社交网络的商业利用

当楼下一个10年都没有变化的小杂货铺开始利用网络向小区的顾客外送货物的时候,也许你会感觉到Web2．0带来的互联网革命已经无所不在了。面对Web2．0的浪潮袭来,每个人都无法置身事外。社Earned（获取型）社交网络是目前最主流的类型,比如国外著名的社交网站Facebook、Twitter、Myspace,以及国内的开...     

社交网络的商业利用

当楼下一个10年都没有变化的小杂货铺开始利用网络向小区的顾客外送货物的时候,也许你会感觉到Web2．0带来的互联网革命已经无所不在了。面对Web2．0的浪潮袭来,每个人都无法置身事外。社Earned（获取型）社交网络是目前最主流的类型,比如国外著名的社交网站Facebook、Twitter、Myspace,以及国内的开心网、人人网、微博等等,其特性就是使用人数多、功能齐全、交互体验好。最重要的是,这类社交网站的访问流量甚至可以媲美门户网站。据统计,2010年9月,     

简谈社交化模式的商业分析

借助社交化的商业分析,企业或可实现转型,但其作用的发挥有待观察。     

企业“占领”社交网络

在社交网络经过几年发展而拥有了庞大用户基数的时候,企业已经不得不注重这块有着巨大潜力甚至是未来重要市场的地方了,控制着这个领域,无疑占领了未来商业市场的制高点。     

踢开企业社交发展的绊脚石

加速社交媒体业务在企业内普及的关键在于两个方面：企业在员工中构建社交商业知识的能力。以及鼓励员工进行工作行为改变的能力．这两点可能会深远地影响到企业文化的转变。     

社交网络中隐式事件突发性检测

社交网络与人们的生活息息相关,其上的用户行为可用于检测社交网络中的事件突发性,进而准确定位事件的发生区间.但用户行为易受主观及外部因素的影响,有时会出现隐式事件突发性,给事件突发性检测带来困难.本文针对社交网络中的隐式事件突发性问题,在以社交行为特征进行事件突发性检测的基础上,引入关键词特征,动态调整各个时间窗口的候选关键词,将不同事件与不同的关键词特征绑定,避免事件之间及噪音带来的干扰,实现对隐式事件突发性的准确识别.相关实验表明,本文提出的算法可有效改善现有社交网络中事件突发性检测任务的效果.     

如何在工作场所安全使用社交网络

社交网络已经成为首选的沟通渠道。虽然一些企业最初抵制在工作时使用社交网络,但是,许多企业现在认为,使用社交网络对于业务工作有益。他们理解企业社交媒体工具能够推动同事之间的协作和改善沟通。公共社交网络网站也许能够帮助机构吸引客户和员工、改善客户服务和管理自己的形象。     

基于异构社交网络信息和内容信息的事件推荐

基于事件的社交网络使得事件推荐受到越来越多的关注.不同于其他推荐问题(如电影推荐等),事件推荐具有3类不同信息:用户构成的异构社交网络关系信息(在线社交网络和离线社交网络)、用户/事件的内容信息、用户对事件的隐式反馈信息.如何有效融合这些信息进行事件推荐是该领域学者普遍关注的问题.提出一种新的混合事件推荐方法CHS-BPR,该方法以贝叶斯潜在因子模型为基本框架来处理用户对事件的隐式反馈信息,同时考虑用户/事件的内容信息和用户之间的异构社交网络信息,首次实现了同时使用3种信息来做事件推荐,并以真实数据集验证了所提方法的有效性.     

基于事件的社交网络上的CCP事件规划

在基于事件的社交网络(EBSNs)上,事件规划一直是一个热点研究问题.事件规划问题的核心是基于事件和用户的约束条件,对于一组事件,为每个事件选择一组用户,以最大化预先定义的目标函数.在实际应用中,事件冲突、事件容量、用户容量、社交偏好、事件偏好,简称为CCP,即冲突conflict、容量capacity、偏好preference,是规划方案需要考虑的重要因素.然而,现有的所有工作均未在研究事件规划问题时考虑CCP.为了获得更加合理有效的规划方案,首次提出一种CCP事件规划问题.相比只考虑部分因素的规划, CCP事件规划面临着问题更复杂、约束条件更多的困难.为了有效求解该问题,提出事件导向的贪心用户选择算法、事件导向的动态规划算法及基于收益预测的快速版本和事件导向的近似最优用户选择算法.大量的实验结果验证所提算法的有效性和高效性.     

基于网络社交媒体的子话题检测技术综述

在当前多种平台崛起的互联网背景下,与传统媒体相比,网络社交媒体中的数据具有传递速度快、用户参与度高、内容覆盖全等特点,其中存在着人们关注并发布评论的众多话题,而一个话题的相关信息中可能存在更深层次、更细粒度的子话题,针对该问题进行基于网络社交媒体的子话题检测技术的研究,这是一个新兴且不断发展的研究领域。通过社交媒体获取话题及子话题信息并参与讨论,这一方式正全方位、深层次改变着人们的生活,但是该领域技术还不成熟,且相关研究在国内尚处于起步阶段。首先,简述网络社交媒体中子话题检测的发展背景和基本概念;其次,将子话题检测技术分为七大类,对每类方法均加以介绍、对比和总结;然后,将子话题检测方式分为在线检测和离线检测两种方式,并将这两种方式进行对比,列举通用技术及两种方式下的常用技术;最后,概括了该领域当前不足及未来发展趋势。     

企业恋上社交网络

社交网络从无到有纽约人寿保险有限公司最近在其Twitter上发表了一条消息：人寿保险宣传月的女发言人Leslie Bibb参与了一系列广受欢迎的电影演出（比如你可以在《塔拉迪加之夜》中发现她）。作为一个Twitter包装计划的一部分,纽约人寿还邀请其Twitter跟随者秀出自己生活中真实的故事,主题就是“纽约人寿给自己和家庭带来的积极影响”。     

企业恋上社交网络

社交网络从无到有纽约人寿保险有限公司最近在其Twitter上发表了一条消息：人寿保险宣传月的女发言人Leslie Bibb参与了一系列广受欢迎的电影演出（比如你可以在《塔拉迪加之夜》中发现她）。作为一个Twitter包装计划的一部分,纽约人寿还邀请其Twitter跟随者秀出自己生活中真实的故事,主题就是“纽约人寿给自...     

在线社交网络文本内容对抗技术

在线社交网络内容对抗技术是人工智能领域与网络空间安全领域的一个新兴研究方向．它是指人们基于特定任务,在社交网络受众广泛、内容数量庞大、内容质量参差、内容真伪难辨的环境下,利用新兴的大数据驱动的人工智能方法,自动完成在线社交网络中针对特定主题与群体的对抗内容发现、生成与投送,进而实现社交平台异常信息的检测与反制,以达到维护网络空间安全的目的．虽然在线社交网络对抗技术属于一个新概念,鲜有相关工作,但是已有的机器学习方法可以被应用到该领域,通过特征提取、文本模式解析、文本内容编码与重建、目标优化等技术对社交文本大数据进行解析与内容表示,解决网络空间中的文本内容安全问题,实现对社交网络文本环境的净化．此外,在社交网络文本内容对抗的过程中,对抗双方的策略可作为反馈信息,使对抗模型不断进行更新和优化,最终达到完善模型的目的．基于以上攻防对抗思想,本文着重从文本内容生成与检测两方面对在线社交网络对抗进行阐述．首先,本文介绍了有关在线社交网络文本对抗技术的相关基础知识．其次,针对社交网络文本内容检测方法,本文从基于零次分类器的模型、基于机器特征的模型、基于预训练语言模型的方法、基于人机协作的模型、基于...     

浅析服装品牌市场定位中社交网络的应用

多样化的网络媒体深刻的改变了现代生活方式,也覆盖了整个消费社会。今天在服装产品的设计前期,传统的市场调研方式因其深度、广度的制约已经很难能够把握整体市场的定位。文章介绍了社会化媒体中应用最为广泛的社交网络媒体及其在服装品牌市场定位中的应用及价值。     

基于深度学习的社交网络舆情信息抽取方法综述

随着社交媒体平台的快速发展,舆情信息得以在极短的时间内大范围传播,如果不对舆情信息加以管理和控制,将对网络环境乃至社会环境造成巨大威胁。信息抽取技术因其语义化和精准性成为舆情分析和管理的第一步,也是最关键的一步。近年来,随着深度学习的发展,其自动学习潜在特征、组合特征的能力使信息抽取各个子任务的准确率都得到了很大的提高。文中结合社交网络舆情的特点和深度学习技术在信息抽取领域的应用,对基于深度学习的社交网络舆情信息抽取方法进行了系统的梳理和总结。首先整理了社交网络舆情信息的组织方式,详细阐述了舆情信息抽取的框架、评价指标,然后对现有的基于深度学习的舆情信息抽取模型进行了全面的回顾和分析,讨论了现有方法的适用性及局限性,最后对未来的研究趋势进行了展望。     

面向社交媒体的高质量内容识别

如何从海量多媒体文章中自动识别高质量内容是信息推荐、搜索引擎等系统的核心功能之一.现有的方法在训练中依赖大量的人工标注数据.针对其未考虑社交媒体中的社交信息和视觉内容的问题,提出一种基于正无标记(positive and unlabeled, PU)学习的图卷积高质量文章内容识别模型——基于PU学习的图卷积网络(graph convolutional network based on positive and unlabeled learning, GCN-PU),在统一的框架中使用一个异构网络同时建模社交媒体文章的文本和社交信息,并在该网络上使用图卷积网络来融合这些信息得到高阶特征.另外,使用多媒体文章的全局视觉布局信息来捕捉文章的综合视觉质量特征,用于补充图卷积网络输出的高阶特征.最后,在训练机制和损失函数中引入了PU学习来充分利用社交媒体中大量未标注的文章信息.在真实社交媒体数据集上的实验结果表明,相比于现有的方法, GCN-PU方法的F值提升了3%以上.     

基于异质图卷积注意网络的社交媒体账号分类

由于社交媒体网络的复杂性, 单一性质的同质信息网络对社交媒体账号分类会造成信息丢失, 对分类结果产生不利影响. 针对这种问题, 本文提出基于异质图卷积注意网络的社交媒体账号分类方法(HGCANA). 首先构建社交媒体的异质信息网络, 然后提取异质信息网络的社交媒体特征, 引入注意力机制, 对社交媒体账号进行分类识别. 通过实验比较HGCANA方法与现有方法, 证明了本文提出的HGCANA方法能够更好地对社交网络媒体账号进行有效分类.     

恶意软件攻击藏身社交网络

据近日发布的,由Websense发起,并由独立调研机构Ponemon Institute实施完成的《全球社交网络风险调研报告》中披露,社交网络的广泛使用的确正在导致恶意软件攻击加剧。