在线社会网络的数据采集方法的研究

在线社会网络是一个由亿万级用户及联接关系构成的大规模集合,其中以新浪微博为典型代表,目前已经成为人们日常交流的重要方式.如何在新浪微博中分析其用户的特征和网络拓扑结构成为研究在线社会网络的基础,利用新浪微博开放平台提供的API采集数据,实验证明,该方法切实可行.     

新浪微博与Twitter的特性对比研究

随着微博客服务的流行,越来越多的用户在微博上用其在线账号进行交流,使真实世界的人们和微博中的用户形成了一一映射.无论是新浪微博本身还是新浪微博中的用户都有很多独特的特性.本文利用新浪微博用户关系网络中的弱连接组件(Weakly Connected Compo-nent)对新浪微博的很多重要特性进行了讨论.同时,又进一步分析了新浪微博与Twitter在网络结构和同质性方面的相同点和区别.与Twit-ter相比,新浪微博的关系分布指数不对称,同质性也更低,并且本次研究还在新浪微博中发现了中国用户的"北漂"现象,这些都反映出中国社会和用户独有的特征.     

新浪微博数据获取技术研究

随着微博在人们日常生活中的广泛使用,微博信息的数据获取成为研究微博的基础和保证。该文提出基于新浪微博开放平台与基于网络数据流的微博数据获取方案。前者通过程序调用新浪微博应用编程接口(API),针对API提供的数据进行分类别归一化解析储存。后者采取捕捉网络信道实时数据流方式,可对指定地域微博用户的网络行为进行实时监控。通过程序调试和实验测试,两套方案的有效结合可实现对新浪微博数据的高效全面获取。     

灾难事件后微博的社会动员功能研究——以雅安芦山重大地震灾害为例

灾难事件发生后,民间力量可以通过网络进行自发性社会动员,来弥补政府力量的盲区.通过对雅安芦山重大地震灾害发生后新浪微博中热门微博的内容分析,发现微博在灾后发挥的社会动员功能主要体现在信息发布、信息对接和精神激励等方面,灾难事件后人民群众利用微博汇集民智民力,从而提高了灾害救援和救助的效率.     

微博用户关系研究

本文以新浪微博为例,通过抽样分析来对微博中的社会网络进行研究。文章通过对明星用户之间和普通用户之间的网络密度分析、中心性分析和距离分析来了解微博用户的群体特征。重点讨论了微博用户之间所存在的社交关系以及信息是如何在这样的社交关系中进行传播的。     

浅析Web2.0网络环境下的名人效应——以新浪微博为例

Web2.0时代下的互联网实现了网络的"去中心化",网络开始变得平民化,其中微博是Web2.0最具代表性的成果。一方面,微博具有便捷性、及时性、互动性等特点,另一方面,微博使用了名人营销策略,从而吸引了众多网民。在此背景下,名人微博能够产生一些社会效应,包括积极的社会导向作用,推动网络公益,但也可能存在一些问题,比如语言暴力问题以及信任危机问题。因而应当利用好网络的名人效应,营造一个良好的网络文化环境。     

一种基于MapReduce架构的微博用户影响力评价算法的设计与实现

随着互联网的高速发展和Web2.0时代的到来,微博用户正以惊人的速度在增长.新浪微博现以粉丝数作为用户排名的依据,在僵尸粉和大量低使用率帐号的影响下,这种简单的排名依据难以表征用户的影响力.本文以海量新浪微博数据为分析对象,在分布式系统上构建微博用户的影响力评价模型.文章主要以微博用户的转发网络计算微博用户的微博影响力,再利用关注关系计算微博用户的潜在影响力,最后合成微博用户影响力的评价模型.实验及分析表明,该评价方法在微博服务中能有效的反映微博用户的真实影响力,适用于度量微博用户的影响力.     

面向舆情监测的微博转世账户研判模型

微博社交网络在在线社交平台中扮演着重要角色,微博言论对网络舆论的贡献越来越大,网络舆论监测存在巨大挑战。转世账户是在网络舆论监测过程中出现的一类特殊的账户。加强这些账户的监测力度对于监测网络舆论有着很大的意义,实施监测的首要前提是发现这些账户。针对转世账户的特点进行模型设计,提出了一种基于时序和相似性的转世账户研判模型,并基于新浪数据进行了有效性的验证。     

基于微博网络的信息传播模型

微博（Microblog）中信息传播的面积、速度、效率都得到了极大提高,研究信息在微博中的传播规律,对控制和引导舆论具有非常重要的理论价值和现实意义。结合信息在微博网络中的传播规则和微博网络的拓扑结构,通过构建一种新的基于微博网络的信息传播模型,并在实际新浪微博拓扑子网中模拟信息流向,得到如下结论：当信息敏感度大于某一临界值后,明星用户在信息扩散中的意见领袖角色随着信息敏感度的增加而逐渐弱化,当信息敏感度趋于1时,明星用户在信息传播中的优势趋于0。     

灾难事件后微博的社会动员功能研究——以雅安芦山重大地震灾害为例

灾难事件发生后,民间力量可以通过网络进行自发性社会动员,来弥补政府力量的盲区。通过对雅安芦山重大地震灾害发生后新浪微博申热门微博的內容分析,发现微博在灾后发挥的社会动员功能主要体现在信息发布、信息对接和精神激励等方面,灾难事件后人民群众利用微博汇集民智民力,从而提高了灾害救援和救助的效率。     

基于胜任力模型的社交网络意见领袖识别方法

提出了社交网络意见领袖的胜任力模型,模型中包括社交网络意见领袖所应具有的信息生产、信息传播以及信息影响3大能力要素及各个显性和隐性行为指标。根据胜任力模型,将社交网络用户划分为普通大众、活跃分子、主题意见领袖和网络意见领袖等4类,设计了意见领袖的层次筛选流程和筛选实验系统框架。以采集到的新浪微博数据为例,通过整合主题分类工具MALLET及多种社交网络分析工具,再采用Python语言针对特定功能编程,实现了意见领袖的识别。实验验证了识别模型的有效性和层次筛选方法的可行性。     

一种微博用户情感影响者发现模型

情感在微博网络中传播并感染用户,对微博网络甚至现实世界都有重要影响.发现具有情感影响力的用户(情感影响者)对社会管理或制定市场策略等具有重要意义.本文建立了包含两种节点(用户,微博)和三种关系(转发,关注,发帖)的异质微博网络,利用微博情感相似性和用户情感行为相似性将其转化为只包含用户节点的同质网络,进而在该网络中使用随机游走模型发现情感影响者.贡献包含以下方面:利用微博情感相似性和用户的情感行为相似性验证了本文所构建微博网络的情感同配性,确认了情感影响在该网络中存在;提出EmotionRank模型用以寻找情感影响者;基于微博数据的实验结果有效验证了该模型的有效性和优越性.     

基于社会系统响应函数的在线群体分类研究

该文致力于丰富在线群体的研究体系,为未来探索深层次科学问题提供支撑。讨论了在线群体与在线话题的定义及常见分类方式。重点展现了一种全新的依据观测社会系统响应函数的趋势将在线话题分为4类的定性研究方法,即外源性首要传播型话题、外源性次要传播型话题、内源性首要传播型话题和内源性次要传播型话题,并且进一步以此区分讨论不同类型话题的在线群体。同时,明确地提出了规范的使用步骤与实际操作时可能遇到的问题及解决方法。最后尝试运用该方法来估计以新浪微博与百度贴吧为代表的在线社交网络平台中各类话题群体的分布情况。     

面向新浪微博的信息溯源技术研究

随着微博的高速发展,微博信息溯源成为信息内容安全管理的重要研究内容之一.此前的信息溯源研究中,事件数据纯度不高,且用户影响力涉及的因素考虑得不够全面,本文即针对以上问题进行研究.首先,由于微博信息采集过程中,得到的数据纯度较低,对大量的新浪微博数据进行事件聚类,得到某一具体事件的相关微博.接着,为了得到更合理的用户影响力数值,针对具体事件涉及到的用户,考虑多个因素,进行用户影响力分析,得到用户的影响力数值.最后,综合考虑微博的发布时间和用户影响力数值,使用Hacker News排序算法,对具体事件进行信息溯源.最终分析得出了事件传播过程中,发布时间较早,且用户影响力较大的一篇微博为事件源头.     

Identification of Key Nodes in Microblog Networks

A microblog is a service typically offered by online social networks, such as Twitter and Facebook. From the perspective of information dissemination, we define the concept behind a spreading matrix. A new WeiboRank algorithm for identification of key nodes in microblog networks is proposed, taking into account parameters such as a user's direct appeal, a user's influence region, and a user's global influence power. To investigate how measures for ranking influential users in a network correlate, we compare the relative influence ranks of the top 20 microblog users of a university network. The proposed algorithm is compared with other algorithms — PageRank, Betweeness Centrality, Closeness Centrality, Out‐degree — using a new tweets propagation model — the Ignorants‐Spreaders‐Rejecters model. Comparison results show that key nodes obtained from the WeiboRank algorithm have a wider transmission range and better influence.     

高校BBS与微博的用户社交行为特征分析

为了扩大信息宣传渠道传播校园正能量,高校会使用官方微博发布BBS的一些关键信息。通过对一个高校BBS微博的研究,实现了一种将微博社交信息反馈至BBS的信息抓取与编辑系统。在此基础上,分析微博用户社交行为特征,提出紧密度和亲密度的概念,很好地实现了用户间的好友关系及关注度。特殊标点符号对微博话题的提取能提供很大的帮助,通过比较基于词典与表情符号和基于不同词典的评论情感分析,得出综合网络词典和表情符号的方法能取得更好效果。     

基于交互行为的在线社会网络水军检测方法

网络水军对广告、谣言、木马和恶意链接进行传播,不仅干扰用户对在线社会网络的正常访问,还可能引发网络安全、社会稳定等方面的问题。针对网络水军信息传播的特点,提出基于交互行为的信息传播模型。模型根据不同传播主体间的交互定义特征来量化传播行为,使用决策树方法对水军传播的信息进行检测。通过新浪微博的真实数据分析传播模型并验证检测方法,结果表明检测方法能够对微博中水军信息进行有效检测。     

基于区域交互模型的SNS网络用户影响力评估

针对现有方法与模型未能准确体现不同距离用户之间真实交互行为的问题,提出了一种基于用户区域交互模型的用户影响力评估方法。区域交互模型利用影响力传递的不同方式,刻画不同距离之间用户的交互行为模式,能更为真实准确地反映在线社会网络用户之间的交互行为。通过计算用户对相邻用户的显性影响力与非相邻用户的隐性影响力,可有效识别在线社会网络中大影响力用户、僵尸粉用户等不同类型用户。基于新浪微博与人人网真实数据开展用户影响力评估以及相应的用户角色识别实验,结果显示,与现有方法相比,基于区域交互模型的识别方法可以准确有效地识别出在线社会网络中的大影响力用户、僵尸粉用户等各类型用户。