选择、优化和容错算法传输服务评估调用信息.实验结果表明所提方法在服务评估开销低,在路径选择成功率和信任度高,是适应面向服务移动社交网络的服务组合方法.

移动社交网络在图书馆中的应用初探

分析了移动社交的特点,并着重探讨移动社交网络在图书馆中的应用,同时提出图书馆开展移动社交网络服务的应用策略。

TraDR:一种基于轨迹分解重构的移动社交网络位置预测方法

随着移动社交网络的不断发展,利用用户发布的位置信息为其提供基于地域的个性化推荐服务不仅给用户提供了便利,也为商户带来了巨大的潜在利益。位置预测技术作为此类服务中的关键技术,是移动社交网络中的重要研究内容之一。结合移动社交网络的特点,提出了基于轨迹"分解-重构"的位置预测方法 TraDR,利用公开易得的先验知识,为用户建立个性化的位置推理模型,有效解决了常见位置预测算法所面临的"轨迹数据稀疏问题"。基于真实数据集的实验验证了该预测方法在预测有效性及效率方面的优越性。