面向话题的微博网络测量研究

针对话题生成网络的动态时序特性,设计定量计算方法,从微博内容、网络结构、用户行为角度开展面向话题的新浪微博网络测量研究,结果发现：少数微博被大量转发,转发次数与对应微博数呈现近似的幂率分布;话题热度呈现明显的突发性和变化趋势,局部波动率能够有效地在大量背景微博中发现突发话题;基于话题生成的转发网络的小世界特性并不明显,且密集的关注关系不一定引发频繁的转发行为;传播能力强的话题中含有较大比例的持续参与用户,用户行为的话题相关性能够有效检测潜在关键用户。测量结果有助于了解话题生成网络的内容传播特点、网络结构特性及用户行为模式,测量指标能够有效应用于微博话题影响力分析等相关研究。     

微博

推荐理由：近年来,微博以其独特的关系组织方式和信息传播方式开创了个人用户的“自媒体”时代,并广泛应用于媒体传播、商业营销、社会生产、网络问政等各个领域,深刻改变了人们的交流、生活、工作方式。影响力空前．、截至2011年上半年,Twitter全球注册用户数已超3亿,我国微博用户也已近2亿。但微博在迅猛发展的同时,也带来网络谣言传播、非法事件动员、用户隐私侵犯等安全问题,国家在利用其为社会经济文化服务的同时,也应规范对其的管理。     

盘点2011

2011年。我国电话用户总数突破12亿，移动用户数接近10亿，互联网网民数突破5亿，宽带用户数接近115亿，微博用户数一路飙升至5亿。这一串数字标志着作为电信大国，中国在信息化道路上又迈进了一大步。     

合作感知中基于吞吐量的联合折中优化算法

为实现认知无线电资源开销和系统性能的全面优化,建模研究了基于合作感知的认知网络的有效数据吞吐量。针对软合并融合判决模式,基于认知网络的吞吐量建立了本地采样数与合作用户数的联合折中优化模型。通过非对称步长的Armijo非精确线搜索最速下降算法求出了全局最优解,与蒙特卡洛仿真实验共同验证了优化模型的有效性。在吞吐量的最大化准则下,实现了合作感知中本地采样数与合作用户数的联合折中优化。     

微博用户关系研究

本文以新浪微博为例,通过抽样分析来对微博中的社会网络进行研究。文章通过对明星用户之间和普通用户之间的网络密度分析、中心性分析和距离分析来了解微博用户的群体特征。重点讨论了微博用户之间所存在的社交关系以及信息是如何在这样的社交关系中进行传播的。     

基于社区发现的舆情热点挖掘研究

信息时代的快速发展,让社交网络平台成为人们交流工作、发表意见、联络感情的第二世界。为了准确地在大量网络舆情数据中发现热点并分析其热度,提出了基于社区发现的舆情热点挖掘研究,使用社区发现算法对舆情数据的热点挖掘工作进行研究,鉴于微博数据传播机制的特点,微博话题的热度值会受到转发量、评论数、点赞次数以及发表时间的影响,为此引入微博舆情数据关键词的热度影响因子来提高针对微博舆情数据热度计算的准确率。并在此基础上提出一种基于综合权重计算和热度影响因子的改进算法—CWHIF-TR。构建针对微博文本的热度分析模型,完成热点关键词热度分析实验和摘要句热度分析实验,为热度计算的相关研究提供思路。     

基于社会系统响应函数的在线群体分类研究

该文致力于丰富在线群体的研究体系,为未来探索深层次科学问题提供支撑。讨论了在线群体与在线话题的定义及常见分类方式。重点展现了一种全新的依据观测社会系统响应函数的趋势将在线话题分为4类的定性研究方法,即外源性首要传播型话题、外源性次要传播型话题、内源性首要传播型话题和内源性次要传播型话题,并且进一步以此区分讨论不同类型话题的在线群体。同时,明确地提出了规范的使用步骤与实际操作时可能遇到的问题及解决方法。最后尝试运用该方法来估计以新浪微博与百度贴吧为代表的在线社交网络平台中各类话题群体的分布情况。     

基于用户与节点规模的微博突发话题传播预测算法

突发话题传播建模与预测的主要目的是对网络中可能产生不良影响的、紧急性突发事件的后续传播进行控制。目前微博网络中的话题传播与预测研究尚处于起步阶段。通过对病毒传染模型、消息传播模型以及话题传播模型的深入研究,提出一种基于微博粉丝关系、用户活跃度和影响力的话题传播模型,将微博用户集合划分为感染用户、易染用户和免疫用户,分析感染用户和易染用户的粉丝关系,预测下个时间窗口内被感染的用户规模。沿用话题传播模型研究中的“内外场强”概念,通过研究发现“内场强”和“外场强”有特定的比例关系,基于用户群的规模大小,分别提出基于用户和节点规模的话题传播预测算法。相关实验表明,基于用户的算法预测更为准确但是时间复杂度较高,基于节点规模的算法则更适合大规模数据集的处理。     

基于微博的网络舆情管控技术研究

微博作为社交网络发展的最新产物,已逐渐成为网络舆情爆发的始发地。微博舆情管控有效的措施是发布舆论疏导信息进行正确导向。研究基于微博网站的开放平台,通过注册合法用户,采取群发消息、群发评论、群发@信息等技术途径,增强舆论导向信息传播的速度和密度、信息投送的精度和力度。最后通过国内主流的微博网站开放平台搭建实验环境,对微博舆情管控技术进行了验证,能够较好地实现微博舆情疏导信息形成几何数的传播速度。     

基于用户数趋势的季节指数模型话务量预测

文章针对话务量特点,分析现网历史数据,利用用户数趋势和季节指数分别对话务量基本规律和周期规律的特点建立模型,进而得到基于用户数趋势的季节指数模型。在Matlab平台下利用该预测模型对某市话务量进行预测,结果显示基于用户数趋势的季节指数模型能够很好地反映话务量变化情况,提高了预测精确度。     

微博网络中基于主题发现的舆情分析

针对现有微博网络舆情分析的研究中没有从全局层面考虑舆情文本特征的情况,结合微博网络舆情的主题及趋向性分析,提出了基于主题发现的微博网络舆情分析模型,从文本预处理、微博文本特征提取、微博舆情的主题发现及趋向性分析三方面进行了具体描述。仿真结果表明,基于该模型实现的微博网络舆情分析方法在微博网络舆情的分析处理中检测效果良好,说明该模型有效。相关内容可为该领域的进一步研究提供有价值的参考。     

微博热点话题检测系统的设计与实现

本文描述了一个微博热点检测系统。管理者通过它可以快速了解正在发生的或是已发生的微博热点事件。系统采用调用微博API接口与改进爬虫程序相结合的方式获取网页数据;由于网络数据量巨大,为了提高效率,还采用了网页清理技术;重点介绍了话题活性模型的方法,系统可以根据时间坐标快速寻找热点话题,提高了热点话题发现的效率,大大降低了热点话题发现的时间复杂度。     

微博中基于多关系网络的话题影响力个体挖掘

In micro-blogging contexts such as Twitter, the number of content producers can easily reach tens of thousands, and many users can participate in discussion of any given topic. While many users can introduce diversity, as not all users are equally influential, it makes it challenging to identify the true influencers, who are generally rated as being interesting and authoritative on a given topic. In this study, the influence of users is measured by performing random walks of the multi-relational data in micro-blogging: ret-weet, reply, reintroduce, and read. Due to the uncertainty of the reintroduce and read opera-tions, a new method is proposed to determine the transition probabilities of uncertain relational networks. Moreover, we propose a method for performing the combined random walks for the multi-relational influence network, considering both the transition prob-abilities for intra- and inter-networking. Ex-periments were conducted on a real Twitter dataset containing about 260 000 users and 2.7 million tweets, and the results show that our method is more effective than Twitter-Rank and other methods used to discover influencers.     

基于LSTM深度学习模型的中国电信官方微博用户情绪分析

中国电信官方微博（简称电信官微）作为一种互联网媒体,是中国电信对外发布信息并获取用户反馈的重要渠道。用户对电信官微消息内容的评论,反映了用户对中国电信品牌、产品和服务的不同态度。爬取了电信官微的消息内容和评论数据,对经过清洗的数据采用Word2vec进行文本信息表示,并使用深度学习平台基于LSTM深度神经网络模型进行用户交互文本的正负面情感分类,实现电信官微访问用户情绪分析。     

Social network users clustering based on multivariate time series of emotional behavior

It is known that the social network is an excellent source for gathering the emotions of people. There are thousands of micro-blogs posted in every second and every micro-blog that may contain a variety of user＇s emotions. The users＇ collective emotional behaviors are with great impacts on today＇s societies, so it is good to find groups for society management based on users＇ emotional behavior. This article focuses on analyzing multivariate emotional behavior of users in social network and the goal is to cluster the users from a fully new perspective-emotions. The following tasks are completed： firstly, the multivariate emotion of Chinese micro-blog with vector is analyzed, and multivariate time series to describe the user＇s emotional behavior are constructed. Seconedly, considering principal component analysis （PCA） in similarity and distance similarity, the similarity of the multivariate emotion time series is measured. The contribution could be summarized as follows： groups of users though different emotions in social network are discovered. The emotional fluctuation and intensity of users are considered as well. Experiment in clustering effectively illustrates the emotional behavior characteristics of the Users in different groups.     

FTTH模式下城中村接入的分光建设方案

在宽带接入驻地网大建设时期,FTTH建设中涉及的问题较多,只有在实践中慢慢总结,综合考虑用户类型、线路状况等,才能使FTTH建设具有较好的经济和技术效益。FTTH系统的基本组成包括FTTH光线路终端(OLT)、光分配网(ODN)、FTTH光网络单元(ONU)三大部分组成。去年以来,随着FTTH建设规模进一步扩大,各种ODN建设场景和产品需求层出不穷,各种场景的接入方式成为讨论的热点。本文介绍了城中村场景下的几种分光方式,并对其进行了比较分析。     

电子商务时代酒店微博营销分析

微博最显著特征之一就是其传播迅速.一条微博在触发微博引爆点后短时间内互动性转发就可以抵达微博世界的每一个角落,达到短时间内最多的目击人数.微博营销是投资少见效快的一种新型的网络营销模式,其营销方式和模式可以在短期内获得最大的收益.     

特征词选择与相似度融合的微博话题发现方法

微博短文本中存在一些相同或相近、但与主题关系不大的词项,对准确度量文本之间的相似性具有较大的干扰作用,影响微博话题被发现的质量。提出一种基于文本内容与结构化信息相结合的特征词选择算法,能有效提取具有代表性的特征词,并对文本、话题间相似度的计算策略进行改进,然后将特征词选择算法与相似度计算方法融合,应用于微博文本数据实现话题发现。实验结果表明,本算法能有效降低话题发现的平均漏检率与误检率,提高话题发现质量。     

融入词汇共现的社交网络用户情感Biterm主题模型

近年社交网络用户数量不断增加,基于文本的用户情感分析技术得到普遍关注和应用。但数据稀疏性、精度较低等问题往往会降低情感识别方法的精度和速度,提出了用户情感Biterm主题模型（US-BTM）,从特定场所的文本中发现用户偏好及情感倾向,有效利用Biterm进行主题建模,并使用聚合策略形成伪文档,为整个文本集创建词汇配对以解决数据稀疏性和短文本等问题。通过词汇共现算法对主题进行研究,推断文本集级别信息的主题,并通过分析特定场景下的评论文本集中的词汇配对集及其相应主题的情感,达到准确预测用户对特定场景的兴趣、偏好和情感的目的。结果证明,所提方法能准确地捕捉用户的情感倾向,正确地揭示用户偏好,可广泛应用于社交网络的内容描述、推荐及社交网络用户兴趣描述、语义分析等多个领域。     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.