微博用户的信息发布行为模式实证研究〔摘要）本文利用新浪微博数据，从微博发布行为的时间间隔分布、周期性与波动性，以及记忆性与爆发性等方面出发，对微博用户的行为特征进行实证研究和分析。实验结果表明微博信息发布行为的时间间隔分布具有幕律特征。在此基础上，我们还发现微博用户的分布行为表现出明显的周期性与波动性，同时还具有强记忆弱阵发的特性。研究结果在控制网络谣言，促进微博营销等领域具有一定的指导意义和实际价值。（关键词）行为模式；微博用户；时间统计；周期与波动；记忆与阵发；实证研究DOI：10.3969/j.issn.1008-0821.2015.10.010〔中图分类号）TP39341文献标识码）A（文章编号〕1008-0821（2015）10-0049-06EmpiricalStudyonMicro・blogUsersBehaviorPatternsofInformationDistributionYuJinglLiuChen2（l.EastChinaNormalUniversity,Shanghai200241,China；2・UniversityofShanghaiforScieneeandTechnology,Shanghai200093,China)[Abstract)ThepaperanalyzedthebehaviorcharacteristicsofMicro-blogusersforempiricalresearch,byusingthedatasetsfromMicro-bloguserstimeintervaldistribution,periodicoutbreaksandvolatility,memoryandfeaturesfromseveralaspects.TheexperimentalresultsshowedthatMicro-blogtimeintervaldistributionofinformationreleasebehaviorhasthecharacteristicsofpowerlaw.Then,thepaperalsofoundthatthedistributionofMicro・blogusersbehaviorshowedobviousperiodicityandvolatility,anditalsohasthecharacteristicsofstrongmemoryweakfitsatthesametime.Theresultsofthestudyonthenetworkrumorcontrohwordofmouthmarketing,andotherfieldshadacertainguidingsign讦icanceandpracticalvalue.(Keywords)behaviorpatterns；micro-blogusers；temporalstatistics；periodicandvolatility；memoryandparoxysmal；empiricalstudy随着在线社交网络应用(OnlineSocialNetworks)的迅速发展，互联网在信息扩散中的作用已经不再是对平面媒体的简单替代，而是彻底颠覆了传统的信息传播方式。在线社交网络中信息传播的最重要特征是社会化、对等化，用户生产内容（UGC）成为扩散信息的最主要组成部分。微博作为在线社交网络最主要的形式之一，以其巨大的用户数量、便捷的信息发布和传播方式，对人类的社会生活带来了重要的影响，在重大突发事件的形成、新型电子商务中产品的扩散中都有重要的作用。对微博用户行为模式的研究在信息扩散、社会化商务等领域都有着重要的理论意义和应用价值。对诸如微博等的在线社交网络中信息传播研究的一种重要的方式，是将用户看作网络节点，信息通过用户的扩散行为沿他们之间的连接在复杂的网络结构中扩散。早期对复杂网络中传播动态的研究主要侧重于将传统的SIS、SIR模型迁移到网络结构之中，研究网络结构对信息传播的范围、重要因素的参数等的影响[1-3]o其中，最重要的发现是高度异质网络中，传统模型中大范围扩散的阈值不再存在[4-5]o之后，学者们发现不仅仅是网络结构，网络中用户自身的行为特征对信息传播的过程也有着重要的影响。例如，现实中用户会根据自身的兴趣切断或建立新的连接关系,网络结构与传播动态在用户行为的影响之下，成为一种共演化的动态过程［6-8］,用户的行为意识所构成的网络与传播所依赖的网络甚至构成一种多层的网络结构［9］。最新的研究表明，网络中用户行为的动态对传播动态的阈值产生明显的影响［10］o用户行为模式已经成为复杂网络中传播动态研究的一个重要的热点领域［11-12］。在传统的人类行为研究中，大多数学者用泊松过程来描述人类行为，假定人们的相继行为发生的时间间隔分布是均匀的。在2005年，Barabdsi［13］通过对实际的电子邮件发送与回复等人类邮件通信行为的时间间隔进行统计分析，发现人类的这类行为中存在长时间的静默和短时间的爆发，这些行为均不能用泊松过程来刻画。在此基础上，研究者通过在对记录人类通讯、工作和娱乐等行为的海量数据集的分析中，发现很多人类行为的时间统计特性普遍存在非泊松特性,在进一步研究中发现这些行为所对应的间隔时间...