基于用户行为属性的微博热点事件演化仿真

模拟微博热点事件的演化过程时,需要分析信息在网络中传播的特点,否则无法准确的获取反对人数和支持人数在微博热点事件中的变化趋势,存在演化精准度低的问题.由此提出基于用户行为属性的微博热点事件演化仿真,利用Python设计网络爬虫信息采集结构,采集微博信息,根据采集的信息构建信息传播模型,在信息传播模型的基础上分析用户在微...     

机会网络舆情传播的MCA模型及仿真研究

为了研究舆情主体的流动性和记忆能力对舆情在机会网络中传播的影响,提出移动实体、元胞容量和元胞吸引力新概念,扩展经典元胞自动机模型,并结合现代心理学的记忆理论,建立移动元胞自动机舆情传播模型。在此基础上,考虑舆情主体对新鲜观点存在抵触情绪,提出了舆情主体情感态度倾向性和态度转变阈值的概念,制定实体状态转换规则和移动规则,从而分析影响舆情在机会网络中传播的主要因素。结果表明:舆情主体流动性的提高、记忆时间阈值的增大可以促进舆情传播;不同情感态度的主体比例相差越大,舆情同质化率就越高;舆情主体的空间密度越高,舆情传播速度越快;舆情主体自身情感态度倾向性越大,舆情传播速度越慢。     

基于元胞自动机模型的网络舆情导控机制研究

为探究网络舆情的演化规律及导控作用,采用定量分析方法,提出一种基于元胞自动机的舆情导控机制。定义内在动力系数、倔强度系数等舆情主体属性,提出舆情导控力系数。在元胞自动机模型中,把主体属性以及导控强度赋值给每一个元胞,仿真实现并分析了外界导控作用、网民属性对网络舆情发展的强度和方向的影响。实验结果表明,在网络舆情传播形成和发展时期对舆情进行正确导控,可以避免不良舆论的发生,舆情演化总体呈现扩散状态。     

移动元胞自动机的个体化网络舆情聚类模型与仿真

为了研究舆情个体的个性对现实环境下网络舆情传播和演化的影响以及舆情个体“类聚”现象,采用元胞自动机理论的建模方法,将一定网格空间的个体抽象为带有情感倾向度的元胞,设定离散值的意见倾向度。此外,定义元胞的个体特性：坚定性权重[βij],个体影响权重[λij]。为了模拟舆情个体可以通过不同途径参与舆情事件,定义了一种新的移动规则,在边界周期条件下的元胞空间,实现了每个元胞与空间内的所有元胞的信息交流。实验结果表明：舆情演化到最后会呈现稳定状态,舆情个体的不同个性会影响稳态收敛的速度快慢;当个体特性取中间值时,系统最有可能出现意见群体意见归一现象。     

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.     

基于个人属性特征的微博用户影响力分析

为提高微博话题中关键人识别的准确性, 提出了一种基于个人属性特征的用户影响力分析方法——PBF方法。该方法利用信息传播特征对用户影响力进行度量, 结合个人属性特征对其进行回归分析, 找出最能反映用户影响力的属性特征, 进而利用这些特征对用户影响力进行预测。实验结果表明, PBF方法的识别效率要明显高于RNF方法, 有效提高了关键人识别的准确性。     

基于用户关系与属性的微博意见领袖挖掘方法

提出一种结合用户关系与用户属性的挖掘方法.根据微博特征构建微博用户关系网,采用小世界网络理论确定用户的中心性,以此获得基于用户关系的候选意见领袖.通过分析微博用户属性,建立意见领袖影响体系,提出D-means聚类算法,获得基于用户属性的候选意见领袖,结合2种候选意见领袖得到最终意见领袖.实验结果验证该方法在挖掘意见领袖上比现有方法更加准确有效.     

基于用户特征属性的微博话题关键用户挖掘

针对微博话题存在时效性的特征以及用户之间交互行为特征,在经典PageRank算法的基础上,提出基于用户交互的微博用户挖掘算法来有效挖掘推动微博话题流行的关键用户。首先,介绍了微博话题关键用户的定义及其相关特征;其次,由于传统模型未考虑用户交互以及时间属性的影响,所以融合了时间属性以及用户之间交互特征,同时结合微博网络结构提出了MUR算法;最后,将算法与经典PageRank算法和TS算法做了比较。实验结果表明,模型在微博话题用户的时效性、话题推动以及对粉丝的影响力等方面表现较好,证明了模型的合理性和有效性。     

微博舆情热点分析系统设计研究

舆情分析关乎国家发展与社会和谐,目前已有越来越多的机构和行业从事舆情分析。面对互联网海量的数据信息,新浪微博舆情热点分析系统以目前使用极为普遍的新浪微博为数据源,着眼于新浪微博热点信息的分析。新浪微博舆情热点分析系统目前已经实现了微博抓取、微博分析。文章介绍了系统的体系结构和详细设计,并对系统在实现中所遇到的主要问题及解决方案进行了描述。最后,文章分析了系统需要改进的方面,以及该领域的研究和发展方向。     

微博社会网络重要用户节点筛选及舆情引导

首先通过研究网络爬虫以及新浪微博的开放平台,设计实现新浪微博专用爬虫,获取研究数据。其次,通过实验得到重要用户节点指标,提出贝叶斯-PageRank算法筛选重要用户节点,并实验验证重要用户节点的有效性。最后通过对重要用户节点的监测实现网络舆情发现并给出相关舆情引导策略。     

基于微博的用户相似度计算研究

针对传统的相似度计算方法和评价标准在准确、高效地度量微博用户相似关系时不理想的缺陷,提出一种新的微博用户相似度的计算方法。该方法针对不同的属性数据结构采用不同的计算方式,并根据属性统计信息对各个属性赋值,利用层次分析法确定各属性权值,最后构建综合相似度计算模型。实验结果表明,相对于传统的相似度计算方法,所提计算方法衡量用户相似的准确度提高了22.6%,召回率提高了12.7%,F1度量值提高了29.5%。     

基于用户影响力的微博数据提取算法

微博作为舆情分析中基础数据的主要来源之一,如何对其进行有效提取是数据获取的关键问题。为此,提出一种基于用户影响力的数据提取算法,以满足舆情系统对数据的需求。该算法首先利用模拟登录技术获取用户关系并依此构建用户网络,再根据自主设计的用户影响力计算方法计算出影响力,进而建立符合微博特征的影响力最大化模型挖掘出最具传播能力的k个节点,最后爬取相应的微博数据。实验证明,该算法能够有效提高获取数据的质量,为舆情分析提供更好的数据支持。     

基于系统动力学的微博舆情发展模型

近年来,新浪微博逐渐成为大量网络舆论的聚集地,许多网络事件均在新浪微博上产生或是扩散,在这些事件中,只要处置不当便会造成严重的后果。如何科学地疏导微博舆情已经成为摆在各级政府面前的一道难题。本文利用系统动力学原理,针对新浪微博上的网络舆情发展进行建模,通过系统动力学模型分析相关因素之间复杂的反馈关系,并进行仿真测试,为微博舆情引导提供有力的帮助。     

基于用户社会属性及行为特征吸引度的微博粉丝网络演化模型

分析用户社会属性和行为特征对微博粉丝网络演化的影响,提出一种基于用户社会属性及行为特征吸引度的微博粉丝网络演化模型SBPAF。模型引入社会属性吸引度及行为特征吸引度概念,依据吸引度优先连接的原则和第二跳连接原则增边,并引入边消亡过程,从而精确刻画现实微博粉丝网络演化过程。模型中的参数能够进行灵活调整,可以得到不同微博粉丝网络的仿真拓扑。仿真结果验证了SBPAF模型的合理性和有效性。     

基于微博用户评论和用户转发的数据挖掘

随着微博的日趋流行,微博网站已成为海量信息的发布体,对微博的研究也需要从单一的用户关系分析向微博用户及其转发内容的挖掘进行转变,该文提出了一种新的方法挖掘微博用户评论和所转发微博的文字信息,将被用户关注的层面发掘出来,从而并产生推荐。     

基于中文微博的突发事件舆情监测研究

微博作为异军突起的新媒体,已经成为传统媒体跟踪突发消息的重要来源。文章对突发事件舆情传播的特征与趋势、微博短文本预处理、微博突发事件情感分析3个微博突发事件监测的关键问题进行了阐释和探讨,并基于已有的研究,给出可能地解决方案。最后提出了一个高效的微博突发事件舆情监测的设计框架,通过发现突发事件情感特征及突发期,再对处于突发期的博文进行主题聚类抽取突发事件。     

一种基于博弈理论的BBS舆情预测模型

网络论坛（BBS）中曝光帖的“主帖方”和“回应方”存在着典型的动态博弈行为,主导着舆情的演化进程.为了预测这种舆情的发展,以双方发帖的偏离事实程度为策略空间,设计了一种符合现实的“主帖方”和“回应方”发帖行为博弈模型,建立了基于小世界网络和元胞自动机的舆情预测模型,对现有的元胞自动机模型进行改进,用博弈策略解调节元胞自动机的迭代规则参数,实现“主帖方”和“回应方”对舆情发展的主导作用.通过仿真实验,结果表明回帖数、支持数与反对数之比等指标的变化趋势与现实中的网络事件较为吻合,说明了模型具有一定的合理性和有效性.     

基于SCIR的微博舆情话题传播模型研究

微博是舆情话题传播的重要渠道,研究微博网络中的舆情话题传播机制,将有利于对舆情话题的传播过程进行分析与监控,而传统的网络信息传播模型却无法真实地描述微博网络中的舆情话题传播机制。针对以上问题,分析了微博网络中的信息互动模式及舆情话题的传播特点,以传染病动力学中的SIR模型为基础,通过引入一个新的节点状态--接触状态,构建了基于SCIR（Susceptible Contacted Infected Removed）的微博网络舆情话题传播模型。仿真结果表明,该模型可以很好地描述微博网络中的舆情话题传播规律。