33、基于特征的推特用户行为分析

基于特征的推特用户行为分析

1. 行为分析与社交媒体数据提取

每个生物都会对环境和其他生物产生特定行为，通过分析这些行为，我们能够探寻其在不同情境下的思维模式。社交媒体可被视为人类的一种环境，人们能通过互动来表达自我。对用户行为数据进行分析，有助于我们深入了解事件发生的环境，从而提取有价值的信息和知识。

不同的研究试图识别网络中的各类用户，如机器人账号、虚假账号等，但由于缺乏对各类账号特征的明确界定，找到统一的解决方案颇具挑战。

不同社交网络的情况各异，不同类型的用户表现也不尽相同。因此，进行有效的分析十分重要，例如在不同社交网络中寻找相似的用户、话题或观点。然而，从不同平台提取的非结构化数据是一大挑战，数据挖掘技术将在其中发挥关键作用。

本文聚焦于推特（Twitter），这是一个支持双向交流的平台，用户可以轻松快速地与他人互动，避免了数据源不一致的问题。推文可涵盖日常生活的各个方面，用户账号分为已验证和未验证两类。我们将根据用户在推特上的行为，检测不同类型的账号，并期望未来能更深入地开展此项研究，识别出具有不同目的的账号。

2. 相关研究

该领域的多数研究致力于利用社交网络数据，运用机器学习算法（有监督和无监督）、深度学习、图论等方法。以下是一些相关研究：
- Rashidi等人研究了利用社交网络数据建模出行行为的机会与挑战，通过调查获取行程、目的、交通方式、时长等特征信息，但处理时间较长。
- Subrahmanian等人开发了一种基于推文参数、账号信息和环境的算法，用于检测推特上的机器人账号。
- Er¸sahin等人基于监督离散化技术创建了推特虚假账号检测方法，以应对虚假账号传播