微博“信息茧房”与“意见领袖”探析

在微博平台上,用户偏好根据自己的爱好来"关注"内容,会逐渐造成"信息茧房"。本文从Web2.0时代"去中心化"的演绎、微博自身的个性化特性、网民的心理因素3个方面分析造成"信息茧房"的原因,并分析"信息茧房"现象的利弊影响。     

“信息茧房”视域下大学生主流思想传播的困境及对策

“信息茧房”视域下,信息传播的迎合性和遮蔽性、信息内容的同质性和零散性、信息价值的浅表性与零散性、信息空间的封闭性和割据性等特征,削弱了主流思想在大学生群体中的引领力、认同力、创造力和凝聚力,给主流思想传播带来严峻挑战。本文从算法赋能、内容供给、监管机制、媒介素养四个方面提出对策,引导大学生摆脱“信息茧房”束缚。     

用户驱动的研讨信息可视化平台的设计与实现

在“以计算机为媒介的群体沟通”环境下,常常出现“知识断层”和“信息过载”。研讨信息可视化丰富了研究和认知手段以及群体发现信息的途径,因而成为缓解“信息过载”的一个重要途径。以研讨用户为中心,从单个信息、信息关系、了解研讨状态、把握研讨过程四个方面识别出研讨用户的信息寻找、发现以及获取的需求;并基于群体研讨支持系统的信息组织模型,设计了用户驱动的研讨信息可视化平台,并结合J2EE、XML、计算机图形学等技术,实现了可视化平台,并结合一个具体应用示范了平台的功能。     

异构社交平台中用户身份解析

跨社交平台的用户身份解析是社交网络一个重要的研究方向,其可以有效集成不同平台的同一用户信息。现有的用户身份解析工作大多针对类型相似的社交平台,平台间的信息相对对称,通过用户在不同平台上的档案属性、空间位置、网络关系等信息的相似度来判别是否为同一用户。然而,在两个异构社交平台中用户信息是不对称的,难以直接获取到用于用户身份解析的相应属性信息。本文研究跨评论类与活动类平台间的用户身份解析方法。为了解决两类社交平台的用户信息属性不对称问题,把用户信息按档案属性、语义序列、特征词序列3类信息组织,从各自的社交平台中抽取相应的信息建立映射关系,提出了综合3类信息的集成匹配算法。考虑了用户活动的时间偏移现象,采用反向传播学习的方法获取时间偏移权重,提出了基于反向传播学习的语义序列与特征词序列相似性度量方法。同时,设计了总体相似度度用于用户身份解析。利用真实数据集进行了充分的实验,实验结果表明了所提出用户身份解析算法的有效性。     

基于文本与社交信息的用户群组识别

社交媒体上的个人群体信息对于理解社交网络结构非常有用,现有研究主要基于用户之间的链接和显式社交信息识别用户的个人群体,很少考虑使用文本信息与隐含社交信息。但是隐含社交信息以及文本信息,在显式的社交信息缺乏时对于识别用户的群体是非常有帮助的。在本文中,我们提出一种隐含因子图模型有效地利用各种隐含与显式的社交与文本信息对用户的群组进行识别。其中,显式的文本与社交信息是通过用户发表的文本与个人关系生成的,同时,我们利用矩阵分解模型自动生成隐含的文本与社交信息。最后,我们利用因子图模型与置信传播算法对显式与隐含的文本与社交信息进行集成,并对用户群组识别模型进行学习与预测。实验证明我们的方法能有效地对用户群组进行识别。     

社交僵尸网络发展综述

随着社交平台的发展,社交媒体网络逐渐成为攻击者进行僵尸网络渗透的理想平台。社交僵尸网络利用社交平台自动化程度高、灵活性强与普及度高等特性构建隐蔽信道进行通信,以达到窃取社交平台用户信息、散布不良信息污染网络环境、引导控制舆论等目的。传统的僵尸网络检测机制无法有效地检测社交僵尸网络,为社交媒体的安全性带来极大的挑战。从社交僵尸网络的概念入手,阐述社交僵尸网络在不同社交平台上的发展脉络和发展趋势,研究不同社交媒体上的社交僵尸网络攻击原理和群体特征以及隐蔽型社交僵尸网络的隐蔽手段。在此基础上,将社交僵尸网络的检测方法分为服务器端检测方法和客户端检测方法,并对近年来出现的基于隐写技术和基于机器学习的检测方法进行分析,同时给出社交僵尸网络的反制技术和接管方法的研究现状及发展思路,并对该领域的未来研究方向进行展望。     

新闻推荐算法可信评价研究

随着AI、5G、AR/VR等新技术的快速发展,内容类应用如电子商务、社交网络、短视频等层出不穷,导致信息过载问题日益严重。人工智能技术的发展推动了智能算法的爆炸式运用,作为智能算法的一种,推荐算法在大数据、应用场景和计算力的推动下,通过信息过滤技术,为用户提供适应兴趣及行为的个性化及高质量的推荐服务,逐步提高了用户的使用体验、内容分发效率,在一定程度上缓解了信息过载的问题。但推荐算法的潜在偏见、黑盒化特性及内容分发方式也逐渐带来了决策结果不公平性、不可解释性,信息茧房、侵犯用户隐私等安全挑战。如何提高推荐算法的可解释性、公平性、可信程度等越来越受到国内外政府监管部门、产业及学术界的重点关注,推荐系统和推荐算法也由此从发展期进入管制期。为此,本文针对新闻推荐领域,分析推荐算法的稿件画像、用户画像、推荐推送、反馈干预和人工复审等关键要素,围绕推荐算法生态的参与者,如内容生产者、受众、算法模型、新闻平台,从公平性、可解释性和抗抵赖性三个方面提出了一种新闻推荐算法可信评价体系,并进行定量或定性分析。公平性、可解释性和抗抵赖性是正相关关系,当公平性和抗抵赖性越强、可解释程度越高,新闻推荐算法的可信度越高。希望弥补新闻推荐算法领域的可信研究的空白,建立可信推荐算法生态,加速安全推荐系统的建立和推广,同时为智能算法可信研究提供参考,为智能算法的监管和治理提供思路。     

基于大数据的互联网社交平台个性化推荐探析

随着信息技术和互联网的发展,人们逐渐从以前的信息匮乏演变到如今的信息过载.进入大数据时代以来,互联网社交平台在为用户提供便捷的产品和服务的同时,也加大了用户在过量信息当中找到自己感兴趣的信息的难度.本文以互联网社交平台为例,研究大数据环境下的互联网社交平台的个性化推荐服务问题,探讨未来的发展趋势,具有一定的理论意义和现实意义.     

基于云计算的社交网络并行推荐算法

云计算平台的诞生,推动了推荐系统的发展。传统社会网络并行算法在大数据处理方面存在不足,利用签到记录时,不能充分利用签到信息所隐含的偏好、位置和社交网络信息,从而造成准确率低的问题。基于此,提出了基于云计算的社交网络并行推荐算法,Debogone算法设计。通过特征提取算法实现Debogone算法设计,以用户历史偏好为基础,综合考虑用户社交关系,以用户的活动范围为约束点,实现用户兴趣点的推荐。通过实验对比,证明了Debog one算法设计准确率高,稳定性高,具有推广意义。     

面向老年人的社会化网络服务平台研究

针对目前已有社会化网络服务对社会影响的研究更侧重于青少年,对老年人群体研究相对较少的情况,本文研究了面向老年人的社会化网络服务平台,介绍了平台的体系结构,阐述了社交系统、数据分析和信息服务。此平台利用面向老年人的社交网络服务系统获得用户行为数据,在数据集成、时空数据仓库存储的基础上,通过建立老年人社会网络行为的数学模型,运用统计学方法进行建模分析,分析结果可为多层次人员提供不同的信息服务。     

基于标签相似度计算的“知乎”社区知识个性化推荐及案例研究

“知乎”社区是国内著名的社交问答平台,吸引各行业领域的专家和学者。在信息过载时代,研究个性化推荐方法对用户精准获取知识具有重要意义。首先,通过自研的爬虫程序收集“知乎”平台数据,获取该平台特有的“知识语义标签”,然后开展标签相似度计算,确定用户行为特征的相似度,最后,基于该相似度进行知识个性化推荐,并开发Web网站展示推荐效果。区别以往研究,本文密切结合“知乎”平台的“知识语义标签”开展知识个性化推荐,为社交问答平台用户的知识精准获取提供新的途径。     

“皓问”知识问答服务微信小程序设计

项目从用户的角度出发,针对高考、考研、考证和大学生知识问答类的需求,设计了一款兼具高考信息查询、考研、考证学习交流、名师咨询、用户互动的“皓问”微信小程序,融合了高考查询类应用软件、线上教学类平台和社交类平台的功能。     

基于信号理论的社交媒体平台安全和信任评估度量方法

开放的社交媒体平台给用户带来使用便捷的同时,也存在不少恶意站点、信息欺骗和信任缺失等安全性和可信性问题。社交平台的安全性和可信性作为社会交互的基础,在信息共享与交流中至关重要;传统的安全和信任评估仅关注于用户间的信任关系以及安全实现,而针对社交媒体平台的评估和度量方法还不健全;因此提出了一种基于信息管理信号理论的在线社交网络平台安全和信任度量方法;首先,对平台安全性和可信性信号进行分类,并采用OWL语言和时态逻辑形式化描述了平台静态属性和动态行为特征;其次,使用FAHP确定此类信号的指标权重并进行系统的评价,并结合群体计算思想提出了一个平台安全和信任的综合评估计算模型;最后,在一个现实的多媒体社交网络平台(CyVOD.net)上进行了评估实验;实验结果显示,该方法能够准确地获得社交平台的各安全和信任要素的评估值,并有效地指导社交媒体网络平台的功能进化和版本更新。     

微博中转发行为的预测技术综述

在线社交网络中,微博平台的便捷性和开放性,给信息的传播和爆发提供了很大的便利.转发是微博平台上用户的重要行为,也是信息传播的关键机制.基于转发行为,分析一条推文是否被用户转发或者一段时间后的转发量,可以使我们更好地了解信息的传播特性,探索用户的行为与兴趣,以此推进信息推荐、预防突发事件和舆情监控等应用发展.该文较为系统...     

基于人工智能推荐算法的智能家庭社会服务机制

随着社交网络时代的来临,社交网络的类型逐渐覆盖到不同的用户群体,对不同用户群体进行社交网络需求的潜力挖掘是目前的研究热点.本文研究基于人工智能推荐算法构建家庭社交网络的多级圈层结构,并以此提出家庭和亲属的智能推荐算法,以智能算法和家庭这一特殊群体的社交模式设计由个人信息模块、基本功能模块、家庭信息模块、应用服务模块和开...     

声音

“社交网络已成为对Web的威胁” ——有“互联网之父“之称的蒂姆·伯纳斯一李（Tim BemersLee）近日撰文称．社交网络成为一个集中化的平台．一个封闭的内容仓库，用户不能完全控制自己发布的信息。社交网络的应用越普遍．Web就会变得越支离破碎．我们就越无法享受到一个完整的、统一的信息空间。     

融合社区结构和兴趣聚类的协同过滤推荐算法

传统的协同过滤推荐算法受限于数据稀疏性问题,导致推荐结果较差.用户的社交关系信息能够体现用户之间的相互影响,将其用于推荐算法能够提高推荐结果的准确度,目前的社交化推荐算法大多只考虑了用户的直接社交关系,没有利用到潜在的用户兴趣偏好信息以及群体聚类信息.针对上述情况,提出一种融合社区结构和兴趣聚类的协同过滤推荐算法.首先通过重叠社区发现算法挖掘用户社交网络中存在的社区结构,同时利用项目所属类别信息,设计模糊聚类算法挖掘用户兴趣偏好层面的聚类信息.然后将2种聚类信息融合到矩阵分解模型的优化分解过程中.在Yelp数据集上进行了新算法与其他算法的对比实验,结果表明,该算法能够有效提高推荐结果的准确度.     

让社交商务移动起来

正如网络改变了信息经济和商业模式,一个崭新的转变正在形成：社交网络现象正转变为全球商业模式,人与人之间的互动直接成为建立“智慧的地球”的一个至关重要的驱动力。现在世界上的社交网络和博客网站,每月花费超过110亿分钟。根据IDC数据显示,2010年全球社交平台软件市场收入超过5亿美元,增长31．9％。预计N2014年,全球社交平台市场将有20亿新增用户。     

网络暴力事件中大学生的信息传播行为研究

随着社交网络的普及,新浪微博逐渐成为中国最大且最有价值的社交平台.然而网络的隐蔽性导致网络暴力事件层出不穷,大学生在社交平台发表看法和释放压力的同时却有可能不自觉中产生网络暴力的传播行为.本文以大学生为调查对象,基于新浪微博,进行网络暴力事件中信息传播行为的研究,设计了关于网络暴力事件信息传播行为的调查问卷,并构建用户...     

网络直播对大学生就业的影响及应对策略研究

党的二十大报告明确提出要推动形成良好的网络生态，如今蓬勃兴起的网络直播作为当下大学生日常生活中常见的娱乐形式，既为大学生带来了就业机遇，同时也带来了一定的负面影响。一方面为大学生带来全新的信息体验，使课余生活变得丰富多彩，个人知识视野进一步开阔，得到更多就业机会；另一方面也使得不少学生沉迷于“信息茧房”，导致学生出现价值观迷失和审美丑化，思维渐渐脱离现实社会，就业观严重扭曲。本文通过分析网络直播对大学生就业的影响因素，进而寻找应对策略，引导大学生正确参与网络直播，掌握行业相关知识，实现人生理想。