1、iPhone的誕生從很大程度上促進了傳統(tǒng)社交網絡的移動化趨勢，現(xiàn)如今移動社交網絡已經成為人類日常生活中必不可少的一部分。Twitter和Path等高質量的移動社交網絡能夠在短期內積累大量用戶，而Facebook、人人等大型傳統(tǒng)社交網絡服務也在加快移動設備的部署。我國最大的移動社交網絡是新浪微博，截至2012年6月已經積累了3.5億用戶，其中超過60％的用戶使用移動設備進行登陸。
　　 由于移動社交網絡與復雜網絡模型的相似性，可以

2、將移動社交網絡用戶作為節(jié)點，用戶與其他用戶之間的關系作為該節(jié)點的有向弧，構造復雜網絡模型。本文以新浪微博作為研究對象，克服網絡爬蟲局限性，依據新浪微博開放平臺API接口限制，構造算法，在保證內存分配的情況下減少對API的調用，共收集了2999個用戶節(jié)點、232623條連邊的樣本，構造模型并對其從三個方面進行了研究:
　　 在復雜網絡結構及特性方面，本文通過計算發(fā)現(xiàn)樣本網絡的平均入度達到了77.57，而最大直徑為6，驗證了六度分離

3、理論在新浪微博用戶網絡中是成立的。本文發(fā)現(xiàn)該樣本網絡的入度分布服從冪率分布形成了一個無標度網絡;出度分布服從指數(shù)分布形成了一個ER隨機圖。在新浪微博與Twitter的比較中發(fā)現(xiàn)新浪微博的網絡密度和節(jié)點重要性控制都不如Twitter。
　　 在復雜網絡魯棒性方面，通常的研究方法是針對復雜網絡進行結構上的隨機故障與蓄意攻擊的模擬，此外，本文還進行了一種更符合實際情況的蓄意性隨機攻擊模擬。蓄意性隨機攻擊模擬要求在進行攻擊時，依概率損毀

4、重要節(jié)點，改變節(jié)點狀態(tài)，使之成為普通節(jié)點，對普通節(jié)點則直接進行刪除。蓄意性隨機攻擊更適合新浪微博網絡中用戶遭受攻擊侯的實際情況。模擬最終發(fā)現(xiàn)新浪微博網絡具有出入意料的魯棒性。
　　 在復雜網絡的用戶群體發(fā)現(xiàn)方面，本文介紹了社團結構的定義以及劃分社團結構的兩種方法——譜系聚類算法以及GN算法。本文采用譜系聚類方法進行了節(jié)點聚類，并首次繪制出了新浪微博的兩種網絡結構圖，在研究中并未發(fā)現(xiàn)明顯的社團結構。
　　 本文最后，對移動