基于多维特征分析的社交网络意见领袖挖掘

在社交网络中进行意见领袖的挖掘对信息传播与演化的深度分析、舆情监控和引导具有重要意义,本文综合结构特征、行为特征和用户的情感特征对意见领袖节点挖掘问题进行研究.本文首先对微博真实文本数据进行话题识别得到主题社区,在主题社区中基于用户节点之间的关注关系构建交互网络拓扑.然后分别从结构、行为和情感三个维度对用户的影响力进行度量.最后,分析用户在主题社区中的影响力分布与传播规律,提出意见领袖识别算法MFP(Multi-Feature PageRank).实验表明,该算法可有效地挖掘潜在的意见领袖节点,能够获得较高的支持率.     

社区环境下基于节点交互和主题的影响力计算模型

为解决现有算法对社交网络节点影响力计算准确度不高的问题，本文整合节点不同维度信息，综合考虑节点在多个主题社区上的主题分布向量，提出一种新的节点影响力计算模型.模型首先将主题相关性作为先验信息；然后利用混合隶属度随机块（Mixed Membership Stochastic Block）模型表达节点间的交互关系，用主题模型学习主题内容；最后结合全局拓扑关系迭代计算节点的全局影响力.本文选取社交网络数据，以P@N、MAP等作为评价指标同现有主流算法进行比较.实验结果显示，本文算法有效提升了影响力节点识别的准确度和排名的有效性.     

微博意见领袖的评估模型

当今社会,微博正以几何级数的速度迅猛发展,并且日益成为信息时代的主要传播渠道之一。文中对微博意见领袖的基本概念进行论述,同时在阐述传统意见领袖评估方法的基础上,经过对比分析之后,提出以活跃度、传播力和覆盖度3个指标来评估微博意见领袖的影响力,构建评估指标体系。利用层次分析法和属性特征权重排序得到影响力的最终值,为寻找微博意见领袖提出了可靠的评估模型,为更深入的研究奠定了基础。     

基于影响力形成的论坛意见领袖识别

为了在网络论坛中提取意见领袖,文中通过抽象模拟论坛舆论意见领袖影响力的形成过程,建立了影响力向量模型,进而提出了可以利用影响力向量的模和方向这对参数来筛选意见领袖,并以天涯论坛某日的一个话题为研究个案,阐述了该参数的选择依据。再通过聚类分析比较不同类型的论坛舆论参与者的特点,将分析结果与提出模型筛选的结果相比对,论证文中方法结果的有效性和准确性,反应出文中提出参数的优越性。     

电信区域营销经理胜任力模型构建

以电信行业区域营销经理为研究对象,主要采用行为事件访谈法、调查问卷法获取胜任力信息,并对胜任力信息进行整理、编码和分析,提炼出胜任力指标和行为指标等级描述,构建了电信区域营销经理胜任力模型,并对胜任力模型进行了检验.     

基于SEIR的社交网络信息传播模型

结合传染病动力学的SEIR模型,本文建立了适用于社交网络的信息传播模型。该模型基于社交网络用户的行为特征,分析了社交网络的传播机理和网络参数对信息传播过程的影响,得出了动力学演化方程组,刻画了信息传播过程随时间的演化规律。仿真实验的结果表明,本文提出的模型能正确地反映社交网络上的信息传播的趋势,较为准确地描述信息传播过程。     

基于异质网络的意见领袖社区发现

针对意见领袖社区发现问题,通过将论坛中主题及其回复关系建模为异质网络,准确表示社区结构.提出意见领袖社区影响力概念及其量化方法,在此基础上设计了一种基于异质网络的意见领袖社区发现算法.通过采集天涯论坛的大量数据,验证了该社区挖掘方案能够较准确地挖掘论坛中的意见领袖社区.     

基于局部近邻传播及用户特征的社区识别算法

提出一种将局部近邻传播和考虑用户特征的相似性测度相结合实现社交网络中的社区识别的算法。一方面,通过放松代表点约束条件及限制消息传播范围为节点的局部近邻,算法在降低时间和空间复杂度的同时保持较小的识别精度损失,从而能够适应社交网络挖掘需要;另一方面,通过将节点的拓扑相似度和特征相似度相结合来描述节点的综合相似度,使算法能够适应社交网络采样数据中用户关联信息不完整的情况。通过在人工数据集和真实数据集上的对比实验表明,所提方法不仅具有近似线性的时间复杂度及线性的空间复杂度,而且在网络中的节点关联边信息不完整时仍保持较好的识别精度。     

网络意见领袖影响力分析

意见领袖影响力分析作为意见领袖研究热点之一,对于优化网络传播过程中的信息整合与传输、深入了解微博发展方向、维护网络内容安全、促进网络发展具有非常重要的理论和实践意义。文章通过对现有网络意见领袖影响力分析研究发现,网络意见领袖影响力评估模式、算法研究稍显薄弱,大多数研究尚处于理论探索阶段,缺乏深入的实证性分析。因此,采用定量方法构建网络意见领袖影响力指标体系并对其进行科学评价就显得尤为必要。     

在社交网络中综合的信任评估模型

提出了由交互经验计算用户态度,以及利用交互时间序列计算用户行为模式变化的方法。进而利用态度、交互经验、行为模式3种信息综合建立新的信任评估模型。实验证明该模型能够适应社交网络的动态性及复杂性,并可有效量化3种信息对信任的影响,从而提高社交网络中直接信任评估模型的可用性与准确性。     

微博数据获取技术及展望

作为一种新兴的社会媒体形式,微博集博客、媒体、即时通讯功能于一身,兼具平台多样、传播迅速、交互性强等特点,在舆论传播方面发挥了重要作用。文中介绍了微博的基本概念,系统概括了微博数据获取的主流方法,总结了微博数据获取条件的选择方法和微博数据的表达方法,并讨论了数据获取中的瓶颈问题,给出了该领域中尚需解决的关键问题以及未来的发展方向。     

基于霍克斯过程的社交网络用户关系强度模型

社交网络节点之间的关系强度建模是研究信息传播、实现推荐服务等社交网络服务的关键.传统关系强度模型主要研究简单二元关系与静态关系,未考虑用户交互影响及其动态衰减.本文提出一种基于霍克斯过程的社交网络用户关系强度模型,将用户关系强度视为潜在因子,用户相似性与历史交互行为分别视为潜在因子诱因与表象,并使用霍克斯过程刻画历史交互行为与用户关系强度之间的关系,解决了已有模型未考虑用户历史交互影响及其动态衰减的问题.采用微博社交网络数据对模型进行的评估表明,本模型可以提高用户关系强度预测精度以及基于关系强度排序Top-N邻居节点的覆盖率.     

中国社交信息的事件分析系统应用研究

随着网络社交媒体的迅速发展,微博覆盖的社会事件广泛多样,为了从由多个单点事件构成的复杂社会事件中发现与特定事件相关联同时具备时间和地点共性的信息,文中提出了中文社交信息的事件分析系统EASC。首先,该系统分别对事件的多个方面进行全景分析,包括事件的语义信息,时间和空间的趋势,公众情绪,隐藏的子事件,事件传播的关键用户以及用户的偏好等。然后,采用NoSQL技术实现各种各样的分析模型和微博管理。最后,对＂春节＂案例进行分析,验证了EASC的有效性,实现了关联信息的收集与汇总。该系统对进行关联信息的收集的活动,有一定的实用性和参考性。     

基于在线社会网络的网络爬虫的研究和设计

在线社会网络是一个由亿万级用户及联接关系构成的大规模集合,其中以新浪微博为典型代表,目前已经成为人们日常交流的重要方式.如何在新浪微博中分析其用户的特征和网络拓扑结构成为研究在线社会网络的基础,本文设计一个网络爬虫系统,通过新浪微博开放平台提供的应用程序编辑接口（API）采集数据,实验证明,该方法切实可行.     

Identification of Key Nodes in Microblog Networks

A microblog is a service typically offered by online social networks, such as Twitter and Facebook. From the perspective of information dissemination, we define the concept behind a spreading matrix. A new WeiboRank algorithm for identification of key nodes in microblog networks is proposed, taking into account parameters such as a user's direct appeal, a user's influence region, and a user's global influence power. To investigate how measures for ranking influential users in a network correlate, we compare the relative influence ranks of the top 20 microblog users of a university network. The proposed algorithm is compared with other algorithms — PageRank, Betweeness Centrality, Closeness Centrality, Out‐degree — using a new tweets propagation model — the Ignorants‐Spreaders‐Rejecters model. Comparison results show that key nodes obtained from the WeiboRank algorithm have a wider transmission range and better influence.     

基于凝聚子群分析的MSN监控系统

论文将社会网络的派系分析思想引入到MSN通信系统的内容过滤和分析中,从社会网络分析中凝聚子群的角度对以MSN构成的网络进行详细的分析,通过对凝聚子群和关键节点的分析,提取派系划分,派系首领和重要参与者等有效信息,以实现对MSN通信网络中不良内容的有效监控和阻断。     

融入用户合作与领导激励的社交网络知识传播模型

近年,社交网络已经成为用户普遍使用的进行知识分享的媒介。对社交网络环境中的知识传播进行建模研究,以期为有关部门有效实施监管、提升用户的知识交流效率提供借鉴。以经典的SIS和SIR模型为基础,融入用户合作和领导激励等因子进行优化,并结合复制动态方程构建两种社交网络用户知识传播模型（SISL/SIRL）并进行分析,最后给出数值与模型算例。结果表明：存在领导者的社交网络知识传播速率更快。在社交网络知识传播过程中,易感染用户数量减少,免疫用户数量增加,感染用户数量小范围内上下波动。构建的知识传播模型相对于经典模型与真实社交网络具有更强的拟合性。     

在线社会网络的数据采集方法的研究

在线社会网络是一个由亿万级用户及联接关系构成的大规模集合,其中以新浪微博为典型代表,目前已经成为人们日常交流的重要方式.如何在新浪微博中分析其用户的特征和网络拓扑结构成为研究在线社会网络的基础,利用新浪微博开放平台提供的API采集数据,实验证明,该方法切实可行.     

基于胶囊网络的中长微博情感分析

针对通过微博文本获取用户情感倾向,以提高舆情监控效率的问题。利用深度学习的方法实现微博语料的情感分类,构建符合近年文本长度分布特点的高质量微博情感分类数据集,分析微博文本长度对情感分类的影响。由于中长语料主观性强、句子关联度弱,其检测准确率偏低。针对此问题,本文提出一种基于胶囊网络的中长微博情感分析模型。采用注意力机制,在融合局部特征与全局特征的基础上,利用胶囊向量实现深层情感特征提取,提高中长语料的检测效果。利用本文搜集的数据集进行实验,结果表明,相较于多种深度学习算法,本文模型性能更佳。在不同文本长度语料的对比实验中,伴随着文本长度的增加,分类准确率逐渐降低。相较于传统的LSTM算法,本文模型随文本长度增加效果提升,证明了该模型针对中长微博文本情感分类的可行性。