|
次以上的作品信息进行汇总，得出结果如图4。由图中的幂律分布特征可以看出，对于每一部作品来说，其评论往往集中爆发在某一时段，而之后则是长时间的静默。 图 4 按作品区分的评论时间间隔分布 145 该网站上作品有不同的分类方式：按照状态区分，可以分为连载作品和完结作品；按照性质区分，可以分为收费作品与免费作品；按照是否3G书城首发，可以分为首发作品与非首发作品。因此我们按照这3种分类逐一比较其用户行为特征，被分析作品的详细信息如表2所示。 表 2作品分类信息 150 分类标准 作品类型 作品数量 被评论次数 状态 连载 6079 616569 完结 2668 305319 性质 收费 1371 643287 免费 7376 278601 是否3G书城首发 首发 5246 803886 非首发 3051 118002 对于每一种分类标准，分别计算两种类型作品的评论时间间隔分布，计算结果见图5。我们发现从作品性质的角度来看，连载作品被评论总次数约为完结作品被评论总次数的2倍，其评论时间间隔分布的幂指数稍大，说明相对于完结作品来说，连载作品更能够引起用户的关注，这也是在线原创作品网站的性质决定的，对于用户来说，他们更愿意关注最新的作品。从作品性质的角度来看，尽管收费作品数量只占作品总数的16%，但其被评论次数155 却占评论总次数的70%，其幂指数也明显大于免费作品的幂指数，也就是说尽管网站为读者提供“免费的午餐”，但读者并不买账，而更倾向于收费作品，说明收费并不会影响读者对该作品的关注度，而如果质量不佳，即使免费也难以引起关注。从首发与否的角度来看， 首发作品被评论次数远远高于非首发作品的评论次数，其幂指数也更大一些，这是因为作品的即时性能够吸引更多的用户，如果作品已经在其他网站出现过，则难以留住用户，这就说160 明如果能够争取到作品的首发，对于网站的运营有更大的益处。 165 图 5多种类型作品的评论时间间隔分布 3 建模与仿真 3.1 用户行为影响要素 通过分析我们认为，评论时间间隔分布的幂律特征可以用用户兴趣的变化来进行解释：当人们接触新鲜事物时，往往会产生浓厚的兴趣，但是随着时间的推移，这种兴趣逐渐减弱，170 但是长时间的静默之后，往往会在偶然事件的刺激下，兴趣又会猛然回升。结合手机在线阅读的特征，用户的初始兴趣是由作品质量、用户偏好等因素的作用下而形成的，作品的质量一般是由作者的写作水平决定的，而用户的偏好涵盖了作品类别、性质、长度等多个方面。初始兴趣形成之后即开始缓慢的衰减，在原创文学网站上，刺激兴趣回升的偶然事件往往就是作者的更新行为。除此之外，网站的经营模式也会对用户的行为产生一定的影响，例如网175 站会通过何种途径向用户营销其作品、建立什么样的制度来保证作者和读者的权益等。 3.2 模型规则 经过以上分析本文认为读者的评论行为是由其自身的兴趣来决定的，其兴趣越大，评论行为发生的概率越大，读者的兴趣主要由其自身对作品的偏好以及作品的质量来决定。同时读者的行为又受到作者的更新行为、网站的经营模式等外界因素的影响，据此建立受读者兴180 趣影响的人类动力学模型，具体的模型规则如下： 1、 时间是离散的，网站上共有n部作品，m个用户，作品的质量为，读者对所有作品的偏好为。起始时用户k对作品j发表评论的概率i0为该作品的质量与用户k对该作品偏好的乘积，即i0=qj*pkj，其中k，j分别代表用户编号与作品编号，1≤k≤m，1≤j≤n，0≤qj，pkj≤1，在仿真中Q与P均为随机生成的矩阵。 185 2、 网站以排行榜方式向用户推荐作品，即将其所有作品按照质量从高到低排序，排名靠前的部分作品依序列入排行榜，每一名用户均有查看排行榜的权限，且假设用户总会选择居于榜首的、质量最高的作品。 3、 用户开始关注作品后，在每一时步，如果作品未更新，其对该作品的兴趣会有所下降，发表评论的概率变为i(t+1)=r* i(t)，如果作品已更新，则发表评论的概率恢复到最190 大值i0，设定作品更新的概率为s，衰减的速率为r，其中0<r，s<1。 3.3 仿真分析 根据以上规则，用户的评论行为主要集中与作品更新后的小段时间，而在等待作品更新的时间中，用户兴趣逐渐减弱，评论行为发生较少。为了简化仿真过程，假设网站上共有2000部作品，活跃用户100人，取值n=2000，m=100，读者偏好p和作品质量q均为自动生195 成的随机矩阵，仿真总时步为5000步。生成用户评论行为的仿真结果如图6所示。在双对数坐标下，用户评论行为发生的概率分布可以用幂律分布较好的拟合，并且胖尾特征十分明显，这与实际数据的拟合结果也较为吻合，说明该模型能够较好的解释手机在线阅读中用户行为的特征。 图6（a）中赋值r=0.9，s=1/720，即假设读者兴趣衰减的速率为0.9，作者每天更新200 作品两次，并以此作为对照。图6（b）中，调整r=0.8，保持s=1/720不变，即衰减速率加快，仿真得到的评论总数减少，其幂指数稍微降低，说明在相同的时间内，兴趣变化速度快的用户发表评论相对较少，短时间内的行为爆发特征相对不明显，反而存在更多的静默时段。图6（c）中保持r=0.9不变，将更新速率降低为s=1/1440，也就是说更新频率降低为平均每天更新一次，随着用户等待更新时间的加长，其评论行为的静默时间相对更长一些，导致205 评论行为发生次数有一定的减少，幂指数也有所降低，说明如果作者放慢其更新速度，其作品受关注的程度会显著降低。 图 6模型仿真结果 210 假如该网站优化其推荐方式，向用户推行个性化推荐，即发掘用户的兴趣，将其可能感兴趣的信息主动推荐给用户，而不是向所有用户推荐相同的作品，那么在模型规则的第2步中，网站将会推荐qj*pkj较高的作品给第k个读者，读者也会选择其个人最感兴趣的作品，其仿真结果如图6（d）所示。从图中可以看出，与排行榜推荐的方式得到的幂指数略有差异，个性化推荐方式的幂指数更大，并且在相同的时步下，仿真出用户评论行为的发生215 次数远高于排行榜推荐方式。说明在这种方式下，网站能够通过用户的细分来发掘用户的兴趣，针对性的推荐适合的作品，从而吸引并留住用户。 4 结论 本文对3G书城上手机在线阅读用户的行为特征进行了实证分析，结果表明与之前Barabási、周涛等人的人类动力学研究结果类似，发现手机阅读中人类行为是偏离泊松过程的，220 不管是从用户角度还是从作品角度分析，读者发表评论的时间间隔分布都可以用幂律分布来更好的刻画，并且带有明显的胖尾特征，分析其原因主要是读者的兴趣随着时间推移而逐渐衰减，但又可能因突发事件而猛然回升造成的。 进一步分析用户行为，发现高活跃度用户的评论时间间隔分布的幂指数更高，其评论行为更为集中，这部分用户对网站的贡献度更大。而针对不同类型作品的分类发现，连载作品225 和首发作品更能够吸引读者，并且读者不会因作品收费而放弃对该作品的关注。 结合移动互联网中在线手机阅读的特点，本文建立了相应的人类动力学模型，通过仿真表明，该模型能够很好的模拟手机阅读用户的行为特征。通过对读者、作者、网站三方面因素的对比分析发现，作者加快其更新作品的频率、网站采用个性化推荐的方式都会引起用户更多的关注。 230 [参考文献] (References) [1] 尹晓宇. "手机阅读"悄然升温[N]. 人民日报海外版，2009年12月18日（001 ） [2] http://blog.sina.com.cn/s/blog_73c435960100xi4p.html [3] 韩筱璞，汪秉宏，周涛. 人类行为动力学研究[J]. 复杂系统与复杂性科学， 2010，7（23）：132-144. [4] Oliveira JG, Barabási A L. Darwin and Einstein correspondence patterns.[J] Nature, 2005,437:1251 235 [5] 李楠楠，邓竹君，张宁等 .从钱学森的通信模式看人类动力学的标度律[A]. 郭进利，周涛，张宁等. 人类动力学模型[C]. 上海:上海系统科学出版社,2008. 35-39 [6] 洪伟，韩筱璞，周涛等. 短消息通信中的多重标度性[A]. 郭进利，周涛，张宁等. 人类动力学模型[C]. 上海:上海系统科学出版社,2008. 11-22 [7] Z. Dezsö, E. Almaas, A. Lukács, et al. Dynamics of information access on the web[J] Phys. Rev. E, 2006, 73: 240 066132 [8] Bruno Gonçalves, José J. Ramasco. Human dynamics revealed through Web analytics [J]. Phys. Rev. E, 2008, 78: 026123 [9] Zhi-Qiang Jiang, Fei Ren, Gao-Feng Gu, et al. Statistical properties of online avatar numbers in a massive multiplayer online role-playing game[J]. Physica A: Statistical Mechanics and its Applications, 2010,389(4): 245 807-814 [10] Barabási A L. The origin of bursts and heavy tails in human dynamics[J]. Nature (London),2005, 435: 207-211. [11] Vázquez A. Impact of memory on human dynamics[J]. Phys A, 2007, 373: 747- 752 [12] Xiao-Pu Han, Tao Zhou and Bing-Hong Wang. Modeling human dynamics with adaptive interest[J]. New J. 250 Phys, 2008, 10, 073010. [13] 戴双星，陈冠雄，周涛等. 兴趣驱动的人类动力学模型[A]. 郭进利，周涛，张宁等. 人类动力学模型[C]. 上海:上海系统科学出版社,2008. 54-58 [14] 焦玉，刘衍珩，王健等. 基于习惯的人类动力学建模[J]. 科学通报, 2010,55(11): 1070-1076. 255 学术论文网Tag：代写论文 毕业论文 |
