一种改进拓扑势的意见领袖挖掘算法

意见领袖发现在舆情监测、市场推广、信息传播等领域具有重要的理论指导意义和实际应用价值。针对传统意见领袖挖掘算法片面考虑目标单一属性、缺乏话题相关性、评估缺乏客观性等问题,提出了一种基于改进拓扑势的意见领袖挖掘ITP算法。该算法结合具体节点的客观属性和网络结构,采用数据偏差对主观权重进行修正,可客观地对目标节点进行评估,挖掘意见领袖。对真实微博数据集进行实验,结果表明 与传统的3种方法相比,所提出的算法能挖掘不同背景下的意见领袖,具有较高的相关性和准确度。     

一种基于情感倾向分析的网络团体意见领袖识别算法

意见领袖对网络舆情的产生和发展有着重要的指引作用,挖掘和识别网络社区中的意见领袖有重要的现实意义。结合聚类算法和分类算法的优势,提出一种基于话题内容分析的兴趣团体发现方法,以有效识别出兴趣团体。并通过分析用户回帖情感倾向来计算用户间链接的权重。在此基础上,提出了一种新的LeaderRank意见领袖发现算法,通过实验证明该算法能有效提高意见领袖挖掘的准确度。     

微博话题符号网络下的意见领袖挖掘算法研究*

随着移动互联网的快速发展,用户逐渐成为社交媒体的主导者,新媒体的迅速崛起,改变了传统的信息传播的格局以及规律,经典的大众传播理论中的意见领袖、把关人等有了新的时代意义,在一定程度上得到进一步的扩展和延伸。在现有的意见领袖的挖掘中主要是从网络结构和用户行为研究方向,没有考虑到是否真正对用户产生影响这一重要的属性,本文以符号网络作为研究工具,通过赋予用户之间的观点关系链接相应的代表支持或者反对的符号,将传统的意见领袖挖掘算法结合符号网络中的能够描述用户观点变化的符号关系,将真正对用户产生影响的意见领袖挖掘出来,从而挖掘得出更加精准有效地意见领袖。     

面向新浪微博的意见领袖挖掘算法

当前的影响力分析算法大多基于网络拓扑结构或用户交互信息,然而单一方面的方法会使挖掘结果出现较大的偏差,目前缺乏全面准确的影响力挖掘方法。本文通过对传统PageRank算法进行扩展,提出一种面向新浪微博的基于用户交互度连接属性的TCRank算法;其次设计了3种微博意见领袖特征指标,并对其加权求和用于意见领袖候选集的精化操作;同时提出一种基于卷积神经网络模型的情感支持度的意见领袖抽取算法,对意见领袖候选集进行最终排名。最后,通过实验验证所提出算法的有效性。     

改进LeaderRank算法的意见领袖挖掘

意见领袖挖掘是社会网络研究的重要课题,对于舆情控制、信息传播等方面具有重要意义。LeaderRank算法是一个有效的意见领袖挖掘算法。为提高LeaderRank算法的准确性和抗干扰能力,在LeaderRank算法基础上,加入用户之间的情感倾向、用户活跃程度,提出了改进的LeaderRank算法。基于SIR模型的实验验证表明,改进算法的准确性和抗干扰能力均得到了有效提升。     

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。     

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。     

意见领袖识别中的文本倾向性研究

由于网络用户讨论的主题变化频繁, 因此在进行倾向性判定时, 难以预先构造出满足各种情况的训练语料。针对上述问题, 提出了一种意见领袖识别中的文本倾向性判定方法, 进而建立考虑回复帖子倾向性的意见领袖发现模型。该模型建立在影响力扩散概率模型（IDPM）上, 模型中引入了考虑帖子倾向性的有效系数。实验表明, 该方法是有效的, 其前50个的平均精确率相对分别提高了10. 97%和5. 45%。     

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。     

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。     

基于语料阶梯评价的互联网论坛舆论领袖筛选算法

针对互联网论坛中舆论领袖筛选问题,提出了基于发帖网民的语料和基于网民的网络行为统计属性特征的互补性网络舆论领袖筛选模型.通过深入分析基于在线社区内容的"影响力扩散模型",提出了基于发帖网民语料的"阶梯式"评价法的全新算法.对基于统计属性特征评价方法的属性进行了重新定义,选取了更为合理的网络统计数据,增加了互补性的属性值,使评价方法更趋完善.通过与专家法人工筛选出的舆论领袖相比较,该模型筛选出舆论领袖的成功率在85%以上,模型具有较强的实用性和重要应用价值.     

An Improved Algorithm for Identifying Objects in Code

The identification of abstractions within existing software systems is an important problem to be solved to facilitate program comprehension and the construction of a set of reusable artifacts. In particular, of interest is the identification of object-like features in procedural programs. Existing techniques and algorithms achieve some level of success but do not, in general, always precisely identify a coherent set of objects. The identified objects tend to contain spurious methods that are only tenuously related to the object and require a great deal of human effort and understanding to unravel. This paper presents an improved algorithm that overcomes these drawbacks and enables the precise identification of objects with less human intervention and understanding by exploiting simple statistical techniques. The algorithm is applied to several sample programs and the results are compared with existing algorithms. Finally, the application of the algorithm to a real medium-size system is described and discussed. The algorithm was developed as part of the RE² project in which the identification of object-like features in existing systems is the basis for a re-engineering process aimed at populating a repository of reusable assets.     

简单多边形凸凹性自识别算法

提出一种基于极值顶点构造凸多边形和矢量叉乘的自动识别简单多边形方向性，凸凹性的算法，该算法在稳定性方面采取了有效的措施，避免因极值顶点的奇异性而导致多边形方向性，凸凹性的错误识别，具有良好的可靠性和稳定性，算法原理直观简单，效率高，时间复杂度为O（n).     

基于Kullback-Leibler距离的二分网络社区发现方法

现实世界存在大量二分网络,研究二分社区结构有助于从新角度认识和理解复杂网络。由于二分网络特殊的二分结构,使得基于单模网络的现有社区发现算法无法适用。本文提出一种基于Kullback-Leibler距离的二分网络社区发现算法,该算法将异质节点间的连接关系转化为其在用户节点集上的连接概率分布,并建立基于概率分布的KL相似度衡量节点连接模式的差异性,从而克服二分结构对节点相似性评估的不利影响,实现对二分网络异质节点的社区发现。在人工网络和真实网络上的实验和分析表明：该算法能够有效挖掘二分网络社区结构,改善二分网络社区发现的准确性和效率。     

Social Influence of Competing Groups and Leaders in Opinion Dynamics

Computational Economics - This paper explores the influence of two competing stubborn agent groups on the opinion dynamics of normal agents. Computer simulations are used to investigate the...     

Religious Authority and the Blogosphere

It is often argued that the internet poses a threat to traditional forms of authority. Within studies of religion online claims have also been made that the internet is affecting religious authority online, but little substantive work has backed up these claims. This paper argues for an approach to authority within online studies which looks separately at authority: roles, structures, beliefs/ideologies and texts. This approach is applied to a thematic analysis of 100 religious blogs and demonstrates that religious bloggers use their blogs to frame authority in ways that may more often affirm than challenge traditional sources of authority.     

电子商务系统的商品搜索算法研究

传统的电子商务系统中,使用关键字匹配的算法实现商品搜索的功能,只能得到包含顾客输入关键字的商品。以网上书店的实现为例,通过对商品搜索算法的改进,引入模糊系统和文本匹配算法,使得在顾客搜索商品时,不仅显示精确匹配的商品,而且可以提供与其要求相似的商品供其参考。这对于商家增加交易机会、发掘潜在顾客、提高个性化服务水平都有很大的促进作用。     

基于C3D-GRNN模型的人群异常行为识别算法

针对传统人群行为识别算法受人工主观因素影响较大等问题,综合三维卷积神经网络(C3D)与广义回归神经网络(GRNN)的优势和特点,提出并实现了基于C3D-GRNN模型的人群异常行为识别算法。该算法首先采用ViBe算法确定运动目标区域,然后通过改进C3D网络提取目标的HOG时空特征,再加入GRNN层进行分类训练,最后根据训练好的C3D-GRNN模型完成人群异常行为的识别与分类。实验结果表明:所提算法的HOG时空特征能够明显提升对人群行为的表达能力,减少了特征提取工作量,并且该方法的准确度和鲁棒性均高于支持向量机等其他同类方法,为小样本数据集的分类问题提供解决新思路,具有较高的应用价值。