随着科技的进步以及互联网技术的发展,人们的交流沟通方式也发生了巨大的变化,由最初的书信、邮件、短信、即时通信到Web1.时代的博客,一直到Web2.0时代的微博,微博目前已经成为一种必不可少的交流工具,在消息传播领域发挥着越来越重要的作用；在以往的通信领域,人类动力学的通用模型都是假设人类活动是在时间上服从泊松过程的,然而越来越多的实证数据显示,人类行为的统计数据表现出短时阵发和长时休眠的特征,服从非泊松统计特性,学者们也从不同的方面研究了人类行为非泊松特性的生成机制进行了研究,最为有影响力的是Barabasi提出的基于优先权任务选择的排队模型,此外,还有基于兴趣、自适应调节、记忆以及选择模式的生成机制,这些模型在一定的程度上也取得了较大的成功。由于微博在目前人类交流沟通、信息传播方面发挥出的重要作用,因此对于微博中人类行为特性、生成机制的研究具有重要的现实意义和学术意义,本文就是在这样的背景下产生的。在确定了人类行为模式实证及生成机制研究这一研究对象后,按照实证研究、Barabasi模型仿真及改进、其他生成机制研究这样的顺序进行论文的展开,其中,实证研究部分选择的研究对象是新浪微博用户的行为数据,主要是研究用户行为的间隔时间分布,通过分析确定用户的行为特性；在Barabasi模型仿真及改进部分,分析通过Barabasi模型生成的幂律分布的幂指数的影响因素和Barabasi模型的不足,从理论证明和模型模拟方面对此模型进行较为合理的改进,使之更符合本文中的实证数据；非泊松特性的其他生成机制研究部分,尝试使用休假排队模型以及兴趣驱动模型对微博用户的行为数据进行解释,创新性地提出基于边际效用递减原理的生成机制,通过理论证明的方式,验证这些模型对于微博用户行为数据解释的有效性。本论文的研究在上述研究目标的指导下展开,主要的研究内容包括以下几个部分：首先,从实证数据——微博用户行为数据出发,分析微博用户发布微博这一行为是否具有非泊松特征,判断的依据是分析每一个研究对象连续发布微博的间隔时间是服从幂律分布抑或是服从指数分布,同时分析了用户的阵发性、记忆性等指标以及活跃度与幂指数的关系。其次,在得到微博这一行为具有非泊松特征这一结论后,分析研究目前主流的非泊松特性生成机制——Barabasi模型,对于Barabasi模型的研究从三个方面进行,一是按照经典Barabasi模型的理论对此模型进行仿真实现,得到人类行为间隔时间的分布情况；二是研究了到达率λ和服务率μ对时间间隔分布类型和幂指数的影响；三是通过打破Barabasi模型关于到达过程、服务过程以及优先权参数的假设,对于Barabasi模型进行拓展研究。再次,在研究了Barabasi模型的基础上,分析了其适用范围的局限性,结合微博发布这一行为的特点,选择基于优先权的M/D／1休假排队模型对人们处理微博这一行为进行建模,将理论模型得到的结果与微博实证数据进行比较分析,确定模型在微博数据非泊松性生成解释方面的适用性。最后,研究了除任务选择模型以外的其它的非泊松特性生成机制,这部分也是分两个方面进行阐述论证,首先,分析了现有的基于兴趣驱动的模型,对兴趣驱动这一生成机制提出了质疑；其次,针对人类选择行为的本性和内在驱动力,创新性地建立了基于边际效用递减的人类动力学模型。本文是在综合研究了人类行为动力学的经典文献后进行的,在人类动力学实证及生成机制研究方面都有一定的创新,主要的创新点表现为以下几个方面：一是对微博数据进行人类动力学方面的实证分析在已有的文献中没有涉及,因此本文丰富了人类动力学的实证结论。本文通过对目前微博发展现状的分析,确定了将新浪微博用户行为数据作为本文实证研究的研究对象,之后使用爬虫软件爬取新浪微博中“名人堂”中排名前一百名的用户发布微博的时间等数据,对数据进行统计分析,得到微博用户发布微博的时间间隔分布服从幂律分布,幂指数的均值为1.34,不属于1和1.5这两个普适类,且发布微博的行为具有很强的阵发性和很弱的记忆性,阵发性B的均值为0.25,记忆性M近似等于零等结论；同时也对幂指数与活跃度的相关关系进行了研究,得到微博用户发布微博的时间间隔服从的幂律分布的幂指数与用户的活跃度有较强的正相关关系,随着用户活跃度的增加,幂指数不断增加,直到增长到极限值1.5的结论。二是对幂律分布形式等待时间的幂指数的影响因素进行研究,这个研究在以往的文献中也没有给出过；同时对Barabasi模型进行了拓展研究,并通过仿真的手段得到了有价值的结论,这一研究只在一些文献中提出过思路,并没有实现过。本文按照经典Barabasi模型的理论使用MATLAB软件进行仿真实现,得到人类行为间隔时间的分布情况,与实证数据进行比较研究,确定模型的有效性和研究方法的可行性；在确定了MATLAB仿真方法正确性地基础上,使用同样的仿真程序,通过修改到达率和服务率的取值,研究了到达率λ和服务率μ对时间间隔分布类型和幂指数的影响,得到的结论是随着λ的不断减小,用户间隔时间幂律分布的趋势越来越不明显,直到ρ=λ/μ→0时,间隔时间转化为指数分布；当λ的不断减小的过程中,间隔时间分布的幂指数也逐渐减小,一直趋减到极限值1,因此,可以得到幂指数并非只有1和1.5两个普适类,而是在1和1.6之间；随着μ的不断增加,用户间隔时间幂律分布的趋势没有明显的变化,但是用户行为间隔时间分布的幂指数也逐渐增大,一直趋增到极限值1.5；此外,利用MATLAB仿真方法,通过打破Barabasi模型关于到达过程、服务过程以及优先权参数的假设,对于Barabasi模型进行拓展研究,得到如下的结论：当到达过程是幂指数为-1的幂律分布、服务过程是执行率为μ的泊松过程时,服务率在一定的取值范围内时,时间间隔分布是服从幂律分布的,且幂指数在[1,5]之间变动,取值的范围更大；当到达过程是服从指数为λ的负指数分布时,到达过程的服务类型对于时间间隔的分布影响不大,都是服从幂指数在1.5附近的幂律分布,可以看出服务过程的分布类型对于时间间隔的影响不是显著的；在到达过程和服务过程保持不变的情况下,任务所赋予的优先权函数对于时间间隔分布的类型没有影响。三是提出了更适合微博用户行为的带有优先权的休假排队模型,将排队论的思想进一步引入到人类行为研究中；本文选择了基于优先权的M/D/1休假排队模型对人们处理微博这一行为进行建模,通过随机分解的方式进行模型等待时间分布的求解,并依据此模型最终得到等待时间为幂指数为-1.5的幂律分布,与微博实证数据得到的结论基本吻合,说明了此模型在微博数据非泊松性生成解释方面的适用性。四是研究了基于兴趣、边际效用两种生成机制的动力学模型,进行了理论证明,对兴趣驱动模型提出了质疑,创新性地将边际效用这一经济学概念引入到人类行为动力学研究中,构建了基于边际效用递减的人类行为动力学模型。本文分析了基于兴趣驱动的人类动力学模型,得到该模型存在的缺陷,结合现实生活的经验,总结得到人们对某一事物的兴趣先增后减的变化趋势,从兴趣函数选取方面对基于兴趣驱动的人类动力学模型进行修改,得到了更符合实际情况的人类动力学模型,并进行了模型的分析证明,得到了指数分布的等待时间,对兴趣驱动这一生成机制提出了质疑；另外,本文针对人类选择行为的本性和内在驱动力,创新性地建立了基于边际效用递减的人类动力学模型,使用随机点理论对模型进行了理论证明分析,得到了在一般效用函数假设的前提下,人类行为幂指数为[1,∞)的幂律分布,并且通过研究在经典的柯布—道格拉斯效用函数的假设下的人类动力学模型,得到了更广泛的人类行为幂指数取值范围,也说明了边际效用递减规律在非泊松特性生成机制中的有效性。本文的研究成果在实证方面提供了人类行为符合非泊松特性的又一现实证据；理论方面对经典Barabasi模型进行了拓展研究,研究了基于休假排队、兴趣先增后减、边际效用递减等理论的非泊松特性的生成机制,得到了较好的结果,本文对于更好地理解人类行为的非泊松特性、研究非泊松特性的生成机制以及动力学效应等方面都有很强的参考价值。