1、微博用戶網(wǎng)絡(luò)是一個(gè)涉及普通用戶、名人等多類用戶要素以及其間關(guān)注、推文、轉(zhuǎn)發(fā)、評論等多種行為關(guān)系的復(fù)雜網(wǎng)絡(luò)，以往對微博用戶網(wǎng)絡(luò)的研究通常僅對一種關(guān)系進(jìn)行討論，忽略了微博用戶的行為間存在的相關(guān)性，而事實(shí)上微博用戶的行為是存在著關(guān)聯(lián)關(guān)系的，分析并發(fā)現(xiàn)微博用戶多種行為間的關(guān)聯(lián)關(guān)系，對揭示微博用戶的網(wǎng)絡(luò)行為規(guī)律，理解微博用戶行為的復(fù)雜機(jī)制，具有重要的現(xiàn)實(shí)意義。
　　基于此，本文使用KDD CUP2012任務(wù)1提供的騰訊微博數(shù)據(jù)，提取了用戶的

2、關(guān)注關(guān)系，以及推文、轉(zhuǎn)發(fā)與評論中相同關(guān)鍵詞關(guān)系，基于復(fù)合網(wǎng)模型，構(gòu)建了用戶關(guān)注關(guān)系子網(wǎng)與關(guān)鍵詞子網(wǎng);基于該模型的子網(wǎng)加載運(yùn)算，構(gòu)建了用戶關(guān)注與關(guān)鍵詞復(fù)合網(wǎng);通過對子網(wǎng)以及復(fù)合網(wǎng)若干拓?fù)湫再|(zhì)的分析，發(fā)現(xiàn)了一些有趣的現(xiàn)象，為理解微博用戶的復(fù)雜行為提供了支持。
　　本文的主要工作闡述如下:
　　(1)微博用戶關(guān)注子網(wǎng)和關(guān)鍵詞子網(wǎng)的構(gòu)建及性質(zhì)分析。將用戶抽象為結(jié)點(diǎn)，用戶間的關(guān)注關(guān)系抽象為連邊，構(gòu)建了關(guān)注子網(wǎng);關(guān)注子網(wǎng)的度分布近似冪律

3、分布，度大的為名人，也即名人受關(guān)注數(shù)大;將用戶抽象為結(jié)點(diǎn)，用戶間有≥k（k∈N+）個(gè)相同關(guān)鍵詞的關(guān)系抽象為連邊，構(gòu)建了多個(gè)關(guān)鍵詞子網(wǎng);多個(gè)關(guān)鍵詞子網(wǎng)的度分布也均近似服從冪律分布，但普通用戶的度遠(yuǎn)大于名人的度，說明普通用戶參與的話題較多，而名人的話題較專一，這可能與名人專業(yè)領(lǐng)域有關(guān)。
　　(2)構(gòu)建了用戶關(guān)注與關(guān)鍵詞復(fù)合網(wǎng)，分析了復(fù)合網(wǎng)邊界結(jié)點(diǎn)的性質(zhì)，發(fā)現(xiàn)隨著邊界結(jié)點(diǎn)在關(guān)鍵詞子網(wǎng)的度的增大，關(guān)注子網(wǎng)的度微弱變大，說明關(guān)鍵詞相似度子網(wǎng)

4、和關(guān)注子網(wǎng)呈現(xiàn)微弱的正相關(guān)性，說明用戶擁有的話題越多，被關(guān)注的可能性越大。
　　(3)為發(fā)現(xiàn)用戶類型對邊界結(jié)點(diǎn)性質(zhì)的影響，抽取了名人及其間的關(guān)注關(guān)系、關(guān)鍵詞關(guān)系數(shù)據(jù)，構(gòu)建了名人間關(guān)注和關(guān)鍵詞復(fù)合網(wǎng)，分析了邊界結(jié)點(diǎn)的性質(zhì)，發(fā)現(xiàn)隨著名人關(guān)鍵詞相似度子網(wǎng)度逐漸增大，名人關(guān)注子網(wǎng)的度有微弱減小的趨勢，即名人關(guān)鍵詞相似度子網(wǎng)的度與名人關(guān)注子網(wǎng)的度呈現(xiàn)負(fù)相關(guān)關(guān)系，這與普通用戶的規(guī)律恰好相反，說明名人更愿意關(guān)注在某一領(lǐng)域比較專注、權(quán)威的名人。<