第九章 社交媒体大数据技术分析与应用创新
第九章 社交媒体大数据技术分析与应用创新
目录 9.1社交媒体大数据应用背景分析 9.2社交媒体大数据行为模式识别的热点研究方向 9.3社交媒体大数据应用创新：以跨域行为模式识别 为例 9.4社交媒体大数据跨域行为模式识别的技术体系 9.5社交媒体行为大数据应用创新的案例分析 9.6本章小结
目 录 9.1 社交媒体大数据应用背景分析 9.2 社交媒体大数据行为模式识别的热点研究方向 9.3 社交媒体大数据应用创新：以跨域行为模式识别 为例 9.4 社交媒体大数据跨域行为模式识别的技术体系 9.5 社交媒体行为大数据应用创新的案例分析 9.6 本章小结
9.1社交媒体大数据应用背景分析 社会发展的历史阶段，往往会决定社会网络外在的表现形式和内在的行为 规律。随着通信与互联网技术的不断发展，人际沟通和交流手段的不断丰富和 完善，社交活动网络化、时空交互虚拟化、主题内容碎片化、信息传播数字化 、通信手段多样化等，越来越成为现代社交网络的突出特征。 这种社会行为模式数字化的转变过程，使得各类社交媒体平台成为行为 大数据的主要集散地，是科学分析、模拟、预判大规模社群活动行为规律和行 为模式，进而构建良好的新型生产关系、维护社会有序发展的主要数据来源和 研判决策依据
社会发展的历史阶段，往往会决定社会网络外在的表现形式和内在的行为 规律。随着通信与互联网技术的不断发展，人际沟通和交流手段的不断丰富和 完善，社交活动网络化、时空交互虚拟化、主题内容碎片化、信息传播数字化 、通信手段多样化等，越来越成为现代社交网络的突出特征。 这种社会行为模式数字化的转变过程，使得各类社交媒体平台成为行为 大数据的主要集散地，是科学分析、模拟、预判大规模社群活动行为规律和行 为模式，进而构建良好的新型生产关系、维护社会有序发展的主要数据来源和 研判决策依据。 9.1 社交媒体大数据应用背景分析
9.1社交媒体大数据应用背景分析 早在2011年6月，全球知名咨询公司麦肯锡(McKinsey)就发表了一份关于 大数据的研究报告，题为“Big Data:The Next Frontier for Innovation, Competition,.and Productivity”,指出“大数据时代已经到来”。2012年，多位 知名数据管理专家联合发布了一份白皮书“Challenges and Opportunities with Big Data”,提出了大数据所面临的若干挑战。2012年1月的达沃斯世界经济论 坛，特别针对大数据发布了研究报告“Big Data,Big Impact:New Possibilities for International Development”,探讨如何在新的数据产生方式下，更好地利用 大数据产生良好的社会效益。2012年3月，美国政府启动“Big Data Research and Development Initiative'”计划，宣布将投入2亿美元用于大数据的研究，致力 于提高从大型复杂数据集中提取知识和观点的能力，这标志着大数据应用已经成为 国家层面上的发展战略。同年5月，联合国“Global Pulse”的倡议项目也发布了 专题报告“Big Data for Development:Challenges&Opportunities”,阐述大数 据时代各国特别是发展中国家面临的机遇与挑战
早在2011年6月，全球知名咨询公司麦肯锡（McKinsey）就发表了一份关于 大数据的研究报告，题为“Big Data: The Next Frontier for Innovation, Competition, and Productivity”，指出“大数据时代已经到来”。 2012年，多位 知名数据管理专家联合发布了一份白皮书“Challenges and Opportunities with Big Data”，提出了大数据所面临的若干挑战。 2012年1月的达沃斯世界经济论 坛，特别针对大数据发布了研究报告“Big Data, Big Impact: New Possibilities for International Development”，探讨如何在新的数据产生方式下，更好地利用 大数据产生良好的社会效益。2012年3月，美国政府启动“Big Data Research and Development Initiative”计划，宣布将投入2 亿美元用于大数据的研究，致力 于提高从大型复杂数据集中提取知识和观点的能力,这标志着大数据应用已经成为 国家层面上的发展战略。同年5月，联合国“Global Pulse”的倡议项目也发布了 专题报告“Big Data for Development：Challenges & Opportunities”，阐述大数 据时代各国特别是发展中国家面临的机遇与挑战。 9.1 社交媒体大数据应用背景分析
9.1社交媒体大数据应用背景分析 2012年3月，我国科技部发布“十二五”国家科技计划信息技术领域2013年 度备选项目征集指南，把大数据研究列在首位。 2014年3月，“大数据”首次被写入中国政府工作报告。 2015年8月31日，国务院印发《促进大数据发展行动纲要》的通知（国发〔 2015)50号)，为我国大数据产业奠定了行动指南。 2016年3月16日，十二届全国人大四次会议正式提出，把大数据作为基础性 战略资源，实施国家大数据战略。 2017年9月28日，我国首部互联网治理蓝皮书《中国网络社会治理研究报告 》发布，明确提出互联网环境下的大数据已经成为治理国家的重要资源。 2017年12月8日，习近平总书记在中共中央政治局第二次集体学习时，更是 强调指出国家大数据战略的重要性
2012年3月，我国科技部发布“十二五”国家科技计划信息技术领域2013年 度备选项目征集指南，把大数据研究列在首位。 2014年3月，“大数据”首次被写入中国政府工作报告。 2015年8月31日，国务院印发《促进大数据发展行动纲要》的通知（国发〔 2015〕50号），为我国大数据产业奠定了行动指南。 2016年3月16日，十二届全国人大四次会议正式提出，把大数据作为基础性 战略资源，实施国家大数据战略。 2017年9月28日，我国首部互联网治理蓝皮书《中国网络社会治理研究报告 》发布，明确提出互联网环境下的大数据已经成为治理国家的重要资源。 2017年12月8日，习近平总书记在中共中央政治局第二次集体学习时，更是 强调指出国家大数据战略的重要性。 9.1 社交媒体大数据应用背景分析
9.1社交媒体大数据应用背景分析 大数据中隐藏着巨大的经济、科学、社会及军事价值。随着大数据的应用发 展，实验科学、理论科学、计算科学正逐渐走向数据科学，大数据已经渗透到社 会生活的各个方面。尤其是随着人工智能技术的应用，大数据成为支撑人工智能 发展的重要资源。2017年国务院印发《新一代人工智能发展规划》（国发〔 2017)35号)，大数据智能理论被列为人工智能基础理论首位。2018年10月31 日，习近平总书记在中共中央政治局第九次集体学习时强调人工智能同社会治理 结合，以加强政务信息资源整合和公共需求精准预测
大数据中隐藏着巨大的经济、科学、社会及军事价值。随着大数据的应用发 展，实验科学、理论科学、计算科学正逐渐走向数据科学，大数据已经渗透到社 会生活的各个方面。尤其是随着人工智能技术的应用，大数据成为支撑人工智能 发展的重要资源。2017年国务院印发《新一代人工智能发展规划》（国发〔 2017〕35号），大数据智能理论被列为人工智能基础理论首位。2018年10月31 日，习近平总书记在中共中央政治局第九次集体学习时强调人工智能同社会治理 结合，以加强政务信息资源整合和公共需求精准预测。 9.1 社交媒体大数据应用背景分析
9.1社交煤体大数据应用背景分析 随着移动社交媒体工具的普及应用，工作和生活在通信网、互联网、传感 网等数字化环境和移动环境下的个人或群体，会留下越来越多的电子化痕迹。 2019年1月25日，习近平总书记在中共中央政治局第十二次集体学习时强调， 要因势而谋，推动媒体融合发展。社交媒体平台上的行为大数据，为理解并形 式化人类的行为模式，提供了丰富的数字化依据。基于社交媒体大数据，感知 、预测、预警个体、社群以及社会网络运行的重大态势，主动决策反应，将显 著提高社会治理的能力和水平。但大数据内在的价值稀疏化特点，使得社交媒 体大数据跨域行为模式的识别和分析处理面临严峻的应用挑战。因此，社交媒 体大数据跨域行为模式的识别和分析处理，需求导向、问题导向和目标导向 鲜明，具有重要的研究价值和社会意义
随着移动社交媒体工具的普及应用，工作和生活在通信网、互联网、传感 网等数字化环境和移动环境下的个人或群体，会留下越来越多的电子化痕迹。 2019年1月25日，习近平总书记在中共中央政治局第十二次集体学习时强调， 要因势而谋，推动媒体融合发展。社交媒体平台上的行为大数据，为理解并形 式化人类的行为模式，提供了丰富的数字化依据。基于社交媒体大数据，感知 、预测、预警个体、社群以及社会网络运行的重大态势，主动决策反应，将显 著提高社会治理的能力和水平。但大数据内在的价值稀疏化特点，使得社交媒 体大数据跨域行为模式的识别和分析处理面临严峻的应用挑战。因此，社交媒 体大数据跨域行为模式的识别和分析处理，需求导向、问题导向和目标导向 鲜明，具有重要的研究价值和社会意义。 9.1 社交媒体大数据应用背景分析
9.2社交媒体大数据行为模式识别的热点研究方向 社会群体行为大数据的分析与处理，直接影响到社会管理的创 新方向和国家政策方针的制定。一些重大国计民生的应用需求，如社 会公共安全、全球合作反恐、国民经济调控、精准数字化服务推送等 ,都离不开领域大数据（如商业大数据、公安大数据、旅游大数据、 交通大数据、刑侦大数据等)的融合分析与综合研判。早在2009年2月 ,十余位来自社会科学、物理学、信息学等领域的学者，就联合在期 刊Science.上撰文，提出了计算社会学的研究主题，认为通过分析社会 网络的广泛性和多样性，发掘互联网环境下的社群行为模式和组织规 律，社会意义重大。随着社交媒体平台的普及，对社会网络的行为模 式和内在的演变规律进行模拟分析和态势研判，已经成为全球范围内 专家学者和政府职能部门高度关注的热点话题
9.2 社交媒体大数据行为模式识别的热点研究方向 社会群体行为大数据的分析与处理，直接影响到社会管理的创 新方向和国家政策方针的制定。一些重大国计民生的应用需求，如社 会公共安全、全球合作反恐、国民经济调控、精准数字化服务推送等 ，都离不开领域大数据（如商业大数据、公安大数据、旅游大数据、 交通大数据、刑侦大数据等）的融合分析与综合研判。早在2009年2月 ，十余位来自社会科学、物理学、信息学等领域的学者，就联合在期 刊Science上撰文，提出了计算社会学的研究主题，认为通过分析社会 网络的广泛性和多样性，发掘互联网环境下的社群行为模式和组织规 律，社会意义重大。随着社交媒体平台的普及，对社会网络的行为模 式和内在的演变规律进行模拟分析和态势研判，已经成为全球范围内 专家学者和政府职能部门高度关注的热点话题
9.2社交媒体大数据行为模式识别的热点研究方向 基于社交媒体大数据挖掘，进行行为模式分析与识别方面的研究工作， 主要集中在以下几个方面： 1.基于场景语义的行为模式识别 人的行为会因所处场景的不同而产生不同的表现形式。为了对大数据中 隐含的行为模式进行有效的挖掘，需要借鉴人脑处理类似问题的思维过程， 对场景进行特征分类和语义判断。然后结合不同的场景，对大数据中的行为 模式进行识别与分析，从语义分析的角度提炼各种行为模式。现有的研究工 作重点关注语义行为模式挖掘方法、实时人体行为模式识别、特定场景下的 用户行为特征分析、智能场景的分析与构造等研究主题。如通过行为语义的 频度分析，研究基于场景建模的行为模式相似性度量方法，然后采取层次聚 类的形式，可以挖掘出具有相似行为模式的群体。进而，围绕不同场景下的 轨迹大数据，利用多源大数据融合技术，提高行为模式挖掘结果的准确性
9.2 社交媒体大数据行为模式识别的热点研究方向 基于社交媒体大数据挖掘，进行行为模式分析与识别方面的研究工作， 主要集中在以下几个方面： 1．基于场景语义的行为模式识别 人的行为会因所处场景的不同而产生不同的表现形式。为了对大数据中 隐含的行为模式进行有效的挖掘，需要借鉴人脑处理类似问题的思维过程， 对场景进行特征分类和语义判断。然后结合不同的场景，对大数据中的行为 模式进行识别与分析，从语义分析的角度提炼各种行为模式。现有的研究工 作重点关注语义行为模式挖掘方法、实时人体行为模式识别、特定场景下的 用户行为特征分析、智能场景的分析与构造等研究主题。如通过行为语义的 频度分析，研究基于场景建模的行为模式相似性度量方法，然后采取层次聚 类的形式，可以挖掘出具有相似行为模式的群体。进而，围绕不同场景下的 轨迹大数据，利用多源大数据融合技术，提高行为模式挖掘结果的准确性
9.2社交媒体大数据行为模式识别的热点研究方向 2.异常行为预测与演化分析 跟踪社会网络中个人和社群的行为特征，通过行为演化分析，实时解读 社会网络的活动态势，对社会网络环境下解读群体行为的态势分析，意义重 大。因此，基于网络社群活动演化分析的异常行为分析，是社会网络研究领 域中的一个重要研究主题。现有的研究工作，重点关注社会网络的演化模型 以及特定场景驱动的行为演化模式预测等研究主题，如动态信息传播模型分 析、社交媒体网络中最大化影响力问题、社交网络中的僵尸用户挖掘等。例 如，有学者着重研究社交媒体网络中最大化影响力问题，提出了相应的近似 算法辅助进行求解。也有学者侧重挖掘社交网络中的僵尸用户，研究僵尸 用户如何影响普通用户之间的行为交互模式，通过挖掘用户的通信行为模式 ,进而预测特定事件的发生概率等
9.2 社交媒体大数据行为模式识别的热点研究方向 2．异常行为预测与演化分析 跟踪社会网络中个人和社群的行为特征，通过行为演化分析，实时解读 社会网络的活动态势，对社会网络环境下解读群体行为的态势分析，意义重 大。因此，基于网络社群活动演化分析的异常行为分析，是社会网络研究领 域中的一个重要研究主题。现有的研究工作，重点关注社会网络的演化模型 以及特定场景驱动的行为演化模式预测等研究主题，如动态信息传播模型分 析、社交媒体网络中最大化影响力问题、社交网络中的僵尸用户挖掘等。例 如，有学者着重研究社交媒体网络中最大化影响力问题，提出了相应的近似 算法辅助进行求解。 也有学者侧重挖掘社交网络中的僵尸用户，研究僵尸 用户如何影响普通用户之间的行为交互模式，通过挖掘用户的通信行为模式 ，进而预测特定事件的发生概率等
