基于交互意见和地位理论的符号网络链接预测模型

随着社会网络的普遍和流行,社会网络为符号网络(signed network)的深入研究提出了更多的全新问题,其中链接预测是符号网络研究的核心问题之一.交互意见和地位理论能够较好地解释符号网络中链接关系的构建和链接的符号属性,二者作为链接构建的诱因为提高链接预测的质量提供了理论基础.因此,通过研究交互意见和地位理论与链接关系的强相关性,构建符号网络链接预测模型.首先,利用交互意见增强待分解矩阵的可靠度,弥补由地位理论的对称性所带来的局限性;然后,在稀疏学习矩阵分解模型基础上,将交互意见建模为增强可靠度因子,同时将地位理论建模为稀疏学习模型的正则化项;最后,构建基于交互意见和地位理论的符号网络链接预测模型MF-SI.实验结果表明相比于其他基本方法,MF-SI模型获得了较好的预测质量,说明集成交互意见和地位理论能够较好地实现符号网络链接预测问题.     

基于线上-线下超网络模型的舆论演化仿真分析

目前在舆论演化模型及其动力学规则的研究中大多数都没有考虑线下网络,导致其无法真实反映舆论传播过程。为解决上述问题,首先利用线上-线下社交网络映射方法得到线上-线下社交网络拓扑结构;然后构建线上-线下超网络模型,集成舆论事件态势信息形成舆论演化仿真环境;最后,利用传播学原理制定线上-线下超网络模型动力学交互规则,进行舆论动力学仿真。将提出的模型用于事件实例分析,仿真结果与舆论事件实际发展情况之间的余弦相似度达到0.99,平均差值为1%。实验结果表明,所提出的模型取得了比其他方法更好的仿真效果,验证了线上-线下超网络模型和舆论动力学交互规则的正确性和有效性。     

复杂网络演化的舆论动力学模型及仿真分析

针对舆论传播过程中复杂动力学演化问题,提出一种基于传播动力学的舆论动态演化模型。首先,构建舆论及舆论演化模型,通过方程变换求出静态解;其次,引入Fokker-Planck方程对舆论演化渐近行为进行分析,得到稳态解决方案并求解,构建复杂网络与模型的关联并提出仿真研究实验目的;最后,通过对舆论演化模型及引入Fokker-Planck方程的舆论意见模型进行仿真分析,并以真实微博舆论数据为例进行实证分析,研究舆论在复杂网络中传播和演化的实质。实验结果表明舆论网络演化渐近行为与度分布相一致,网络舆论传播中的连接方式会受到节点意见影响,模型能有效描述微博舆论传播网络形成和演化过程的动力学行为。     

基于多特征信息传播模型的微博意见领袖挖掘

在线社交网络中的意见领袖通常是指在社交网络的信息传播中具有较大社会影响力的个体。针对当前意见领袖挖掘方法中只考虑社交网络的拓扑结构和节点的个体属性,缺乏信息传播中交互特征的问题,该文提出了基于扩展独立级联模型,并融入网络结构特征、个体属性和行为特征的意见领袖挖掘模型(extended independent cascade, EIC)。该模型以个体属性、个体在信息传播过程中的交互行为建立加权的传播网络,利用改进的CELF(cost effective lazy forward)算法,挖掘网络中影响力较大的个体。通过实验验证,在意见领袖的扩展核心率指标上,该算法优于拓扑结构类算法,且具有较好的稳定性,同时并未降低意见领袖的传播范围。     

基于应答关系网络的QQ群意见领袖发现*

意见领袖是社交网络和社交媒体中的重要节点,是信息传播的关键性因素。在QQ群聊天中由于参与用户较多,各种话题比较繁杂,因此识别其中的意见领袖比较困难。基于此提出一种基于应答关系来挖掘QQ群中意见领袖的方法,该方法首先构建回应词词库,然后基于Aho-Corasick算法来匹配聊天文本中的回应词数据,构建出用户应答关系的网络结构,最后使用社交网络中重要节点识别的方法来发现意见领袖。该方法对QQ群中的意见领袖发现具有较高的准确率,在融合QQ群用户交互社交网络的节点重要性特征后,能够达到更好的意见领袖发现效果。     

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     

基于意见领袖的微博生命周期预测模型研究

为了有效研究社交网络中意见领袖在新浪微博传播所起的作用及微博的生命周期和传播模式,提出了一种OLB微博传播预测模型。首先通过爬取微博数据,进行数据分析;其次,拟合出与影响力有关的四个因素的数学表达式,并通过层次分析法给出权重计算方法;最后利用计算的影响力以及转发数与相关因素的关系构建出OLB模型,从而对意见领袖传播作用及微博生命周期进行实验预测分析。仿真结果表明,在微博信息传播中意见领袖影响力与其微博的传播作用成正比例关系,通过误差分析得到四组数据的平均误差值分别为1.0%、5.0%、2.4%及5.1%,提出的OLB模型对于预测微博传播模式合理、有效。     

基于微博交互关系算法的敏感舆情研究

传统的敏感舆情模型中,不论是基于文本或是数据挖掘的分析方法都是直接处理网络舆情,未结合网络传播特性分析.针对上述问题,研究并采用基于微博交互关系算法:通过量化微博的敏感程度,分析用户的交互关系来构建微博敏感舆论传播模型.实验基于新浪微博,搜索到一定数量的敏感用户,对用户的交互行为进行分析,得到未来有发表敏感舆论倾向的用户并进行监控.实验结果证明,与传统的舆情模型相比,该方法可行且有效,开拓了舆情分析思路,适用于当前网络舆情研究.     

基于模仿创造的网络流行语传播模型及仿真研究

随着互联网和智能移动终端的发展,研究网络流行语的传播过程和发展趋势对于网络营销和广告文案的创作具有重要的意义。基于SIR传染病模型,综合考虑网民对网络流行语模仿再创造的行为特点,构建新型的网络流行语传播模型,利用神经网络技术结合流行语时序数据对模型进行参数反演,并分别以流行语“佛系”和“确认过眼神”为例进行验证。结果表明,用户的模仿再创造行为是网络流行语传播中后期的主要驱动力;相较SIR模型,本模型着重考虑了网民对流行语的创新行为并运用参数反演方法,其预测准确度更高,模型拟合值与真实数据相比误差更小。进而可以为营销和广告创意人员提供有益的借鉴,并通过预测其发展趋势可对舆论进行及时分析和引导。     

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。     

基于节点亲密度和影响力的社交网络舆论形成模型

针对舆论传播过程中个体交互的广泛性和个体社会影响力的差异性,在Hegselmann-Krause模型的基础上建立了社交网络舆论形成模型。新模型通过引入个体间亲密度、人际相似性和交互强度等概念,对个体交互集合进行了扩展,并对影响力权重进行了合理量化,进而构建更切合实际的观点交互规则。通过一系列仿真实验,分析了模型主要参数在舆论演化中的作用。结果表明：在不同信任阈值下,群体观点均能收敛到一致,形成舆论共识;且信任阈值越大,收敛时间越短;当信任阈值为0.2时,收敛时间仅为10。同时,扩大交互集合、提高人际相似性的作用强度会促进舆论共识的形成。此外,当无标度网络的聚类系数和平均度较高时,群体观点更容易产生趋同效应。研究结果有助于理解舆论形成的动力学过程,对社会管理者进行决策分析具有指导作用。     

微博消息传播中意见领袖影响力建模研究

在微博网络中,消息的传播与意见领袖的影响力密切相关.然而,意见领袖在消息动态传播过程中所表现出的影响力难以量化衡量,这对意见领袖影响力的评估和消息传播趋势的预测带来了巨大挑战.针对这一问题,提出一种基于消息传播的微博意见领袖影响力建模与测量分析方法.在分析消息传播模式的基础上,采用动态有向图描述消息在微博网络中的传播过程;发现该过程可近似分解为由各个意见领袖所驱动的子过程,根据对意见领袖影响力属性特征的分析发现,该子过程可以由指数截断的幂律衰减函数来描述.对模型中各个参数进行估计,可以定量地衡量意见领袖在消息传播过程中的初始影响力、影响力衰减指数及其影响力持续时间等指标.结合新浪微博数据的分析结果显示:消息的传播范围与传播过程中参与传播的意见领袖的数量呈弱相关;虽然意见领袖的初始影响力与其粉丝数量的大小正相关,但影响力衰减指数的大小以及影响力持续时间的长短与粉丝数量几乎无关.最后,采用所建模型对真实微博消息的传播趋势进行预测,结果表明,所提模型能够较好地对热门消息的传播趋势进行预测,这对微博中公众舆论的控制及广告定点投放具有重要意义.     

基于动态进化图的行人轨迹预测

行人轨迹预测在自动驾驶和社交机器人等领域有着广泛的应用.对行人间复杂的交互关系进行有效建模是提高轨迹预测准确性的关键问题.然而,基于图神经网络的方法建模行人间的复杂交互时,存在行人间交互关系不会随着时间推移而改变,并且图模型无法自适应地调整网络参数,导致预测轨迹与真实轨迹偏差较大.为此,提出基于动态进化图的行人轨迹预测方法,设计动态特征更新(DFU)以定义行人间的动态特性,对行人间动态交互进行建模以构建时间域的网络动态性,提升对行人间复杂交互关系建模的能力.采用进化图卷积单元优化编码器,灵活进化图模型网络参数,增强图模型的自适应能力.研究结果表明,在预测8个时间步长下,与STGAT模型相比,所提出模型在两个公开数据集(ETH和UCY)上取得了更好的性能,平均位移误差降低12.26%,最终位移误差降低14.10%.     

一种置信于主流评价的P2P环境信誉模型*

针对P2P环境中策略性欺骗和作弊行为识别及防范难的问题,提出一种基于置信于主流意见的信誉模型(PTMTrust)。基于诚实反馈是节点间交互主流的原则,采用最大密度方法,构建滑动窗口定位主流评价值聚类中心。用评价值拟合度、交互活跃度和交易数等参数,确定评价值的可信度,使全局信任度真实反映节点服务或交易质量,惩罚虚假交易行为,抑制不真实评价的影响,增强评价系统的公平性,提高交易成功率。仿真实验验证了模型的保护功能,与传统信誉模型相比,由于推荐权重得到合理分配,有效地缓解了合谋作弊等恶意行为的影响,遏制了不诚实     

基于多关系网络的话题意见领袖挖掘

社交网络中的意见领袖在信息传播过程中起着重要的作用。传统的意见领袖挖掘仅基于网络结构,没有考虑特定话题或者事件下的作用,且目前基于话题的意见领袖挖掘仅基于单一的网络结构,并没有考虑到节点间的多种交互关系。本文提出一种基于多关系网络的话题意见领袖挖掘方法（Multi-relational networks, MRTRank）,融合话题因素和节点间多种交互关系,通过一种属性网络表示学习算法,得到不同节点在多关系网络上的相似性,形成节点的转移概率矩阵,最终通过PageRank算法得到top-k个意见领袖。在真实Twitter数据集上的实验结果验证了本文提出的方法优于传统的意见领袖挖掘算法。     

网络社区中的意见领袖特征分析

本文通过社会网络分析方法识别网络社区中的意见领袖.首先对意见领袖存在的人际关系网络结构特征进行分析,对比论坛、博客和问答网络之间的区别,提出基于无向、有权重网络模型更能真实准确地识别意见领袖.并基于该网络模型研究和分析了网络论坛结构特征,通过测量其小世界和无标度的复杂网络特征,定量分析意见领袖存在的社会性根源.其次提出...     

基于情感倾向性的意见领袖发现方法

随着社交网络的迅猛发展,大量的网民参与到话题讨论,积极推动着信息的传播。而意见领袖在信息传播中又起着决定性的作用。因此,如何在网络舆论中准确寻找意见领袖成为研究热点。针对传统的意见领袖研究方法没有将用户节点看作网络或仅仅把网络中的用户节点权重看成是回复次数叠加的问题,综合考虑回帖者的情感倾向,提出基于回帖者情感倾向性的意见领袖发现算法。实验表明,改进的意见领袖发现算法与传统的PR算法、UI-LR算法相比具有更高的识别精度。     

基于主观逻辑理论的网格信任模型分析

网格环境下如何为应用程序选择可靠的服务是一个关键问题.借鉴人类社会建立推荐信任模型的方法,提出以服务提供的服务质量属性为参考元素,引入基于服务质量的偏序关系建立基本可信度函数,考虑不同网格结点之间的历史交互信息中的不确定性,将历史交互信息转化为结点之间的推荐偏好意见,并采用衰减算子和融合算子综合来自不同网格结点的推荐信息.针对服务选择时产生的负载不均衡的现象,采用轮盘赌的方法进行服务选择.最后分析和仿真实验证明该模型的有效性.     

基于博弈论的网络社区舆情传播模型

针对网络社区动态、交互的舆情传播问题, 提出了基于博弈论的舆情传播模型(POBGT)。利用在动态概率条件下的博弈策略构成博弈树和收益矩阵, 从网络社区内部与外部分别对动态舆情传播进行分析; 构建的模型能够从动态和交互两方面描述传播过程, 最终能够形成稳定的状态。仿真结果表明, 网络社区中舆情传播在一般情况下具有初期传播平稳, 后期倾向某一方形成具有一定影响的舆论。     

基于Agent的网络舆论传播模型研究

网络舆论传播是以互联网为载体的舆论传播行为.研究了网络舆论传播中新闻跟帖与BBS传播,分析了网民Agent、新闻网站Agent以及BBSAgent的属性,建立了网民Agent与新闻网站Agent以及BBSAgent的交互规则,研究了网络舆论的可视化表示方法,并与人际传播相结合,建立了基于Agent的网络舆论传播仿真模型,为利用复杂性理论和Agent技术研究网络舆论传播提供了有益的思路和方法.