近年來(lái)，在線社交網(wǎng)絡(luò)快速發(fā)展，人類生活已經(jīng)與其密不可分。在線社交網(wǎng)絡(luò)已成為人們獲取信息、傳遞消息、交友娛樂(lè)的重要渠道，是人們?nèi)粘Ｉ�活中不可或缺的一部分。海量用戶的�?shù)字足跡記錄了人類行為的方方面面，為研究者們理解人類行為及進(jìn)行交叉領(lǐng)域應(yīng)用創(chuàng)新提供了前所未有的機(jī)會(huì)。同時(shí)，計(jì)算機(jī)相關(guān)技術(shù)的發(fā)展也為研究在線社交網(wǎng)絡(luò)用戶行為打下了堅(jiān)實(shí)的基礎(chǔ)。社交網(wǎng)絡(luò)屬于計(jì)算社會(huì)科學(xué)的研究范疇，已逐漸成為計(jì)算機(jī)科學(xué)、經(jīng)濟(jì)學(xué)、政治學(xué)、心理學(xué)和社會(huì)學(xué)等學(xué)科的研究熱點(diǎn)。
　　在線社交網(wǎng)絡(luò)用戶行為研究主要包括：發(fā)現(xiàn)社交網(wǎng)絡(luò)用戶行為規(guī)律和構(gòu)建社會(huì)預(yù)測(cè)應(yīng)用。在社交網(wǎng)絡(luò)的環(huán)境下，揭示不同類型用戶在線行為規(guī)律是一項(xiàng)重要研究。用戶不同維度的屬性及特征難以直接測(cè)量。通過(guò)傳統(tǒng)調(diào)查問(wèn)卷方式來(lái)完成用戶屬性的測(cè)量，通常有高成本、主觀性和低靈活性等局限。為了彌補(bǔ)這些缺點(diǎn)，機(jī)器學(xué)習(xí)越來(lái)越引起社會(huì)科學(xué)研究者們的興趣。它不僅限于研究人類行為規(guī)律，而且分析社交網(wǎng)絡(luò)用戶行為，對(duì)有關(guān)社會(huì)、經(jīng)濟(jì)的預(yù)測(cè)研究具有重要的理論意義和實(shí)踐價(jià)值�；�于近些年對(duì)在線社交網(wǎng)絡(luò)海量用戶行為數(shù)據(jù)的積累，本書嘗試從個(gè)人、關(guān)系和社會(huì)的遞進(jìn)層次，通過(guò)一系列機(jī)器學(xué)習(xí)和網(wǎng)絡(luò)測(cè)量等方法量化和計(jì)算用戶行為，嘗試?yán)斫夂涂偨Y(jié)在線用戶行為規(guī)律，并將用戶行為應(yīng)用于社會(huì)預(yù)測(cè)。本書主要研究?jī)?nèi)容和貢獻(xiàn)如下：
　　本書系統(tǒng)討論了基于用戶性格的社交網(wǎng)絡(luò)在線行為規(guī)律。性格作為驅(qū)動(dòng)人類行為的主要因素，它指明了個(gè)人心理行為的異同。本書首先驗(yàn)證了機(jī)器學(xué)習(xí)模型可用于判斷社交網(wǎng)絡(luò)用戶的性格，并將研究范圍覆蓋到更多更廣的用戶人群。其次，通過(guò)微博數(shù)據(jù)研究在我國(guó)文化背景下用戶性格差異和由此產(chǎn)生的在線行為模式，發(fā)現(xiàn)我國(guó)在線社交網(wǎng)絡(luò)中兩種不同性格用戶的行為模式與西方確有不同。從時(shí)空位置、購(gòu)物情緒到虛擬榮譽(yù)等角度分析用戶行為，在線行為的維度得到了極大豐富。這幫助本書的研究建立用戶差異與行為模式之間更全面的映射，并啟發(fā)在線社交網(wǎng)絡(luò)在營(yíng)銷等場(chǎng)景中的實(shí)際應(yīng)用。
　　在用戶關(guān)系層面上本書驗(yàn)證了在線社交網(wǎng)絡(luò)用戶行為的同質(zhì)性。社交網(wǎng)絡(luò)上具有聯(lián)系的好友在人類行為上表現(xiàn)相似。音樂(lè)相關(guān)行為作為人類日常生活的重要組成部分，研究人員很少在社交網(wǎng)絡(luò)背景下探索此類行為，對(duì)社交網(wǎng)絡(luò)音樂(lè)行為同質(zhì)性的研究不足。本書分別利用網(wǎng)易云音樂(lè)和微博用戶關(guān)注關(guān)系構(gòu)建了社交網(wǎng)絡(luò)，從六個(gè)角度定義和計(jì)算用戶聽(tīng)歌相似程度。研究證實(shí)了在線社交網(wǎng)絡(luò)的聽(tīng)歌行為存在同質(zhì)性，并詳細(xì)分析了用戶人口統(tǒng)計(jì)學(xué)和音樂(lè)偏好特征在影響同質(zhì)性方面的作用。研究還融合了相同個(gè)體在不同社交網(wǎng)絡(luò)上的映射，發(fā)現(xiàn)面向?qū)Ｓ蒙缃痪W(wǎng)絡(luò)領(lǐng)域的特定行為同質(zhì)性，同樣存在于通用社交網(wǎng)絡(luò)。
　　預(yù)測(cè)是社交網(wǎng)絡(luò)大數(shù)據(jù)的核心。針對(duì)在線社交網(wǎng)絡(luò)應(yīng)用，本書選擇選舉預(yù)測(cè)和市場(chǎng)預(yù)測(cè)兩個(gè)重要問(wèn)題進(jìn)行研究。關(guān)于選舉預(yù)測(cè)，本書提出歷史累積選舉預(yù)測(cè)模型，并融合用戶權(quán)重調(diào)整和網(wǎng)絡(luò)同質(zhì)性判別�，F(xiàn)如今，在線社交網(wǎng)絡(luò)平臺(tái)容納了數(shù)十億用戶的海量消息，遠(yuǎn)遠(yuǎn)超過(guò)選舉預(yù)測(cè)中傳統(tǒng)調(diào)查問(wèn)卷的樣本量級(jí)。機(jī)器學(xué)習(xí)透過(guò)這些消息理解民意趨勢(shì)并判定選民對(duì)選舉候選人的意見(jiàn)。在此研究中，本書提出了一種基于社交網(wǎng)絡(luò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)的方法。首先建立話題標(biāo)簽自動(dòng)標(biāo)注的用戶意見(jiàn)模型，而后分析了短期窗口預(yù)測(cè)模型失敗的原因，進(jìn)而提出了歷史累積預(yù)測(cè)模型，并試圖計(jì)算和追蹤選民意見(jiàn)。累積預(yù)測(cè)模型可以實(shí)現(xiàn)追蹤海量且增量的用戶，并在更長(zhǎng)的時(shí)間內(nèi)追蹤他們的行為和意見(jiàn)。同時(shí)，根據(jù)人口分布的用戶權(quán)重調(diào)整和網(wǎng)絡(luò)同質(zhì)性判別后，本書的研究準(zhǔn)確預(yù)測(cè)了實(shí)際場(chǎng)景下的總統(tǒng)選舉結(jié)果。