时间敏感的微博热点爬取与发现模型研究

社交媒体的发展使传统的舆情热点发现技术面临严峻挑战.结合时间因素,构建了基于微博页面的数据爬取与热点发现模型;通过时间因子修正热度指数,使针对舆情热点重要性的排序更具时效性.依托新浪微博数据的实验表明,时间敏感的微博热点发现算法能更为合理地发现热点话题.     

电视媒体微博营销之现状考察及其发展——以浙江卫视新浪官方微博为例

作为Web2.0的产物,微博既是有史以来最简易的信息发布工具,也是有史以来最高效的信息传播工具。自2009年新浪微博开创中国微博元年,微博在吸引了海量的受众的同时,也吸引了包括电视媒体在内的各大机构的加盟。本文以浙江卫视新浪官方微博为研究个案,在对其微博营销实践研究的基础上,提出针对性的建议方案,为起步不久的国内电视媒体微博营销提出值得借鉴的思考。     

基于网络结构与用户内容的动态兴趣识别方法

提出了将社交类服务中的两类极为重要的数据--社交网络结构数据和用户所发布的文本内容数据相结合的动态兴趣识别方法.首先通过定义时间窗口,对社交网络用户的实时文本信息进行主题建模,识别用户实时兴趣概率特征;然后将微观网络结构信息与用户好友的兴趣信息相结合,构建预测特征;最后,建立逻辑回归、支持向量机等分类器,采用所构建的预测特征对用户兴趣进行动态预测.在新浪微博中的应用表明,该方法具备一定的有效性.     

微博用户推荐模型的研究

微博用户推荐对改善用户体验、促进社交网络长远发展具有重要意义。该文提取了能够充分反映微博用户之间相关性的多个特征,并通过逻辑回归模型对潜在的用户进行评分排序,为目标用户推荐前N个潜在用户。基于新浪微博数据集的实验结果表明,基于逻辑回归方法的用户推荐模型是切实有效的,可以为微博用户提供高性能的个性化用户推荐。     

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%。     

面向多源社交网络的社团结构特征研究（研究生论坛）

为了研究社交网络社团结构对舆情传播的影响,本文对比分析了多源社交网络的社团结构特性及传播特性,并且利用COPRA算法和LFM算法进行了社交网络重叠社团研究,提出一种基于节点度过滤的LFM改进方法——NF-LFM算法。该算法对好友关系网络中节点度小于某一阈值的节点进行过滤,再对剩下的好友关系网络进行社团划分。实验结果表明：1）人人网、QQ空间、新浪微博都具有明显的社团结构特性,其中人人网和QQ空间的社团结构特性强于新浪微博;2）在不考虑社交网络用户活跃度的情况下,舆情信息在人人网上扩散范围最广,新浪微博次之,QQ空间扩散较慢。本文提出的改进方法能解决现有算法社团划分结果分辨率低的问题,且有效弥补了LFM算法在大规模社团发现时陷入无限的迭代过程而导致时间复杂度高的缺点,将其应用于经典数据集中也符合理论预期结果。本文的研究结果将有助于进一步理解和认识社交网络社团结构对舆情传播的影响,同时对于网络群体事件发现和舆情监控及引导等具有重要意义。     

面向多源社交网络的社团结构特征研究

为了研究社交网络社团结构对舆情传播的影响,本文对比分析了多源社交网络的社团结构特性及传播特性,并且利用COPRA算法和LFM算法进行了社交网络重叠社团研究,提出一种基于节点度过滤的LFM改进方法——NF-LFM算法。该算法先对好友关系网络中节点度小于某一阈值的节点进行过滤,再对剩下的好友关系网络进行社团划分。研究发现:1)人人网、QQ空间、新浪微博都具有明显的社团结构特性,其中,人人网和QQ空间的社团结构特性强于新浪微博;2)在不考虑社交网络用户活跃度的情况下,舆情信息在人人网上扩散范围最广,新浪微博次之,QQ空间扩散较慢。本文提出的改进方法能解决现有算法社团划分结果分辨率低的问题,且有效弥补了LFM算法在大规模社团发现时陷入无限迭代过程而导致时间复杂度高的缺点,将其应用于经典数据集中也符合理论预期结果。本文的研究结果将有助于进一步理解和认识社交网络社团结构对舆情传播的影响,同时对于网络群体事件发现和舆情监控及引导等具有重要意义。     

政务微博间的内部关注网络研究

通过研究上海市人民政府新闻办公室实名认证的政务微博——＂上海发布＂在新浪微博平台上与其下属的政务微博相互关注情况,运用社会网络分析法中的密度及中心性的角度,分析特定时间段内上海政务微博集群中互相关注的网络行为关系,并观察＂武汉发布＂的新浪微博关注网络,在比较的基础上,探讨二者差异程度与特点,分析＂武汉发布＂这类政务微博在传播力、覆盖力等综合影响力呈现明显弱势的原因,为政务微博发展变革提出对策。     

基于深度图卷积网络的社交机器人识别方法

提出了一种基于深度图卷积神经网络的社交机器人识别方法。首先,在元数据特征的基础上,引入RoBERTa模型进行博文情绪分类,进一步提取更能区分社交机器人和普通人的情绪多样性特征;同时采用single-pass进行博文聚类,构造博文相似图;在此基础上,提出了在GCNII模型上增加Attention机制的A-GCNII模型,通过捕捉用户元数据特征和社交网络中同一话题下的用户关系结构特征识别社交机器人。在真实新浪微博数据集上进行对比实验的结果表明,该方法在识别准确性和效果上均表现良好。     

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.     

社交网络假消息辟谣作用机理

研究真实社交网络环境下假消息辟谣作用机理. 提出评估辟谣效果的方法及探究影响辟谣效果的因素. 基于已有研究成果与假设,总结出8个影响辟谣效果的因素,如原假消息内容占比、是否包含谣言文字警示、是否解释原因、用户影响力等. 使用情感分析和微博社交上下文,评估辟谣微博的辟谣效果. 利用统计学方法,检验预设影响因素与辟谣效果间的关系. 基于新冠疫情相关的辟谣微博数据开展实验,实验分析表明,辟谣信息中原假消息内容占比和辟谣效果呈负相关,解释原因与辟谣效果呈正相关. 提出尽量少地提及原假消息、应解释原假消息错误的原因等6条辟谣建议,为社交网络假消息辟谣提供指导.     

基于迁徙数据估计武汉感染新型冠状病毒的人员数量

根据武汉迁徙数据,该文通过统计分析2020年1月29日至2月9日全国50个城市感染新型冠状病毒的确诊人数比率,估计了武汉市感染病毒的人员数量。研究发现湖北省内15个城市的患者确诊比率在均值和中位数上低于省外35个城市的均值和中位数。截至2月9日,利用湖北省内城市确诊比率的均值、中位数和最大值估计,武汉市感染病毒的人数分别是已经确诊人数的2.1倍、2倍和3.9倍。利用省外城市确诊比率的均值、中位数和最大值估计,武汉市感染人数分别是已经确诊人数的3.6倍、2.6倍和8.7倍。最后利用Bootstrap方法对省内外城市的均值和中位数做了稳健性估计。     

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.     

新浪微博搜索排序方法研究

深入讨论了基于向量空间模型以及基于潜在语义分析的微博搜索排序算法,以新浪微博为例,通过建立实验系统,利用新浪微博公共开放平台提供的API获取实验数据,通过一个实验样例阐述向量空间模型和潜在语义分析的处理过程。新浪微博现有排序方法通常不能提供按照相关性排序的满意结果。利用向量空间模型以及潜在语义分析方法,构建"索引词-博文"矩阵,对博文进行分词和向量化。衡量博文和查询的相关度转化成计算博文向量和查询向量之间的相似度。把对博文和查询的处理简化为向量空间中向量的运算。由实验得知基于潜在语义分析的微博搜索排序算法有效地提高了博文的检索效率。     

基于社会化媒体节点属性的信息预测

针对多数研究仅将社会化媒体作为数据来源的现状,深入分析社会化媒体特点,重点将节点属性分为静态和动态进行研究,提出基于预测目标的节点影响力的概念.在此基础上提出了一种基于节点属性进行信息预测的属性、节点数、倾向(ANV)模型.实验采用后向传播(BP)神经网络预测方法,通过新浪微博数据预测电影票房.仿真表明,带有节点属性的方法比没有节点属性的方法拟合和预测更为准确.     

SybilGrid: Sybil detection method based on directed social networks

A Sybil detection method based on the random walk strategy is proposed to detect the Sybil nodes in the directed social network. The performance of the algorithm is evaluated by collecting the real social network topological data on Sina Weibo, and the effectiveness of the algorithm is proved. In addition, compared with the existing SybilDefender method, it is found that the false alarm rate of SybilDefender is about 1.6 times as great as SybilGrid. Meanwhile, to achive the same false alarm probability, the random walk length required by SybilGrid is much shorter, meaning that the detection efficiency of SybilGrid is higher.     

微博“浅草根性”与底层群体诉求表达——由“弟弟要睡了”说起

时下的微博为底层群体的诉求表达开启了一扇窗,享有"草根媒体"的美誉。然而现实中底层群体的微博呈现却在诉求聚焦、空间占比与处置意愿方面都存在明显的不足,这种"浅草根性"在"弟弟要睡了"的微博发布中反映得淋漓尽致。分别从空间、主体和场景三个维度探讨底层群体在微博"浅草根性"表达中的形成原因,并试图从文化的纳入、他人的关照、主体的磨合与微博的适应性发展角度进行"浅草根性"的消解探析。     

基于mixtureLDA的微博主题挖掘

针对目前的主题挖掘只考虑主题内容的概率分布方法,本文提出一种综合考虑内容、时间等因素的微博主题挖掘模型mixtureLDA. 该模型能够分析用户不同类型微博的主题概率分布和时间微博主题概率. 实验使用新浪微博数据集,结果表明基于mixtureLDA的微博主题挖掘模型能够有效地挖掘出用户微博和时间微博的主题概率分布. 与MB-LDA、userLDA模型对比,mixtureLDA模型可有效降低困惑度.