微博网络信息传播研究综述

微博作为一种新型的社交网络平台, 以其使用方式便捷、传播迅速、交互性强等特点, 在信息分发和舆论传播方面发挥了非常重要的作用。简要介绍了微博的相关机制, 分析了微博信息的传播特征以及影响信息传播的三大因素, 对目前研究所使用的信息传播模型进行了分类, 重点综述了基于传播过程的模型、基于影响力的模型以及基于转发因素的模型, 并对这三类模型的优缺点作了比较分析, 提出了该领域的研究方向和目标。     

信息传播网络推断综述

信息的传播扩散可以建模为在潜在传播网络上发生的随机过程.由于在实际应用场景中,潜在的传播网络拓扑结构和清晰的传播过程往往是不可见的,因此根据观测到的传播结果,如节点感染时间、状态等信息,推断传播网络拓扑结构,对于分析与理解传播过程、跟踪传播路径以及预测未来传播事件起着重要作用.近年来,传播网络推断问题吸引了众多研究者的 目光.文中对近年来的信息传播网络推断工作进行系统性的介绍和总结,为传播网络推断提供一个新视角.     

融合社交网络用户自身属性的信息传播数学建模与舆情演化分析

针对传统的社交网络信息传播模型极少将用户属性和信息特征这两个因素纳入到信息传播模型研究中的不足,该文提出了一种基于用户自身属性的信息传播模型。首先该文抽取用户影响力、用户态度、用户年龄、信息能量、信息价值等特征并构建交互规则;其次,根据这些特征建立信息传播的数学模型,模拟社交网络舆情演化过程;最后,为验证模型的有效性,开展了与真实事件的实证分析对比实验。实验结果表明: 仿真结构与真实数据的相似度大于0.97,因而该模型符合社交网络舆情信息传播的特性,能够较为准确地描述社交网络中的舆情传播过程。     

基于社交网络的信息传播模型分析

随着社交网络的蓬勃发展,网络舆论的控制变得越来越重要。信息传播模型能够揭示信息传播的规律,从而达到对传播过程进行预测的目的,因此社交网络信息传播模型的研究具有重要意义。针对经典传染病模型的不足进行了分析,结合社交网络的网络拓扑特点,考虑了网络中用户的不同感染状态,引入感染用户的衰减函数,提出了适合社交网络的信息传播模型。在真实E-mail网络中进行模型仿真,对比分析了不同模型的结果,研究了模型中各个影响因子对传播过程的影响。结果表明：不同的模型参数反映了传播趋势的差异,模型反映出的传播规律更符合信息在现实网络中的传播过程。     

H7N9疫情背景下的微博信息传播特性研究

自主研制微博爬虫系统WeiboCrawler。针对2013年3月爆发的甲型H7N9流感疫情,使用该系统抓取了新浪微博中与该主题相关的数据集,包括用户信息、原创和转发博文信息。以原创博文为根节点,基于转发关系采用递归方法构造博文转发树,为了严格、清晰地描述微博信息传播过程,对博文转发树进行形式化定义,进而研究微博信息传播过程及转发树的大小、深度、宽度等结构特性。结果表明:博文转发树的结构特性分布符合长尾分布,博文转发树具有深度小、密度大的结构特性;博文流行程度取决于博文转发树的宽度,而与博文转发树的深度无关;在博文转发的不同阶段,信息传播表现出相似的传播特性。考虑微博平台信息传播的特点以及博文转发树的结构特性,结合Galton-Watson分支过程,给出一种新的信息流传播模型,使用该模型对博文转发树的大小、深度、宽度三项结构特性进行仿真,发现该模型能较准确地体现信息传播的结构特性。     

新浪微博网信息传播分析与预测

文中以新浪微博为研究对象,以分析新浪微博的信息转发与传播特征为研究目的,并对传播行为进行预测.在获取大量新浪微博在线数据的基础上,对各种可能影响用户转发行为的因素进行统计、分析,挖掘各种影响因素特征并进行建模.提出基于用户属性、社交关系和微博内容三类综合特征,使用机器学习的分类方法,对给定微博的用户转发行为进行预测.基于微博网关注关系拓扑,利用概率级联模型对给定微博的转发路径进行预测,为预测微博的影响范围提供依据.文中通过实验分析了新浪微博符合复杂网络特征、社交类特征对转发行为有重要影响,并验证了传播预测的有效性.     

微博信息传播预测研究综述

微博已经逐渐成为人们获取信息、分享信息的重要社会媒体,深刻影响并改变了信息的传播方式.针对微博信息传播预测问题展开综述.该研究对舆情监控、微博营销、个性化推荐具有重要意义.首先概述微博信息传播过程,通过介绍微博信息传播的定性研究工作,揭示微博信息传播的特点;接着,从以信息为中心、以用户为中心以及以信息和用户为中心这3个角度介绍微博信息传播预测相关研究工作,对应的主要研究任务分别是微博信息流行度预测、用户传播行为预测和微博信息传播路径预测;继而介绍可用于微博信息传播预测研究的公开数据资源;最后,展望微博信息传播预测研究的问题与挑战.     

自然灾害事件信息在微博中的传播规律发现与研究

随着互联网技术的飞速发展,在线社交网络已与每个人的生活密不可分。当发生重大事件时,许多在线社会网络用户会在社交平台上发表与该事件相关的信息,然而社会网络关系错综复杂,信息量如洪水猛兽般,给舆情管控工作带来重大困难。本文将关注点聚焦到微博中自然灾害类事件,通过统计分析的方法挖掘潜藏在事件表面下的信息传播规律,为舆情管控提供合理有效的建议。     

基于行为预测的微博网络信息传播建模

研究微博网络中的信息传播及扩散机制在市场营销、舆情管控等方面具有重要意义。当前的传播模型大多忽视了用户间的个体差异。为解决这一问题, 提取了影响转发行为的四类特征, 利用机器学习中的逻辑回归模型分析预测个体转发行为, 并在此基础上融入用户个体差异, 建立了一种基于行为预测的信息传播模型。实验表明, 该模型能较好地模拟真实网络中的信息传播过程。     

在线社交网络的信息传播

定位和溯源是控制信息传播的基础,理解和研究信息传播过程则是溯源的前提.在线社交网络(online social network,OSN)是网络生活的重要内容,用户在在线社交语境中进行的一系列活动从本质上来讲都是在进行信息交互,针对这一语境下信息扩散的特征,综合现有研究中的传染病传播模型的设计思路,基于CSR模型,提出一种新型的模型CSRR,为在线社交网络的进一步分析提供重要的参考和依据,同时为公安机关的侦查工作和舆情监管提供技术支持.     

支持隐私保护的社交网络信息传播方法

社交网络影响力传播重点关注如何使用少量的种子集合在社交网络中产生尽可能高的影响力,并将转发作为信息传播的唯一方式,忽略了其他传播方式,例如用户可通过发布一条与所见信息内容相似的信息来进行传播,这种传播方式(称为转述)因为难以追踪,所以存在隐私泄漏的风险.针对上述问题,定义了一种支持转述关系的社交网络信息传播模型,提出了...     

社会网络中信息传播与安全研究的现状和发展趋势

社会网络新媒体在日常沟通、商业运作、政治斗争以及外交等方面发挥越来越重要的作用,对社会网络的研究也引发了广泛关注。文章通过对最近几年国际重要期刊和会议上社会网络方面发表的文章进行统计分析,发现了社会网络近三年的研究热点,即主要集中在社会网络的信息传播以及安全问题的研究。信息传播方面包括对信息传播模型、影响因素、影响力最大化和预测感知的研究;安全问题方面包括对用户安全和信息安全的研究,用户安全研究中包括僵尸用户识别和级联失效研究,信息安全研究包括源头追溯和网络控制问题研究。文章对上述各方面的最新成果进行了分析、概括和讨论,分析了面临的问题、挑战和机遇,探索了新的研究点和未来的发展方向,为广大研究者提供一些参考和借鉴。     

基于GIG边缘网络接口体系结构研究

1999年,美国国防部提出了建设全球信息栅格(Global Information Grid,GIG)的设想,其目的是将美军分布在全球的计算机、传感器网和作战平台网组成一个大系统,实现全球范围内时域和空域的一致以及各分系统的协同,保证在未来战场上将正确的信息、以正确的时间和正确的格式传送到正确的指战员;在支持网络体系结构和协议服务中,功能强大和性能稳定的GIG网络技术发挥着重要的作用;首先,描述GIG边缘网络结构的设计,实现了边缘网络和GIG的无缝链接,其次,体系结构定义了GIG边缘网络、军事网络、政府网络、信息管理系统以及它们之间应用的网关,最后,阐述了网关进入边缘网络中的寻址、路由器选择、信息确认、端对端服务质量和网络服务等性能。     

基于信息熵的网络流量信息结构特征研究

随着人们对网络流量特征研究的深入,网络异常检测技术得以不断发展,因此流量特征分析是网络异常检测的基础性重要工作。文章研究基于熵的流量信息结构特征,不同于已有的网络流量初级统计特征研究,它以提取的流量属性在单位时间内分布特征为研究对象。基于 DARPA 99数据集的实验表明,该方法相对于基于流量初级统计特征方流量异常表示方法具有更强的敏感性。     

大型交通网络系统安全保障体系研究

网络安全系统是信息系统建设的基础和前提,在各信息系统中应进行重点研究和建设。该文就某省交通信息网络系统的建设内容及安全状况进行了分析,并就如何构建完善的网络安全体系提出了解决方案。     

网络蠕虫扩散的研究

近年来,随着网络系统应用及复杂性的增加,网络蠕虫成为网络系统安全的重要威胁,因此研究网络蠕虫的扩散十分重要。本文介绍网络蠕虫以及扩散的基本定义,分析网络蠕虫的扩散机制,并在此基础上讨论基于P2P技术的网络蠕虫的特性,给出P2P网络蠕虫扩散的扫描策略以及相应算法。最后给出网络蠕虫研究的若干热点问题与展望。     

基于CORBA网络信息管理的研究

本文通过运用CORBA技术对网络信息管理进行研究,提出了一个基于CORBA的网络信息管理架构模型,并对网络信息管理的实现技术进行了分析。     

基于互信息的贝叶斯网络结构学习算法

贝叶斯网络结构学习是贝叶斯网络构建的核心,有效的结构学习算法是构建最优网络结构的基础。基于此,提出一种基于互信息的贝叶斯网络结构学习算法,该算法可以挖掘出数据集各属性中存在的隐含依赖关系,适时地对数据集进行降维操作,从而提高算法的效率,并可保证结果的准确性。实验结果表明,与常用的依赖分析算法SGS相比,在结果相似的情况下,该算法执行效率更高。     

基于网络编码的传感器网络信息交换算法研究

在以数据为中心的无线传感器网络中,节点间的信息交换问题越来越受到研究者的关注.信息交换的效率反映了网络的服务质量,甚至直接影响到网络的生命周期.立足于分簇的无线传感器网络,分类总结了簇节点拓扑模型,提出了基于网络编码的无线传感器网络簇内信息交换算法.在理论分析和仿真实验的基础上,将网络编码算法与传统信息交换算法进行了比较和总结,深入分析了其性能优劣和适用场景,并展望了信息交换算法未来的研究方向.     

基于信息扩散视角的虚拟社区用户影响力研究

节点排序研究领域中,少有研究考虑群聚效应下的群体规范对传播效率的影响,这可能导致用户影响力度量的准确性下降.针对这一问题,从信息扩散角度出发,借鉴创新扩散理论与Bass扩散模型,提出一种适用于虚拟社区网络的用户局部影响力度量模型CSA-LL(Cohesive Subgroup Analysis Based Local ...