刘 静， 张 鸽

（山西农业大学软件学院， 山西 太谷 030801）

0 引 言

社交网络是一个用户可以即时发布内容、分享信息并与他人进行交流互动的互联网平台，例如微博、推特等平台。 社交网络上每时每刻都会产生用户发布的大量内容，表现出丰富的时间动态性。 由于社交网络中个体用户行为难以预测，因此分析用户行为非常复杂。 但一些研究表明，互联网在线内容的流量模式可以反映群体用户的行为［1-2］。 事件随时间变化的流量时间序列可以显示出用户群体何时对事件产生关注度，以及关注度如何随时间增长消退的变化模式。 对于某种类型的事件，群体用户的流量时间序列往往会形成一些特定的规律。

现有研究大多根据社交网络中的流量模式分析用户的行为，文献［3］根据用户在电商平台购买及评论的时间序列分析用户的消费行为习惯；文献［4］通过用户行为的时间序列分析来检测社交网络中的欺诈行为。 而本文旨在利用事件的流量模式对事件进行聚类分析。 具有共性特征的事件可能会呈现出相似的流量时间序列，可以根据事件的流量时间序列对事件进行聚类，找到事件的共性特征。 Kmeans 算法是聚类领域最常使用的聚类算法，该算法通过在每次迭代中交替执行簇分配步骤和簇中心更新步骤，来最小化簇内样本到簇中心的距离平方，以找到最终的簇划分结果［5］。 但该算法通常运用在数值型数据上，无法在时间序列数据上体现出数据的时序性；……