编者按：通常大家会认为我们的在线社会化交流是完全随机的，但是来自HP实验室的最新研究表明，在很大程度上，这种交流是可以预知的。HP的研究人员采用了最初用来预测基因序列的技术，他们发现过去的社会网络活动记录可以用来对我们未来的交流进行精确的预测，根据Huberman和Wang的论文显示，我们可以仅仅通过分析一个人过去的社会行为来预测这个人未来的社会化行为，证明我们的在线社会化交流并不是完全随机的，认为完全随机的想法是错误的，这一新发现可以帮助我们更好地分析大量的已知社会化数据，并更好地预测人们是如何进行互动的，对于提升企业内部流程以及更高效地接触客户会带来正面的意义。

    HP的研究人员采用了最初用来预测基因序列的技术，他们发现过去的社会网络活动记录可以用来对我们未来的交流进行精确的预测，由此可以显著地改进社会化网络的设计。

    这项研究的作者是HP实验室的Bernardo Huberman以及斯坦福大学的博士研究生Chunyan Wang（研究论文可在本站下载）。该项研究分析了从Epinions和Whrrl两大网站收集到的数据集，包括数十万用户评论以及签到信息，用以探索人们作为个体以及在线团体成员的社会化行为。

    HP高级研究员兼HP实验室社会化计算组主任的Huberman说：“我们发现了一个有趣的现象，当人们以团体的一员而非个体进行活动的时候，他们的行为会更难预测一些。”他强调说，研究发现，与支撑许多在线群体行为的模型的假设恰恰相反，后者认为集体行为会更容易预测一些。

    Huberman补充说：“在过去，通过比较某用户与数百万在兴趣上具有相似之处的其他用户，我们对前者想要寻找的东西或者有兴趣购买的产品进行预测。”

    这一基于统计学的研究方式对于搜索、在线推荐、链接预测以及广告来说的确有效。但是，他说：“这种方式是否对互动性更强的流程依然有效？例如在社会化网络上联系朋友、参与在线讨论以及交换电子邮件或文字信息等等，现在看起来还不明朗。”

    Huberman和Wang的论文显示，我们可以仅仅通过分析一个人过去的社会行为来预测这个人未来的社会化行为。

    “这并不是说我们可以精确地预测人们会去做什么，但是证明了我们的在线社会化交流并不是完全随机的，认为完全随机的想法是错误的。”

    这一新发现可以帮助我们更好地分析大量的已知社会化数据，并更好地预测人们是如何进行互动的。那么，我们就可以更好地改进社会化媒体和服务，它甚至可以被用来改进目前主导着推荐、广告及搜索的统计学算法。

    Huberman建议：“HP可以使用这一发现来了解用户是如何谈论我们的产品的，它甚至可以在企业内部的交流中使用。比如说，我们可以相对准确地预测员工是如何进行相互间交流的，以及他们会采用互联网上什么资源，这对于提升企业内部流程以及更高效地接触客户会带来正面的意义。”

原文链接：http://h30507.www3.hp.com/t5/Data-Central/HP-Research-Predicts-Our-Online-Social-Interactions/ba-p/118727