基于应答关系网络的QQ群意见领袖发现*

意见领袖是社交网络和社交媒体中的重要节点,是信息传播的关键性因素。在QQ群聊天中由于参与用户较多,各种话题比较繁杂,因此识别其中的意见领袖比较困难。基于此提出一种基于应答关系来挖掘QQ群中意见领袖的方法,该方法首先构建回应词词库,然后基于Aho-Corasick算法来匹配聊天文本中的回应词数据,构建出用户应答关系的网络结构,最后使用社交网络中重要节点识别的方法来发现意见领袖。该方法对QQ群中的意见领袖发现具有较高的准确率,在融合QQ群用户交互社交网络的节点重要性特征后,能够达到更好的意见领袖发现效果。     

社交网络中基于K核分解的意见领袖识别算法

针对在社交网络中挖掘意见领袖时存在的计算复杂度高的难题,提出了一种基于K核分解的意见领袖识别算法CR.首先,基于K核分解方法获取社交网络中的意见领袖候选集,以缩小识别意见领袖的数据规模;然后,提出包括位置相似性和邻居相似性的用户相似性的概念,利用K核值、入度数、平均K核变化率和用户追随者个数计算用户相似性,并根据用户相...     

基于PageRank的网络社区意见领袖发现算法

意见领袖是网络社区中积极的信息传播者和信息引导者,对其影响力的评估是社交网络分析的一项重要内容。针对现有算法对用户动态行为分析和动态内容影响考虑欠缺而不能客观反映真实情况的问题,提出一种基于用户影响力和PageRank的意见领袖发现算法,综合考虑用户自身影响力、用户动态行为影响度和用户行为给动态内容带来的真实影响。通过从知乎网络社区收集的大规模数据实验结果表明,该算法更具合理性并能有效地提高网络社区意见领袖的识别准确度。     

基于用户关系与属性的微博意见领袖挖掘方法

提出一种结合用户关系与用户属性的挖掘方法.根据微博特征构建微博用户关系网,采用小世界网络理论确定用户的中心性,以此获得基于用户关系的候选意见领袖.通过分析微博用户属性,建立意见领袖影响体系,提出D-means聚类算法,获得基于用户属性的候选意见领袖,结合2种候选意见领袖得到最终意见领袖.实验结果验证该方法在挖掘意见领袖上比现有方法更加准确有效.     

改进LeaderRank算法的意见领袖挖掘

意见领袖挖掘是社会网络研究的重要课题,对于舆情控制、信息传播等方面具有重要意义。LeaderRank算法是一个有效的意见领袖挖掘算法。为提高LeaderRank算法的准确性和抗干扰能力,在LeaderRank算法基础上,加入用户之间的情感倾向、用户活跃程度,提出了改进的LeaderRank算法。基于SIR模型的实验验证表明,改进算法的准确性和抗干扰能力均得到了有效提升。     

面向主题社团的意见领袖挖掘方法

意见领袖在不同的主题社团下对舆情的传播影响力是不同的,为了在社交网络中快速准确挖掘出意见领袖,提出一种面向主题社团的意见领袖挖掘方法。根据提出的兴趣隐含狄利克雷分布（Interest Latent Dirichlet Allocation,I-LDA）主题模型得到主题表达能力更强的主题分布,并在此基础上计算相邻用户的主题相似度。采用基于主题相似度的多标签均衡社团划分算法划分主题社团,使相似度大的用户被划分到相同的主题社团中,由此进一步提升社团划分的准确性与合理性。对于意见领袖的挖掘,提出一种快速意见领袖挖掘算法（Quickly-Ming Opinion Leader Algorithm,QMOLA）,先通过结构特征筛选出主题社团中的意见领袖候选人,再结合传播特征和情感特征挖掘主题社团中的意见领袖。对比实验结果表明,QMOLA相对于传统的意见领袖挖掘方法在挖掘效率上具有明显的优势,而且挖掘出的意见领袖具有更高的覆盖率和支持率。     

基于时间变化图的网络论坛意见领袖识别算法

针对现有意见领袖识别算法难以捕获网络的动态特性这一现状,提出了一个基于时间变化图的网络论坛意见领袖识别算法。该算法将网络论坛的演变描述为一连串静态图,每一幅图代表一个给定时间窗口内用户间的所有交互。依据构造的量化指标识别不同时间窗口内的潜在意见领袖,这些意见领袖然后和其他时间窗口上的意见领袖相匹配以便识别随时间推移的真正意见领袖。实验结果证实了该算法的可行性和有效性。     

基于多关系网络的话题意见领袖挖掘

社交网络中的意见领袖在信息传播过程中起着重要的作用。传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系。本文提出一种基于多关系网络的话题意见领袖挖掘方法（Multi-relational networks, MRTRank）,融合话题因素和节点间多种交互关系,通过一种属性网络表示学习算法,得到不同节点在多关系网络上的相似性,形成节点的转移概率矩阵,最终通过PageRank算法得到top-k个意见领袖。在真实Twitter数据集上的实验结果验证了本文提出的方法优于传统的意见领袖挖掘算法。     

特定话题传播网络中的意见领袖检测方法

针对中文微博目前已有的意见领袖识别模型存在的不足,提出一种特定话题转播网络中的意见领袖检测方法.识别模型通过转发关系建立信息传播网络,以用户自身权威值和转发用户的支持力来评价用户的影响力.通过对微博两周以来特定话题下意见领袖的检测实验,结果表明该方法能够有效地识别特定话题下的意见领袖.     

基于多重链接的微博网络节点权重计算方法

随着Web2.0技术的发展,微博网络已成为当前互联网中非常流行的网络应用,以即时性、碎片化、聚合性为特点的信息传播特性受到广大用户的欢迎。意见领袖在信息传播过程中发挥了重要的推动作用,有效地识别网络意见领袖,对于提高信息传播效果和可控性具有重要的现实意义。根据微博网络特点,提出一种基于多重链接的微博网络节点权重计算方法,根据节点权重计算结果并排序来识别意见领袖。采用T-Test、Kendall-tau和Spareman Rank三种统计学检验标准对不同的意见领袖识别算法进行对比实验,同时还对算法的准确率和召回率以及计算时间进行了实验。实验结果表明,从意见领袖识别能力、准确率和召回率以及计算时间等综合指标来看,该方法更具优势。     

A social recommendation method based on opinion leaders

With the rapid development of information technology, social media has been widely used, and Internet information has been exploded, and consumers may experience information overload. Recommender systems using the social recommendation method that integrates social relationship information can provide users with target information that meets their needs. However, most of the existing methods only rely on the user’s ordinary friends to make recommendations, neglecting another influential group, the opinion leaders. In this study, we propose a new social recommendation method based on opinion leaders. The proposed method assumes that the influence of the opinion leader on the user is much greater than that of the user’s ordinary friends. The experimental results on two real datasets show that the proposed method not only has a better recommendation effect than the state-of-the-art recommendation algorithms, but also has a good performance in the cases of cold-start users.

     

基于情感分析和影响力评估的突发事件情感图谱

针对突发事件中负面网络舆情传播的问题,提出了一种基于情感分析和影响力评估的突发事件情感图谱研究方法。提出了一种基于多头自注意力机制和双向长短期记忆网络（Bi-LSTM）的情感分析模型来计算网站用户的情感倾向,并提出了一种融合加权度与K-shell值的节点影响力评估算法来评估用户的影响力,从而综合构建突发事件的情感图谱,有效提高了情感图谱的准确性和科学性。以“7.7安顺公交车坠湖事件”为例,将突发事件的生命周期划分为爆发期、蔓延期、成熟期和衰退期四个阶段,分别生成情感图谱进行可视化分析。实验结果表明,在酒店评论数据集上,所提出的情感分析模型的F1值在积极和消极方面比文本循环神经网络（Text-RNN）模型分别提升了9.92个百分点和2.5个百分点;在Karate网络上,所提影响力评估算法的区分度和准确性比K-shell算法分别提升了46.89个百分点和29.05个百分点。构建基于社交网络的情感图谱有助于相关部门发现意见领袖及其情感倾向,从而把握网络舆情的发展趋势,并降低消极情感对社会造成的影响。     

网络社区中的意见领袖特征分析

本文通过社会网络分析方法识别网络社区中的意见领袖.首先对意见领袖存在的人际关系网络结构特征进行分析,对比论坛、博客和问答网络之间的区别,提出基于无向、有权重网络模型更能真实准确地识别意见领袖.并基于该网络模型研究和分析了网络论坛结构特征,通过测量其小世界和无标度的复杂网络特征,定量分析意见领袖存在的社会性根源.其次提出...     

微博消息传播中意见领袖影响力建模研究

在微博网络中,消息的传播与意见领袖的影响力密切相关.然而,意见领袖在消息动态传播过程中所表现出的影响力难以量化衡量,这对意见领袖影响力的评估和消息传播趋势的预测带来了巨大挑战.针对这一问题,提出一种基于消息传播的微博意见领袖影响力建模与测量分析方法.在分析消息传播模式的基础上,采用动态有向图描述消息在微博网络中的传播过程;发现该过程可近似分解为由各个意见领袖所驱动的子过程,根据对意见领袖影响力属性特征的分析发现,该子过程可以由指数截断的幂律衰减函数来描述.对模型中各个参数进行估计,可以定量地衡量意见领袖在消息传播过程中的初始影响力、影响力衰减指数及其影响力持续时间等指标.结合新浪微博数据的分析结果显示:消息的传播范围与传播过程中参与传播的意见领袖的数量呈弱相关;虽然意见领袖的初始影响力与其粉丝数量的大小正相关,但影响力衰减指数的大小以及影响力持续时间的长短与粉丝数量几乎无关.最后,采用所建模型对真实微博消息的传播趋势进行预测,结果表明,所提模型能够较好地对热门消息的传播趋势进行预测,这对微博中公众舆论的控制及广告定点投放具有重要意义.     

面向新浪微博的意见领袖挖掘算法

当前的影响力分析算法大多基于网络拓扑结构或用户交互信息,然而单一方面的方法会使挖掘结果出现较大的偏差,目前缺乏全面准确的影响力挖掘方法。本文通过对传统PageRank算法进行扩展,提出一种面向新浪微博的基于用户交互度连接属性的TCRank算法;其次设计了3种微博意见领袖特征指标,并对其加权求和用于意见领袖候选集的精化操作;同时提出一种基于卷积神经网络模型的情感支持度的意见领袖抽取算法,对意见领袖候选集进行最终排名。最后,通过实验验证所提出算法的有效性。     

虚拟学习社区中意见领袖识别模型研究

虚拟学习社区是传统教育突破空间资源限制形成的便捷性学习环境,其中意见领袖是构成社区信息通路的重要角色,对其他用户有强大的影响力。为了准确识别社区中的意见领袖,构建出虚拟学习社区网络,分析各用户的中心性和社会网络角色特征,选取入度、出度、介数、特征向量中心性、用户活跃度、用户帖子转发量、用户帖子评论量等七个特征值作为筛选条件,结合基于K-means的用户聚类算法,提出基于K-means算法的意见领袖识别模型。最后,将该识别模型应用于某虚拟社区,根据各个聚类子类的特征向量,提取理论意义上的意见领袖集合。实验证明,获取意见领袖集合具有很高的准确性,识别出的意见领袖均处于中心者或桥梁位置,占据着社会网络的优势位置,在虚拟社区中承担着核心或中介等特殊作用。     

Extracting news blog hot topics based on the W2T Methodology

Although topic detection and tracking techniques have made great progress, most of the researchers seldom pay more attention to the following two aspects. First, the construction of a topic model does not take the characteristics of different topics into consideration. Second, the factors that determine the formation and development of hot topics are not further analyzed. In order to correctly extract news blog hot topics, the paper views the above problems in a new perspective based on the W2T (Wisdom Web of Things) methodology, in which the characteristics of blog users, context of topic propagation and information granularity are investigated in a unified way. The motivations and features of blog users are first analyzed to understand the characteristics of news blog topics. Then the context of topic propagation is decomposed into the blog community, topic network and opinion network, respectively. Some important factors such as the user behavior pattern, opinion leader and network opinion are identified to track the development trends of news blog topics. Moreover, a blog hot topic detection algorithm is proposed, in which news blog hot topics are identified by measuring the duration, topic novelty, attention degree of users and topic growth. Experimental results show that the proposed method is feasible and effective. These results are also useful for further studying the formation mechanism of opinion leaders in blogspace.