微博个性化转发行为预测新算法

目前,对微博转发行为预测主要是对所有微博用户的历史数据进行学习,从而得到转发模型.但是这类模型需要对所有用户的转发行为进行全局预测,存在同质性且无法对具体用户进行个性化预测的缺陷.针对这些问题,提出了基于多任务学习的个性化微博转发行为预测算法.对新浪微博进行了数据抓取、分析和特征选择,根据社会学中影响力的理论,针对微博用户之间进行社交信息交流而导致相互影响的特点,引入了多任务学习方法,以逻辑回归预测模型作为基准算法,将预测模型分为全局模型与个性模型进行学习.预测模型把对每个用户转发行为的预测对应为多个任务,根据微博用户间的社交交互对这些任务进行关联.实验结果表明,所提出的模型能够有效地对单个用户的微博转发行为进行预测,并且提高了转发行为预测的准确率.     

基于用户偏好特征的微博转发预测

在线社交网络为信息的传播提供了渠道,但同时也加快了不良信息的传播速度。针对真实场景下新浪微博社交网络中的转发现象,分析了微博网络中用户之间的相互影响关系,以及微博文本内容等特征对受众用户的影响,证明了这些信息对于预测微博转发序列的有效性。提出了一种综合微博用户偏好信息及关系信息的微博转发序列预测方法,该方法使用Transformer编码器分析了微博发布之后的早期转发序列,随后,使用注意力机制处理微博文本信息和其他信息对转发过程的影响,预测下一步可能会转发的用户。从真实社交网络中提取得到微博的转发序列,共涉及14 891位用户,使用提出的方法处理该数据集,实验结果表明,所提方法的概率排名TOP500的准确率达到71%,对比当前同类型预测方法,所提方法的性能提升了约10%。     

基于C-DGCN的信息流行度预测

提出了一种基于上下文依赖的动态图卷积网络（context dependent dynamic graph convolutional network,CDGCN）对在线社交网络进行信息流行度预测,即根据信息的历史转发动态预测将来的流行度。根据信息转发动态构建转发网络,并将转发文本嵌入作为节点属性。C-DGCN基于扩散核的图卷积网络对转发网络进行嵌入,得到空间依赖表示,并输入循环神经网络(recurrent neural network, RNN)学习实时依赖表示。在2020年1月的微博数据集上进行了实验,并将C-DGCN与传统的基于特征设计、基于生成模型、基于深度学习的方法进行了比较。CDGCN的优势在于：1）充分考虑了文本内容对信息传播的驱动作用,建模表示了语义特性变化的影响,捕获了上下文依赖特性;2）扩散核是基于时间延迟特性的,循环神经网络能够捕获实时特性,充分建模表示了信息传播的时-空依赖。     

基于线性加权的微博影响力量化模型

针对当前社交网络中影响力量化多集中于用户维度,而缺乏对信息维度研究的问题,从微博信息入手,以线性加权模型为基础,提出一种结合评论数、转发数并引入转发地域分布信息的微博影响力量化模型(MIQM)。该模型综合考虑了群体对信息的关注度以及信息的扩散模式,并对影响力展开了全局和局部分析。实验结果表明,MIQM局部模型和评论率相关性达0.43,全局模型和转发数相关性达0.98,说明MIQM模型能反映单个微博的影响力,局部模型可突显关注度高的微博,全局模型能描述扩散性广的微博。     

新型单轴拉伸试样制备装置的研制及试验研究

针对当前社交网络中影响力量化多集中于用户维度,而缺乏对信息维度研究的问题,从微博信息入手,以线性加权模型为基础,提出一种结合评论数、转发数并引入转发地域分布信息的微博影响力量化模型(MIQM)。该模型综合考虑了群体对信息的关注度以及信息的扩散模式,并在地域维度对影响力展开了全局和局部分析。实验数据表明,MIQM局部模型和评论率模型相关性达0.43,全局模型和转发数模型相关性达0.98,说明MIQM模型能反应单个微博的影响力,局部模型可凸显关注度高的微博,全局模型能描述扩散性广的微博。     

微博网络中用户主题兴趣相关性及主题信息扩散研究

运用Twitter-LDA主题模型对新浪微博数据进行了主题分析,基于用户主题兴趣相关性的研究表明用户间的主题兴趣具有三度相关性,同一主题兴趣下三度以内粉丝的发文数随用户发文数增加而波动式增加,各度粉丝与用户主题兴趣的相似度随粉丝度数的增加而下降。通过分析比较不同主题类别微博的扩散差异,发现生活情感类的信息最受用户欢迎,不同主题类别微博被转发的概率存在显著差异,平均转发数相差可达10倍,微博信息扩散树中各类主题在微博信息扩散深度、扩散时间间隔和用户的扩散能力方面都表现出不同的特征。     

微博转发预测算法评测系统的建立及性能比较

为解决微博转发行为预测问题,提出了一个基本的预测算法评测系统框架.该系统解决了原始微博数据的抓取和预处理,以及用户微博的转发和忽略行为的判定,微博和用户的特征提取等问题,为解决微博转发行为预测问题提供了技术基础.详细分析了现有文献和工作中的微博转发行为预测算法,阐述了它们的基本原理.通过定量实验分析了不同微博转发行为预测算法的在局部预测问题和全局预测问题方面的性能,并且从算法的原理等方面出发给出了定性的分析.     

基于多Agent的微博社交网络信息传播模型

针对传统微博社交网络信息传播模型没有考虑用户个体差异性和用户强弱关系的问题,本文建立了基于多Agent的微博社交网络信息传播模型。将微博用户抽象为Agent,并定义Agent的属性,分析微博社交网络信息的传播机制,定义Agent之间的交互规则,考虑不同强弱关系下影响用户转发信息行为的因素,通过仿真实验探究个体态度、影响力、个体间认同度等因素对微博网络信息传播的影响。仿真结果表明,微博信息的传播呈裂变式扩散模式,微博用户的态度、影响力等因素对信息的传播起促进作用,所提出的相关影响变量对有效利用与管控微博信息传播具有一定的启示意义。     

微博中的信息传播: 媒体效应与社交影响

该文从媒体性和社交性两方面入手, 区分两种效应对于信息传播产生的影响. 实证分析了新浪微博中大规模的信息转发行为, 发现大规模转发链的信息扩散路径呈现出比较明显的星形结构, 尤其是大度节点对于信息传播规模及传播速度的促进作用非常明显; 另一方面, 发现社交结构中好友的转发行为能提高用户转发的概率, 且关系相对较强的双向好友之间的影响更大.     

基于转发评论的微博语义扩充和分类方法

为了对微博用户、微博文本和微博评论进行分析和研究,提出了一种基于转发评论的微博语义扩充和分类方法.首先在对微博用户类型分析的基础上将微博分为6种类型;然后以信息发布型微博为研究对象,提出了微博评论选择算法,筛选出微博有效评论;再利用基于转发评论的微博语义扩充和分类(comment-based microblog's semantic expansion and classification,CBMSEC)方法,将微博有效评论信息补充进微博语义,改善微博数据稀疏的问题,提高微博的分类性能.     

微博社区中用户行为特征及其机理研究

基于微博数据的实证分析表明,微博用户发布微博的数量及时间间隔均服从幂律分布。通过分析微博用户之间的社会网络关系与用户行为之间的联系,发现微博消息数量的分布幂指数与用户互动指数呈反向关系,且随着互动指数的升高,幂指数的下降趋缓。在排除用户之间的评论、转发行为的影响后,个体用户发微博的时间间隔分布幂指数与用户互动指数呈正相关关系。基于上述实证分析,引入用户间评论转发行为、用户间的社会网络关系作为微博用户行为的驱动因素,提出了一种基于社会关系的动力学模型,模型仿真结果与实际数据一致。     

一种基于话题传播的微博用户影响力分析方法

基于微博话题传播过程,提出了一种新的用户影响力分析方法.该方法首先结合微博信息传播机制,构建信息推送网和信息转发网;其次,基于上述网络建立话题传播网模型并提出CTDN构建算法;最后,以该模型为基础设计并实现了一种用户影响力排序算法TD-InfluenceRank,该算法在迭代计算用户影响力时通过考虑节点间的信息传播,使影响力更多地转移给关系密切的节点.实验结果表明,以TD-InfluenceRank算法为核心的用户影响力分析方法,能够有效提高话题传播中用户影响力分析的准确性.     

基于时空分析的微博演化可视化

针对海量增长的微博信息不利于快速查阅和筛选的问题,在分析微博数据特点的基础上,利用数据挖掘技术和信息可视化技术的有机结合,开发了基于时空分析的微博演化分析系统。该系统侧重于对热点事件所涉及的微博信息的演化分析,在关注热点事件从发生、爆发到最终消亡的同时,更加关注当前热点的微博用户群体的情感分析、关键用户追寻、发布时序分析,并在侧重时间演化过程的同时关注于热点事件的空间地理信息分析。该系统广泛适用于普通微博用户、新闻机构、政府机关等单位。     

基于部分路径的社交网络信息源定位方法

随着微博、微信等在线社交网络的快速发展,社交网络上的不实信息呈现爆发式的传播,往往会引起严重的后果,如何寻找谣言等不实信息在社交网络中的传播源头具有重要的应用意义。该文提出一种面向在线社交网络的信息源点定位方法,与现有的基于观察点的定位方法不同,该方法考虑了传播过程中信息普遍带有的部分传播路径,并以此重构传播过程,修正传播子图,从而更准确地定位信息源点。在模型网络及实际网络上进行实验,说明了该算法的有效性。     

基于PageRank的用户影响力评价改进算法

为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and Followers User Influence Rank)SF-UIR.运用用户追随者数、用户是否认证、用户微博的传播能力三个指标对用户自身影响因素进行了量化,改善了PageRank值对用户影响力评价客观性差的问题.采用权重因子将追随者对其所关注用户的影响力贡献值进行科学的量化分配,解决了追随者影响力等值传递的弊端.与四类主流算法的对比实验结果表明:SFUIR算法同时考虑了基于用户行为的自身影响因素和基于拓扑结构的追随者影响因素,能够有效地解决追随者数量排名算法中的"僵尸粉"干扰问题,能比平均转发数算法更真实地反映用户的影响力高低,能有效规避K-覆盖度算法中未考虑微博用户自身行为特征和将所有的追随者都一视同仁的严重缺陷,能极大地改进PageRank算法单纯依赖追随者数量和追随者质量的不足,从而能够更加全面、更加客观地反映微博用户的影响力.     

一种无线传感器网络能量均衡路由算法

将无线传感器网络路由视作一种不完全信息的序列决策问题,针对传感器网络能耗不均的问题,提出了一种基于强化学习预测的能量均衡路由算法EBRRLP.该算法通过强化学习预测转发节点的行为,并利用ε贪婪策略选择预测值最优的节点发送数据,事后采取委托-代理激励制度抑制转发节点的自私性,维护节点的最大效用.仿真实验结果表明,EBRRLP算法具有较好的预测效果和较高的吞吐量,能有效降低能量损耗并均衡能量负载,其性能优于现有的其他算法.     

试论旅游企业的微博营销策略

微博的出现,极大地改变了人们进行信息传播的方式,使旅游企业获取客户消费体验、开展口碑营销成为了可能。文章提出组建微博营销团队、持续提供有价值信息、认真回复留言、关注用户体验、主动与意见领袖合作等营销策略。并指出旅游企业应将微博营销作为一个中长期的战略,并且持续不断投入资源、坚定不移贯彻该战略,才能取得成功。     

Multi-wave forward modeling of a reservoir and AVO analysis

In the process of accurate interpretation of multi-wave seismic data,we wanted to solve the problem of multi-wave information recognition.Based on techniques of elastic wave forwarding,targeting the geological model of a reservoir of an oil field exploration area,we used a high-order staggered-grid difference technology to simulate many shots of seismic records of nonzero offset shots,implemented multi-wave seismic data processing to acquire the CMP of P waves and converted waves,NMO traces of CCP pre stacks,including AVA information and superposition profiles.Based on the AVA calculation of the model,the layer parameters of the model and the forwarding wave field relations of the P-S wave,we also compared and studied the correspondence between P waves and converted waves.The results of our analysis show that the results from simulation and from the AVO analysis are consistent.Significant wave field differences between P waves and converted waves in the same reservoir were found,which are helpful in recognizing and interpreting the multi-wave information in this area.We made use of the multi-wave data to provide the important guidelines for reservoir prediction.     

基于观点挖掘的突发事件微博意见领袖识别方法

基于意见领袖概念的本质,运用观点挖掘技术研究突发事件中微博意见领袖的识别,为网络舆情治理提供参考.提出三步识别方法框架:首先采用文献分析法构建指标模型,评价微博博主的信息影响力;其次构建文本主客观分类模型,计算高影响力博主事件相关博文的观点输出性,识别观点博文;然后针对观点博文的评论文本构建情感极性分类模型,计算博文观...