移动社交网络综述
互联网金融论文文献综述
互联网金融论文文献综述关于互联网金融冲击下我国传统商业银行变革的文献综述摘要：第三方支付、大数据金融、P2P 网络信贷、众筹融资等为代表的互联网金融正以强劲的势头迅猛发展，迅速占领进军中国资本市场，给传统商业银行带了空前的挑战和压力。
与此同时，利率市场化以及资本流向多元化的宏观形势，也暴露出了传统商业银行盈利模式和利润结构上的漏洞。
面对严峻的市场形势，传统商业银行该如何做出改变？本文从我国互联网金融模式以及传统商业银行的现状入手，对国内外学者的观点进行了综述，希望能够从中看到我国金融、银行业未来的变革之路。
关键词：互联网金融、传统商业银行、金融、银行业变革随着现代信息科技日新月异的发展，科技与金融的结合日趋深化，作为现代信息科技金融应用主力军的互联网金融已经以其势如破竹的姿态对传统金融机构产生重大影响。
互联网与金融的深度碰撞、现代信息科技与金融的渗透融合已成为现代金融业不可逆转的发展趋势。
以互联网为代表的现代信息技术，正在直接推动着传统银行业的深刻变革。
本文从我国互联网金融模式以及传统商业银行的现状入手，对国内外学者的观点进行了综述，希望能够从中看到我国传统银行业未来的变革方向。
一、关于互联网金融模式的研究谢平（2012）认为：“以互联网为代表的现代信息科技，特别是移动支付、社交网络、搜索引擎以及云计算等，将会对人类金融模式产生根本影响。
可能出现既不同于商业银行间接融资，也不同于资本市场直接融资的第三种融资，即‘互联网金融模式’”。
不得不说，互联网金融模式的确具有许多不同于传统金融的特征，同时也显示很强的创造性和竞争性。
能否据此断定互联网金融将给传统金融模式带来巨大冲击，甚至将对人类金融模式产生根本的影响呢？判断之前还是应该对互联网金融模式有更深层次的理解与研究。
（一）关于第三方支付的研究1、第三方支付的性质界定研究对于第三方支付理论研究的时间晚于市场的发育，关于第三方支付的性质界定，学术界争议较大。
社交化电子商务文献综述和参考文献
社交化电子商务文献综述和参考文献国外在XX年时就已经出现不少的社交化类型的电子商务公司，还有很多令人津津乐道的案例，像时代集团收购的shopstyle, stylefeeder等。
到了XX年，再次掀起热潮，Pinterest的大获成功也成了社交化电子商务的代表，它爆炸式的访客量使得其他企业竞相模仿，目前它已是仅次于脸书和推特的美国第三大社交网站。
由此，社交化电子商务也必将成为未来的发展趋势。
2。
国内相关研究成果及发展现状（1）国内对社交化电子商务的研究成果及发展现状国内，社交化电子商务起步比国外晚，但发展迅猛。
近几年开始，对社交化网络和电子商务的研究也逐渐多起来，虽然大多是概述社交化电子商务或是集中在社交电商平台的案例研究，但是在企业界，社交化电子商务确是一大热词汇，并对此新事物的实践火热至极。
相关的文献参考，笔者认为从整体研究社交化电子商务比较全面的有首都经济贸易大学工商管理硕士袁姗姗的硕士学位论文《基于社交网络的电子商务发展策略研究》（XX），还有些是简单概述社交化网络定义、发展现状、营销模式的优缺点、发展趋势的期刊文章。
更多的是从个例来研究盈利模式及用户行为的文献，如上海外国语大学工商管理硕士陈康懿的硕士学位论文《基于淘宝的社交化B2C电子商务探索》（XX），上海贸易对外学院的徐艳秋、梁钰发表的《国内SNS网站盈利模式比较及新模式探讨——以人人网为例》（XX）等等。
在XX年的时候我国也有出现社交化电子商务网站，但那时候国内的电子商务都没发展成熟，所以可想都惨败而终。
在XX年时因为美国Pinterest的大获成功，国内不少企业开始争先模仿。
不过经验告诉人们，生搬硬套的东西终究不是自己的，失败是必然的，只有在融合的基础上创新出自己的东西才会成功。
其实这也是用户群体的差异性造成的必然结果。
对国内来说，只有借鉴国外的经验进行本土化的社交营销才能发展。
当国内电子商务开始发展成熟，社交化电子商务从XX 年起异军突起，百度宣布进军社交化电子商务的社区C2C市场，腾讯也开始宣称要打造一个新的社交化电子商务平台。
社会网络分析(SNA)的简要文献综述
社会网络分析（Social Network Analysis）的简要文献综述概述社会网络分析，通常称为SNA，是使用网络理论和图表方法来探索人际关系、组织和社会系统的一种方法。
SNA是一种能够在分析人际关系时获得洞察力的有效方法，而且越来越受到学术界和商业界的关注。
这篇文献综述将介绍SNA的重要性、其理论背景和应用领域，并说明SNA在不同领域中的使用情况。
SNA的重要性SNA方法研究社会群体时很有用，因为它能够提供关于个人、小组、组织和社会网的信息。
根据一项研究，SNA方法是社会学领域中最常用的分析方法之一。
另一个研究表明，SNA方法已经被广泛应用在不同学科领域，包括社会科学、传播学、信息科学、医学和工程等领域。
研究表明，SNA能够揭示人们在社会网中的位置和角色，以及人们之间的相互依存关系。
这样一来，就可以更直观地观察和理解社会群体中的人际互动和组织结构。
SNA的理论背景SNA方法是一种从结构主义理论发展而来的的方法。
该理论认为，和一个人相关联的其他人对于个体的社会行为来说是至关重要的。
此外，该理论认为，在社会群体之间形成的连接和关系是实现特定目标所必须的。
SNA深入研究这些方面，揭示出不同社会群体之间的联系。
SNA的应用领域SNA的应用领域和方法多种多样，包括了社会学、网络科学、组织与管理、信息科学、医学和流行病学等。
下面将简要介绍SNA在不同领域中的应用情况。
社会学SNA的一个常见应用领域是社会学，特别是关于人与人之间关系的研究。
SNA的本质是将各种社会行为都看作是有联系的关系，因此它适用于社会网络的研究和理解。
例如，SNA在社会认同、人际间信任、社交网络和合作领域不断深入应用。
组织与管理在组织学和管理学领域中，SNA已经成为一种常见的研究工具。
对于组织来说，SNA提供了一种了解组织内部和外部关系的方式。
这种方法可以揭示出组织中的权力结构、信息流通以及组织之间的关系等问题。
信息科学在信息科学领域中，SNA可用于网络和系统分析。
基于大数据的社交网络分析与用户行为挖掘研究
基于大数据的社交网络分析与用户行为挖掘研究第一章：引言社交网络的兴起和快速发展为人们之间的交流和信息分享提供了全新的平台和方式。
同时，随着互联网和移动互联网技术的高速发展，大数据分析成为了社交网络研究的热点之一。
本文将探讨基于大数据的社交网络分析与用户行为挖掘的研究进展和应用。
第二章：社交网络分析概述社交网络是由个体之间的关系和互动构成的网络，它可以是实际的人际关系网络，也可以是虚拟的网络平台上的用户之间的联系。
社交网络分析是通过构建社交网络图，研究和分析网络中的关系、结构、演化等特征来理解社交网络的行为和性质。
第三章：基于大数据的社交网络分析方法在大数据时代，传统的社交网络分析方法已经无法适应处理大规模数据的需求。
因此，基于大数据的社交网络分析方法应运而生。
这些方法包括数据采集、数据预处理、网络图构建和分析等步骤，以及使用机器学习和数据挖掘技术来挖掘网络中隐藏的模式和规律。
第四章：用户行为挖掘概述用户行为挖掘是指通过分析用户在社交网络上的行为，从中挖掘用户的兴趣、偏好、关系等信息。
这些用户行为包括在社交网络上的发帖、评论、点赞、关注等行为。
通过对用户行为的挖掘，可以深入了解用户的需求和行为特征，为个性化推荐、精准营销等提供支持。
第五章：基于大数据的用户行为挖掘方法在大数据时代，用户行为数据规模巨大且复杂，传统的用户行为挖掘方法已经不再适用。
基于大数据的用户行为挖掘方法包括数据采集、数据预处理、特征提取和模型建立等步骤，以及使用机器学习、深度学习等技术来识别和预测用户的行为和兴趣。
第六章：社交网络分析与用户行为挖掘的应用基于大数据的社交网络分析和用户行为挖掘已经在多个领域得到广泛应用。
例如，在社交媒体上进行情感分析和舆情监测，可以帮助企业了解用户对产品和服务的态度和想法；在电商平台上进行个性化推荐，可以提升用户购物体验和销售额；在社交网络上进行社区发现和用户影响力分析，可以帮助企业识别潜在的影响力用户和建立有效的营销策略。
微信的传播_共享与意义建构_一个文献综述_刘宗义
微信的传播、共享与意义建构：一个文献综述＊The Communication,Share and Meaning Construction of Wechat:a Literature Review刘宗义徐杰内容提要作为一种全新的信息传播方式，微信对人际交流和沟通产生了深远的影响。
微信通过特定的社会功能快速传播信息，实现以“朋友圈”为基础的信息共享，从而构建特定的社会意义。
通过分析和回顾2013年我国微信研究现状得知，微信研究的焦点主要集中在微信与自身研究、微信与社会影响研究、微信与传播学研究、微信与广告营销研究、微信与传统媒体的关系研究等。
关键词微信使用微信传播微信营销作者单位山东政法学院新闻传播系山东济南250014Liu Zongyi Xu JieAbstract ：Wechat has a profound impact on interpersonal communication as a pattern of brand new information communication method.Through special social function of rapid dissemination of information,Wechat realizes the information sharing based on the “Friends Circle ”,and builts some special social significance.By analyzing and reviewing the Wechat studies in China in 2013,the result shows that the researches about Wechat mainly focus on the research of Wechat itself,the research of Wechat and the social impact,the research of Wechat and communication theory,the research of Wechat and advertising and marketing and the research of Wechat and traditional media.Key words ：use of Wechat,Wechat communication,Wechat marketing*该标题为《重庆社会科学》编辑部改定标题，作者原标题为《传播、共享与意义建构———2013年我国微信研究综述》。
社交媒体虚假信息检测研究综述
社交媒体虚假信息检测研究综述目录一、内容概述 (2)1. 研究背景 (3)2. 研究意义 (4)3. 文献综述目的与结构 (5)二、社交媒体虚假信息检测方法 (7)1. 基于内容的检测方法 (9)1.1 文本特征提取 (10)1.2 模型构建与优化 (11)2. 基于社交网络结构的检测方法 (12)2.1 社交网络分析 (13)2.2 网络拓扑特征提取 (14)3. 基于机器学习的检测方法 (16)3.1 传统机器学习算法 (17)3.2 深度学习算法 (18)4. 综合多种方法的混合检测方法 (20)三、社交媒体虚假信息检测技术进展 (21)1. 信息抽取与实体识别技术 (23)2. 情感分析与观点挖掘技术 (24)3. 图像识别与视频分析技术 (25)4. 多模态信息融合技术 (26)四、评估指标与评价方法 (28)1. 准确率 (29)2. 召回率 (30)五、案例分析 (31)1. 案例选择与数据来源 (32)2. 实验设计与方法 (33)3. 检测结果与分析 (34)4. 对比与讨论 (35)六、未来研究方向与挑战 (36)1. 提高检测准确性 (38)2. 降低计算复杂度 (39)3. 跨语言与跨平台检测 (40)4. 隐私保护与伦理问题 (41)七、结论 (43)1. 研究成果总结 (44)2. 现有研究的不足 (45)3. 对未来研究的展望 (46)一、内容概述随着互联网和社交媒体的普及，信息传播速度日益加快，其中虚假信息的传播也愈发严重。
为了应对这一挑战，社交媒体虚假信息检测研究成为了学术界和工业界共同关注的焦点。
本文将对近年来社交媒体虚假信息检测的研究进行综述，以期为相关领域的研究提供参考。
基于统计方法的虚假信息检测。
这类方法主要利用机器学习和数据挖掘技术对文本、图片、视频等多模态数据进行特征提取和模型训练，以实现虚假信息的自动识别。
基于词袋模型的文本分类方法、基于卷积神经网络的图像识别方法等。
复杂网络及其在国内研究进展的综述
复杂网络及其在国内研究进展的综述一、本文概述随着信息技术的飞速发展，复杂网络作为一种描述现实世界中复杂系统的有效工具，正逐渐受到学术界的广泛关注。
复杂网络广泛存在于我们的生活中，包括社交网络、生物网络、互联网、交通网络等，它们以复杂而多样的方式连接着世界的各个角落。
因此，对复杂网络的研究不仅具有理论价值，也具有深远的现实意义。
本文旨在全面综述复杂网络的基本理论、研究方法以及在国内的研究进展。
我们将对复杂网络的基本概念和特性进行介绍，包括网络的拓扑结构、节点间的连接关系、网络的动态演化等。
然后，我们将重点介绍复杂网络研究中的一些重要理论和方法，如网络模型、网络动力学、网络演化、网络同步等。
在此基础上，我们将对国内复杂网络研究的现状进行梳理和评价，包括研究成果、研究热点、存在问题以及未来发展趋势等。
通过对复杂网络及其在国内研究进展的综述，我们希望能够为相关领域的研究者提供一个全面的参考，推动复杂网络研究的深入发展，同时也为我国在该领域的创新研究提供有益的借鉴和启示。
二、复杂网络的基本理论复杂网络，作为一种描述现实世界中各种复杂系统的有力工具，其基本理论涵盖了图论、统计物理、非线性科学等多个学科。
其基本构成元素包括节点（Node）和边（Edge），节点通常代表系统中的个体，而边则代表个体之间的联系或相互作用。
网络中的节点和边的组合方式以及它们所承载的信息，决定了网络的复杂性和多样性。
在复杂网络理论中，有几个核心的概念和度量指标。
首先是网络的度分布（Degree Distribution），它描述了网络中节点连接数的分布情况，对于理解网络的拓扑结构和动力学行为至关重要。
其次是网络的聚类系数（Clustering Coefficient），它反映了网络中节点的聚集程度，即一个节点的邻居节点之间也成为邻居的可能性。
网络的路径长度（Path Length）和介数中心性（Betweenness Centrality）等也是重要的度量指标，它们分别描述了网络中信息传播的效率和节点在网络中的影响力。
社会网络分析(SNA)的简要文献综述
社会网络分析(SNA)的简要文献综述社会网络分析(SNA)是一种研究社交关系的方法，结合网络理论和社会学的概念，来研究人际关系和社会结构。
SNA专注于社会关系的连接和流动，透过数学模型的应用，帮助研究者理解组织和社会关系的模式并预测这些模式的变化。
下面我们将看看相关的文献。
社会网络分析的回溯与发展：社会网络分析起源于20世纪中叶。
在社交心理学方面，Jacob L. Moreno因其创新地使用图形化方法来研究团体互动而被认为是SNA的创始人。
另一方面，约翰·巴特利特和哈罗德·加芬斯·怀特开创了SNA的基础研究方向，康利和罗杰斯等学者则成为了SNA的代表人物。
当SNA最初出现时，它还没有像现在这样的计算机科学技术来支持。
在20世纪70年代，随着大型计算机的出现，研究者开始从数据和方法的角度来分析网络。
到了80年代，更多的统计工具和算法被引入，绘制社交网络图和网络图的方式也变得更精细。
近年来，SNA的方法和应用已经越来越广泛，包括社交咨询、企业分析、健康和医疗等方面。
社会网络分析的实际应用：社交咨询：许多社交应用程序（如Twitter，Facebook，Instagram）使用了SNA，帮助用户探索与自己相关的人、地点和话题。
例如，Gomez-Rodriguez等人的研究发现，Twitter上的影响力和知名度取决于用户的邻居数量和他们的连接质量。
此外，科学家们还使用SNA来鉴定影响健康行为的社交影响因素。
由此我们可以得出，SNA不仅在社交领域有应用，在健康和医疗方面也可以通过社交儒询来发挥其作用。
企业分析：SNA被广泛用于商业领域的组织结构分析。
它可以帮助企业了解其内部关系和流程，分享知识和信息，从而提高生产力。
例如，Paolo和Nardella的研究发现，使用SNA技术，可以为某一工厂的流程优化提供一种替代方法，而这个变革可以减少延误和错误，并促进生产力提高。
研究社交网络的挑战：研究社交网络面临的挑战包括数据采集，数据质量，以及研究者所使用的算法和模型。
国内外用户画像研究综述
国内外用户画像研究综述国内外用户画像研究综述用户画像是指通过深入挖掘用户数据和行为，对用户进行描述和分析的过程。
随着互联网的快速发展和大数据的普及应用，用户画像在各个领域得到了广泛的应用和研究。
本文将综述国内外用户画像的研究现状和发展趋势。
一、国内用户画像研究现状国内用户画像研究起步相对较晚，但近年来取得了快速的发展。
国内研究者主要通过对社交网络数据的挖掘和分析，以及对用户行为数据的统计，构建用户画像。
1. 数据来源国内用户画像主要通过互联网平台上的用户数据来构建。
这些数据包括用户在社交网络上的关注和粉丝关系、用户在电商平台上的搜索和购买行为、用户在移动应用中的使用行为等。
通过对这些数据的分析，可以揭示用户的兴趣和偏好。
2. 研究方法国内用户画像研究方法主要包括数据挖掘、机器学习和人工智能等。
在数据挖掘方面，常用的方法包括社交网络分析、文本挖掘和网络推荐等。
在机器学习方面，常用的方法包括聚类分析、分类算法和预测模型等。
在人工智能方面，常用的方法包括自然语言处理和图像识别等。
3. 应用领域国内用户画像主要应用于广告投放、精准营销和个性化推荐等方面。
通过对用户画像的分析，可以更准确地预测用户的需求，从而提供针对性的服务和产品。
目前，用户画像已经广泛应用于电商、互联网金融、社交媒体等行业。
二、国外用户画像研究现状国外用户画像研究比国内起步较早，并取得了较为丰富的研究成果。
国外研究者主要通过对用户数据和行为的分析，构建用户画像并进行相关应用。
1. 数据来源国外用户画像主要通过社交网络平台、搜索引擎和移动应用等获取用户数据。
这些数据包括用户在社交网络上的互动、用户在搜索引擎上的搜索行为、用户在移动应用中的浏览和使用数据等。
通过对这些数据的分析，可以揭示用户的兴趣和行为习惯。
2. 研究方法国外用户画像研究方法包括大数据分析、机器学习和深度学习等。
在大数据分析方面，国外研究者通过对海量数据的处理和分析，构建用户画像。
网络数据建模、分析与应用研究综述
网络数据建模、分析与应用研究综述一、网络数据建模随着互联网的快速发展，网络数据已经成为了研究和应用的重要领域。
网络数据建模是指通过对网络结构和属性进行抽象描述，构建出能够反映网络特征的数据模型。
网络数据建模的目的是为了更好地理解网络的结构、功能和动态变化，为网络分析、管理和决策提供理论依据和技术支持。
图论建模：图论是研究图(Graph)结构及其性质的数学分支。
在网络数据建模中，图论建模主要关注如何用图的形式表示网络结构，以及如何利用图论方法对网络进行分析。
常用的图论建模方法有邻接矩阵法、邻接表法、边权法等。
社会网络建模：社会网络是一种特殊的网络结构，由具有关联关系的人或组织组成。
社会网络建模主要研究如何用图的形式表示社会网络结构，以及如何利用图论方法对社会网络进行分析。
常用的社会网络建模方法有无向图法、有向图法、贝叶斯网络法等。
复杂网络建模：复杂网络是由大量相互连接的节点和边组成的网络结构。
复杂网络建模主要研究如何用图的形式表示复杂网络结构，以及如何利用图论方法对复杂网络进行分析。
常用的复杂网络建模方法有随机游走模型、小世界模型、斑图模型等。
动态网络建模：动态网络是指网络结构和属性随时间发生变化的网络。
动态网络建模主要研究如何用图的形式表示动态网络结构，以及如何利用图论方法对动态网络进行分析。
常用的动态网络建模方法有马尔可夫链模型、随机过程模型等。
多模态网络建模：多模态网络是指具有多种不同类型的信息载体的网络。
多模态网络建模主要研究如何用图的形式表示多模态网络结构，以及如何利用图论方法对多模态网络进行分析。
常用的多模态网络建模方法有多模态图模型、多模态贝叶斯网络模型等。
网络数据建模是一个涉及多个领域的交叉学科，其研究内容和技术方法不断丰富和发展。
随着大数据时代的到来，网络数据建模将继续发挥重要作用，为网络分析、管理和决策提供更多有价值的理论和实践支持。
1. 网络数据的基本概念和特点随着互联网的普及和发展，网络数据已经成为了当今社会中不可或缺的一部分。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
移动社交网络的研究综述 摘要：随着移动设备不断的发展，4G网络的出现，移动通信网络和计算机
网络的逐渐融合，移动社交网络也面临着大数据的问题，成为了研究的热门方向之一。本文对移动社交网络的国内外相关研究现状进行了综述，阐述和分析了当前国内外在移动社交网络相关的研究成果的特点和不足，提出可能存在的研究热点，并进行预测今后移动社交网络可能的发展前景。
本文主要介绍与移动社交网络相关的背景知识，对该方向进行介绍，然后对目前的研究现状和对未来的展望，最后是对全文的总结。
关键词：移动社交网络；推荐；大数据；综述
Abstract：With the continuous development of mobile devices, the
emergence of 4G networks and the gradual integration of mobile communication networks and computer networks. The mobile social network is also facing the problem of big data and is also becoming one of the hottest directions. In this paper, we review a related research at home and abroad on mobile social networks. Describe and analyze the current domestic and foreign-related research in mobile social networking features and shortcomings. We make some possible hotspots and predict the future development prospective of mobile social networks.
This paper describes the relevant background knowledge of mobile social networks. Then we have an introduction of this direction and a current research status and prospects for the future. Finally get a full summary of the full text.
Keywords：Mobile Social Network; Recommend; Big Data; Summary 1 引 言 随着互联网的快速发展，移动设备的广泛使用，4G网络时代，大数据时代的到来，社交、移动和位置服务的融合以及发展，促进了移动社交网络的发展。由于智能移动设备日益普及，信息资源的获取和推送可以发生在任何时间、任何地点、任何人和任何方式。为用户提供无处不在的信息内容已经成为可能，智能移动设备也逐渐成为人们获取信息的主要平台之一(如通过手机搜索网络信息、浏览新闻，使用平板电脑/手机阅读电子书、听音乐、看视频、使用手机读\写微博等)，然而，移动互联网服务和信息内容的日益增长将逐渐超出人们所能接受的范围，加之移动设备的界面显示、终端处理、输入/输出等能力有限，为移动用户带来沉重的“移动信息过载”问题，导致移动网络资源利用率和用户体验受到严重影响，特别是在当今的大数据时代，如何使移动社交网络的信息能够更好的被我们所利用成为一种新的研究方向。移动社交旨在普通社交网络的功能上有所延伸，最突出的特点就是移动性强、实时性高。近年来，当人们越来越依赖于网络，国外许多大学和研究机构对移动社交展开了深入研究。
收集和分析用户的各种类型的数据，并通过技术手段，获取用户的轨迹信息并预测用户未来的行为，对更好的服务用户并利用这些信息来创造商业价值是非常重要的。面对如此多的数据和信息，我们如何选择？精准的推荐显得重要。通过我们的轨迹信息，获取我们想要的数据和信息。目前，各种移动推荐系统已经进入到我们的视野当中，而且正在被人们所接受。
2 方向介绍
2．1 移动社交网络 移动社交网络是在社交网络的基础上发展而来的。社交网络（Social Network），是随着E-mail、BBS、博客、微博等Internet的应用而自然发展起来的反应社会交往群体的一种形态，其本质是提供一个在人群中分享兴趣、爱好、状态和活动等信息的在线平台。随着互联网发展起来的社交网络对人类社会活动的方式、效率等产生了深远影响。 移动社交网络（Mobile Social Network）暂时还没有确切的定义，普遍认为移动社交网络就是利用移动终端设备，对群体行为的进行、活动的规律，并能通过移动终端设备的位置信息而产生的一种社交网络。我们可以利用人们的出行数据和出租车的移动轨迹进行挖掘，可以帮助出租车司机快速寻找乘客以及帮助乘客快速的找到出租车。简单地说，就是用户将进行网络社交活动的媒介，更多地从传统的 PC 网页转移到了移动 App 上。而这个看似简单的转移，却包含了不小的意义，即从社交网络服务形成初期，人们逐渐将线下生活的更完整的信息流转移到线上 进行低成本管理，从而发展为成规模的虚拟社交，到现在通过移动终端更紧密地结合了现实 生活的各种元素，形成虚拟社会与真实社会的更深层的交织。
2．2 移动社交网络的特点 移动互联网是移动通信网络与互联网的结合，是指用户使用移动设备(如智能手机、PDA、平板电脑等)通过移动通信网络(如3G，Wi-Fi，GPRS等)访问互联网。移动用户访问互联网的行为主要包括移动信息搜索、移动网页信息浏览、移动应用程序下载与在线使用(如在线游戏)、移动电子书阅读、移动音/视频播放、移动社交化网络服务行为(如移动社区通信、移动邮件、读、写微博等)、移动电子商务、移动网络办公等等。移动互联网与传统互联网的主要区别在于用户、接入网络和终端，这使前者增加了移动性、上下文感知、终端个人化等固有属性。 与传统互联网用户相比，移动用户通常具有更为明确和真实、可靠的用户标识，并可方便地从概貌层面对移动用户进行刻画。例如，移动用户的人口统计学数据通常由移动用户注册入网时填写，也可以根据一些机器学习或者数据挖掘技术推理获取(如在移动用户授权许可范围内，可以根据身份证信息获取其籍贯信息、通过移动用户购买行为预测其收入信息、通过移动社交化网络挖掘移动用户的工作/教育背景等)。此外，还可以通过某些方式获取移动用户的其他信息。例如，通过GPS(global positioning system，全球定位系统)获取移动用户地理位置信息或者移动用户轨迹，利用机器学习和数据挖掘技术分析移动互联网用户行为以提取用户属性特征。
1）移动性 移动用户使用移动设备可以在任何时间、任何位置访问应用系统。位置和时间上下文与移动用户的关系更紧密。 2）瞬时性 用户在特定的时间，特定的地点利用移动社交网络，来达到自己的需求，从而使社交网络具有瞬时性，及时更新。
2．3 移动社交与位置信息 基于位置的服务(Location Based Service， LBS)得以飞速发展，在多种应用中开始扮演越来越重要的角色。基于位置的信息服务是面向移动的，所以它是一种移动信息服务，是一种能通过移动网络，使用移动设备，并借助于移动设备的定位功能得到访问信息的服务。实际上这种应用是因特网、GIS/空间数据库和新一代信息与通信技术(NICT)的汇集，它把对象的时空位置作为相关信息的索引，在一定程度上屏蔽了物理世界与虚拟世界之间的鸿沟，其计算的透明性、移动的无缝性、信息访问的普遍性、基于情景感知的智能性，使用户在日常环境下能够使用任意设备、通过任意网络、在任意时间获取与位置有关的信息，真正意义上以“人”为服务中心。
移动社交能很容易和位置信息连接到一起，两者都是移动的、有规律的。我们通过搜集各种轨迹信息，得到规律，并对其预测后期的行为。
不同的用户在相同的时空位置其意图并不一定相同，同一用户不同时刻在同一空间位置需求也不一样，仅依照用户当前所在位置推送信息，其准确性难以确定；2、即便当前时空位置在一定程度上能代表用户的移动意图，由于系统计算的时间开销，依照用户当前所在位置推送信息必然产生一定的滞后性，对于移动速度较快的用户尤为明显。
3 现状评述 目前，对Hadoop平台的研究主要集中在以下几个方面：传统数据挖掘算法在Hadoop平台上的改进，基于MapReduce模型的新的数据处理算法，数据分析处理的并行化，Hadoop在多学科上的交叉运用，云存储策略，Hadoop平台的性能优化，自然语言处理等。
3．1 研究热点 针对信息过载问题和面向移动用户的个性化需求服务的趋势，随着移动通信技术的发展和移动智能设备的处理能力的提升，移动社交网络方向的研究和应用都取得了一定的进展，作为一个新兴的研究领域，并顺应时代发展，在推荐和位置服务等方向有很多的研究热点：
（1）移动组推荐 目前，移动推荐系统的对象基本针对个人，但在一些情况下，有必要为一组人而不是个人进行推荐，如为一家人推荐电视节目、为一群朋友推荐餐厅等，这需要综合考虑一组人的偏好进行推荐，而不是只是考虑某个人的偏好。组推荐中需要考虑多个用户的偏好，但组用户的偏好不尽相同，如何处理组用户偏好之间的冲突，以获取准确的组偏好并完成对一组用户的推荐，是组推荐的重点。目前，移动推荐系统中对组推荐的研究很少，但这是一个很有意义的研究方向，值得深入研究。
（2）位置服务 基于位置的服务，可以使用户更了解身边的所有美好的事物，更为真实的服务信息和新颖的交友方式，对于企业可以更有针对性的宣传，更精确的广告，然后更好的回馈忠实的用户。在雾霾严重的今天，应减少车辆的运行，通过社交网络和位置服务结合，通过拼车和优化乘车路线等方式可以在一定程度上减少车辆的运行，在出租公司，可以根据在特定时间、特定环境以及特定路线上，使乘车司机和乘客实时交流，不仅可以减少乘客等车的时间，也大大提高了出租车的载客效率。当车成为人们重要交通工具的时候，我们可以利用拼车，不仅可以节省费用还可以改善环境。该研究方向和如今的社会化问题紧密联系，但是暂时无研究，应该是很有意义的研究。
3．2 正在解决的问题 在移动社交网络领域，很多研究者对移动社交的推荐和移动用户的轨迹安全问题做了一些研究，在移动新闻、个性化移动搜索、移动旅游、移动广告以及移动电影和音乐的推荐都做了很多工作，也取得了很大的进展。在一些推荐中，如何保证移动推荐的精准性是最近研究的热点。但是也有很多问题。