基于标题聚类的论坛舆论领袖发现算法

为进行论坛舆情分析,提出一种基于标题聚类的舆论领袖发现算法。按时间将数据进行预处理,运用话题模型度量标题数据并依此进行标题聚类;建立同一话题下的变规模用户回复关系网络,结合情感分析和网络特性分析进行影响力排名以提取舆论领袖。该算法旨在快速发现某一网络热门事件中的舆论领袖,综合考虑了帖子的话题属性、情感倾向和网络结构关系。通过实验验证了该模型的可行性和有效性。     

基于时间变化图的网络论坛意见领袖识别算法

针对现有意见领袖识别算法难以捕获网络的动态特性这一现状,提出了一个基于时间变化图的网络论坛意见领袖识别算法。该算法将网络论坛的演变描述为一连串静态图,每一幅图代表一个给定时间窗口内用户间的所有交互。依据构造的量化指标识别不同时间窗口内的潜在意见领袖,这些意见领袖然后和其他时间窗口上的意见领袖相匹配以便识别随时间推移的真正意见领袖。实验结果证实了该算法的可行性和有效性。     

网络论坛意见领袖挖掘系统设计与实现

意见领袖在网络舆情形成过程中作用显著,如何从海量评论中挖掘意见领袖具有重要的现实意义.综合运用网络爬虫、正文抽取、文本倾向性分析、影响力计算、网络可视化等信息处理技术,设计并实现了网络论坛意见领袖自动挖掘系统.实际运行结果表明,该系统具有识别结果准确、效率高、健壮性强的特点.     

基于聚类分析的网络论坛意见领袖发现方法

提出表示网络论坛用户的特征值向量,它由7个特征值组成。设计基于EM算法的用户聚类算法,从实际的贴子数据中提取向量数据集,并基于聚类结果筛选出最符合意见领袖群体的子类。以某论坛为例,分别运用该方法及现有典型方法提取出意见领袖并进行比较,验证本文算法的正确性。     

基于局部中心度的在线论坛意见领袖发现算法

网络舆论形成过程中,其走向很大程度上受到意见领袖的影响.由于网络舆论的影响力不断增大,国内外学者也开始把研究重点放在网络论坛意见领袖上.从论坛帖子数据中提取回复关系,映射为发帖者和回帖者之间的关联关系,从而构造出一个社群网络.某个体的入度说明其被关注的程度,局部中心度直观地反映出与某个体直接联系的个体数目.基于入度和局部中心度的思想,并分析个体之间的交互行为,提出一种在线论坛的意见领袖发现算法.以某论坛为实验对象,找出其中的意见领袖,并通过分析实验结果验证文中算法的正确性     

基于PageRank的网络社区意见领袖发现算法

意见领袖是网络社区中积极的信息传播者和信息引导者,对其影响力的评估是社交网络分析的一项重要内容。针对现有算法对用户动态行为分析和动态内容影响考虑欠缺而不能客观反映真实情况的问题,提出一种基于用户影响力和PageRank的意见领袖发现算法,综合考虑用户自身影响力、用户动态行为影响度和用户行为给动态内容带来的真实影响。通过从知乎网络社区收集的大规模数据实验结果表明,该算法更具合理性并能有效地提高网络社区意见领袖的识别准确度。     

面向论坛网络的观点传播与舆情形成模型

根据网络论坛的信息传播规律和用户交互特性,提出了一个基于节点影响力的离散时间观点传播与舆情形成模型。在该模型中,节点具有自我影响力和观点值,并且节点影响力被定义为网络中边的权值,节点在每一个周期内重新分配权值并更新它们的观点。节点观点收敛于某一定值时,形成网络舆情。仿真结果表明,所提模型可以准确地体现节点观点的动态交互特性和收敛特征,并可为舆情传播趋势的预测研究提供依据。     

基于意见领袖引导作用的网络舆论演化研究

构建有效的意见交互模型是预测舆论发展趋势的关键,但传统意见交互模型的构建环境是封闭的社交网络。为了构建动态的虚拟网络环境下的意见交互模型,提出一种基于意见领袖引导作用的网络舆论演化分析方法。该方法充分考虑了网络环境和不同意见传播者的特点。实验结果显示,提出的方法可以很好地模拟网络舆论的演化过程和预测网络舆论的未来发展趋势。     

网络意见领袖对大学生思想状况的影响研究

该文通过对大学生思想状况进行调查,深入了解大学生对网络意见领袖的认识,从个人特征、话题特征、心理特征和心智特征等四个方面进一步分析了网络意见领袖对大学生思想状况产生影响的成因,并探索了网络意见领袖对大学生所产生的积极和消极影响,最后提出正确引导网络意见领袖对大学生思想状况影响的对策和建议。     

融媒体背景下高校网络意见领袖培养策略探究

当前,各类媒体深度融合发展、网络舆论空间无限扩大、网络信息层出不穷,造成网络舆情的发生、传播、影响等都存在极大的不确定性。为了应对这种不确定性,化解高校网络统战工作面临巨大的挑战,高校必须重视网络意见领袖的培养工作。高校要深入把握培养网络意见领袖的内在逻辑,凝练出能提升其影响力的性质特点,发挥出其引导网络舆论走向的价值作用,构建完善的培育策略,从而加强与网络群众的互动,引导与规范网络舆论健康发展、达成一种符合社会主义核心价值观的共识,实现网络空间的安定团结,助力社会主义现代化发展。     

基于改进Floyd算法的网络舆情监测

随着我国计算机信息技术的高速发展,网络舆情系统在互联网领域中得到了越来越多的关注,但是我国的网络舆情管理工作仍然存在着诸多问题,其中最为集中的问题体现在反应机制的不完善。鉴于此,本文首先描述Floyd算法的内涵,阐述Floyd算法的运算步骤,提出基于Floyd改进算法的控制策略,同时分析Floyd改进算法在网络舆情中的应用与模型,重点探讨影响网络舆情监测技术的3个因素。最后以人民网和正义网正式发表的相关资料作为舆情热点数据,对提出的模型算法进行对比验证。结果表明,基于Floyd的改进算法在各项指标上显著优于其他算法,但当实验数组达到一定上限时,仍然会出现重用率极限值。希望此次研究能为我国政府机关加强对网络舆论的分析,达到能够应对社会突发事件的能力,提升政府机关在互联网环境中的舆情管理能力提供一定的帮助。     

一种鉴别博客空间意见领袖的算法研究

博客空间意见领袖鉴别是网络舆情分析的重要研究方向。针对传统方法采用博客间的链接分析忽略了博文内容的问题,因此提出一种基于链接分析和内容分析相结合的算法。该算法从博文获得的内链接数、外链接数、评论数和文章长度四个方面计算博主的影响力得分,排名后选取Top-K个博主作为意见领袖。实验结果表明,该算法与基于链接分析的算法相比,具有更好的全路径覆盖率,选出的意见领袖话题更具多样性,可以应用于网络舆情中意见领袖的分析。     

基于改进的 single-pass 网络舆情话题发现研究

舆情监控系统解决的关键问题是如何有效且精确地对文本进行聚类,以便从大量Web网页中发现网络舆情热点话题。single-pass算法是话题发现中最常用的文本聚类算法,但其在文本聚类的精度和时效方面存在不足,因而论文在对大量新闻报道语料进行深入分析的基础上,从三个方面对single-pass进行了改进。通过实验求证,发现改进后的sin-gle-pass算法在漏检率、误检率和耗费函数等方面有了明显改善。     

基于随机森林算法的网络舆情文本信息分类方法研究

面对海量增长的互联网舆情信息,对这些舆情文本信息进行分类成为一项非常有意义的任务。首先,文章给出了文本文档的表示模型及特征选择函数的选取。然后,分析了随机森林算法在分类学习算法中的特点,提出了通过构建一系列的文档决策树来完成文档所属类别的判定。在实验中,收集了大量的网络媒体语料,并设定了训练集和测试集,通过对比测试得到了常见算法(包括k NN、SMO、SVM)与本算法RF的对比量化性能数据,证明了本文提出的算法具有较好的综合分类率和分类稳定性。     

基于二次线性模型的网络舆情演化研究与实现

针对目前网络舆情形成迅速,对社会影响巨大,主要讨论在加强互联网信息监管的同时,研究网络舆情的演化趋势并研究相关算法以对其发展做出科学的预测,目的是对网络舆情的特性有一定的了解,掌握其基本的变化规律,以便提早采取应对措施,对于及时应对网络突发的公共事件和全面掌握社会民情民意有重大意义。     

基于二次线性模型的网络舆情演化研究与实现

针对目前网络舆情形成迅速,对社会影响巨大,主要讨论在加强互联网信息监管的同时．研究网络舆情的演化趋势并研究相关算法以对其发展做出科学的预测．目的是对网络舆情的特性有一定的了解,掌握其基本的变化规律,以便提早采取应对措施,对于及时应对网络突发的公共事件和全面掌握社会民情民意有重大意义。