得益于互联网技术的提高和社交媒体的普及,使得研究大规模用户的协同行为成为可能。近年来,社交媒体因其实时性和便捷性等特点开始在灾难事件响应方面崭露头角,得到了广泛的关注。相比于传统的通信方式,有效利用社交媒体上产生的群体智慧可以对赈灾行为产生积极影响;另一方面社交媒体用户行为的非理性,强感染性和从众性特征很容易造成网络舆情的产生,因此突发事件下的用户在线行为模式应受到特别的重视。社交媒体中信息的传播,个体间的交互,都依赖于其背后的社会关系网络,社交媒体上群体用户行为与大规模网络研究具有天然联系。本文利用网络科学中的概念和方法研究了突发事件下社交媒体用户的各种群体行为特征,探索了社交媒体自组织互助系统的有效性问题。研究成果有助于指导用户在突发事件下规范自身行为,帮助用户提高信息获取效率,协助有关部门提升监管能力。本文扩展了复杂网络中的概念和方法,拓宽了复杂网络的应用领域,并给研究突发事件下在线用户的大规模协同行为提供了新思路。本文具体的研究内容和成果如下:1、突发事件下社交媒体用户的协同注意力转移模式研究。通过用户使用的哈希标签时序序列作为用户注意力转移的代表,提出了注意力转移网络模型,把突发事件下群体注意力转移模式的研究转化为对应网络结构变化的研究。结果表明突发事件下群体用户注意力转移模式具有扩张、话题凝聚、注意力汇集、关注点不稳定、关注点转移模式改变共五个特征。同时还发现了群体注意力转移模式与事件本身性质相关:突发事件下用户注意力急剧汇集再缓慢消散;而规划事件中用户注意力为缓慢汇集到缓慢消散的过程。该模型给定量分析、监测大规模用户的协同行为提供了可行的方法。2、研究了高效舆情监测系统的用户抽样问题。社交媒体的用户数量通常十分庞大,而有效的用户抽样方法可以提高舆情监测的效率。本文提出了同时衡量用户活跃性、与其他用户兴趣共性和捕捉新颖话题能力的抽样准则,并把用户抽样问题转化为图抽样问题,提出了基于随机游走的图抽样算法。结果表明抽样过程中同时考虑用户的多样性和相似性,可以有效地提升监测效率和监测精度,实现监测部分代表性用户达到监测总体的效果。该方法在较小的抽样比例下仍能获取相对合理的抽样精度。3、突发事件下用户参与话题的预测。本文使用哈希标签作为用户参与的话题的代表,通过异构信息网络同时描述用户-哈希标签使用关系和哈希标签之间共存转移关系,并提出了基于该异构网络的双向资源扩散算法预测用户可能参与的话题。实验结果表明,充分考虑用户影响力在哈希标签网络中的扩散,可以极大地提高预测精度;同时利用哈希标签共存转移关系可以有效避免图嵌入算法下用户节点在嵌入空间的聚集,在取得较好的预测精度同时能具有较高的预测多样性;而基于用户相似性的算法相比于图嵌入类算法,更适用于突发事件下用户关注点集中的场景。4、突发事件下社交媒体自组织互助系统的有效性研究。近年来,灾难事件下社交媒体的使用出现了新趋势:当突发事件发生时,用户自发地通过社交媒体组织素不相识的人们开展带有特定目的线下合作。本内容提出了针对此类事件的社交媒体内容分类方案,研究了各类别信息随时间的演化趋势,并考察了自动分类算法检测关键信息的能力。结果表明这种在线自组织系统充斥了大量和频道目的无关的噪声信息,同时显著的信息过载现象使得求助者很难发现资源信息;相较于噪声信息,用户具有通过转发行为扩大有效信息受众面的意愿,但用户的注意力分布具有明显的偏移特性;自动分类算法实验结果表明使用词向量模型和语境特征的自动分类算法可以有效地预测文本的类别,有助于指导社交媒体运营平台或相关组织在类似的情景扩大关键信息影响力,提高自组织系统救助效率。