探勘照片分享社交網絡中使用者行為

Abstract

近年來，越來越多人在照片分享社交網絡上分享他們的生活和照片。因此，我們提出了一個架構，藉由探勘照片分享社交網絡中用戶生成的內容，來了解使用者行為以及使用者行為如何隨時間變化。我們的架構包含四個階段。第一階段，針對每位使用者，我們從用戶生成的內容萃取出四個使用者屬性，包括活躍度、認可度、使用者主題和地理主題。第二階段，針對每位使用者，我們利用模糊C平均分群演算法，分別將具有相似活躍度及認可度的使用者分群。第三階段，針對每位使用者，我們將其機率夠高的使用者主題轉換成一個使用者主題的集合，再利用先驗演算法從所有的使用者主題集合，探勘出使用者主題的頻繁樣式。同樣地，針對每位使用者，我們將其機率夠高的地理主題轉換成一個地理主題的集合，再利用先驗演算法從所有的地理主題集合，探勘出地理主題的頻繁樣式。最後一階段，我們透過分群出的群集和探勘出的頻繁樣式之間的關聯，來分析使用者行為。實驗結果顯示，我們提出的架構能夠辨認出多樣使用者的行為，並且提供能應用於管理上的見解與意涵。

More and more people share their life and photos on online photo sharing social networks. Therefore, in this thesis, we propose a framework to mine user behavior from user-generated contents on a photo sharing social network to help better understand user behavior and discover how user behavior changes over time. The proposed framework contains four phases. First, we extract four user’s attributes from user-generated contents for each user namely, activeness, recognition, user topics and geographical topics. Second, we employ the fuzzy c-means clustering method to respectively cluster together similar activeness attributes and similar recognition attributes. Third, for each user, we convert the user topics into an UT-set and apply the Apriori method to mine frequent UT-patterns. Similarly, we convert the geographical topics of each user into a GT-set and apply the Apriori method to mine frequent GT-patterns. Finally, we analyze user behavior by investigating the relationships among clusters formed and frequent patterns mined. The experiment results show that the proposed framework can identify user behavior for various kinds of users, and provide valuable managerial insights for managerial applications.