基于用户行为的微博网络信息扩散模型

利用新浪微博数据对用户行为进行分析,在此基础上构建了基于用户行为的微博网络信息扩散模型SIRUB,同时计算了模型中各用户阅读微博和转发微博的概率,在微博网络中的实验表明,只有同时考虑阅读和转发概率时模型才能较准确地预测用户的转发行为.SIRUB模型对用户转发行为预测的F-score最高为0.228,高于经典SIR模型和SICR模型,此外该模型对微博扩散范围的预测其误差的均值和标准差也均小于SIR模型和SICR模型.

微博网络上的重叠社群发现与全局表示

微博网络是新兴的覆盖海量用户、涉及广泛话题并具有复杂重叠社群结构的多模网络.在深入研究微博网络各类实体和属性内在联系的基础上,提出了以用户-话题关系为主要划分原则的重叠社群表达模型及相应的社群结构发现算法.该方法不仅考虑网络中的用户-话题关系,还融合了这一网络特有的用户关注关系、博文评论与转发关系等所形成的复合网络关系.同时,改进了传统的社群隶属矩阵表述模型,通过引入虚拟社群,使隶属矩阵不仅合理反映个体对社群的隶属度,同时标识了个体在社群中的核心度.通过基于新浪微博数据集的实验验证,结果表明:该模型与方法能够高效合理地刻画该数据集包含的重叠社群结构,实验结果具有良好的可解释性,所提出的模型和算法可以有效地应用于类似多模网络社群划分和演化分析研究中.

微博网络地域Top-k突发事件检测

传统的事件检测不考虑地域特性,面对的是媒体的整个信息流,是一种广域事件检测,会引起局部地域事件检测的失效.随着Web2.0及GPS技术的推广应用,很多社交媒体生成的内容体现了地理信息和时间标记.社交媒体中地域性突发事件的检测是近期新兴的研究热点.针对地域突发事件检测的需求,在合理利用社交媒体及突发事件表现的特性等方面,已有的研究仍有较大的不足.微博网络作为实时性、交互性很强的社交媒体,已经成为人们爆料事件、发表观点的首选媒体.该文面向微博网络,给出了地域Top-k突发事件检测的系统框架,包含地域博文采集、博文预处理、词突发值计算、突发词聚类、突发事件排序及突发事件可视化等部分.根据微博的时空特点,在综合考虑微博博文及社交关系的基础上,利用词出现频率、词关联用户、词分布地域及词社交行为4类指标,提出了新颖的微博网络词突发值计算模型.结合微博网络的特点以及地域Top-k突发事件检测的需求,提出了融合突发词地域、频率、关联博文、关联博文产生的影响力以及关联用户5类指标的突发事件热度计算方法.选取新浪微博作为真实的检测环境,以北京、南京、连云港和日照4个城市为地域范围,使用了5种方法比对了突发事件检测的准确率,这5种方法分别为HBED(2011年)、GeoSED(2013年)、EvenTweet(2013年)、GeoBurst(2016年)和该文提出的方法 LocTBED.结果表明,文中所提方法在地域Top-k突发事件的检测上有较好的性能.

考虑多层邻居节点影响的微博网络舆论演化模型

针对微博网络中节点在传播路径上具有多层影响力的特点,提出一种结合微博网络中信息传播和观点交互的舆论演化模型,并考虑节点的自信程度,将节点的自信程度同网络结构结合起来,研究影响微博网络中舆论演化的主要因素.研究结果表明,考虑节点自信程度情况下,终态时网络舆论会出现更丰富的状态;一个极具吸引力的话题在微博网络中有较大概率形成一致性舆论;终态时的观点分布与初始节点的出度以及回溯深度相关,随着回溯深度的增加,终态时形成一致性舆论的概率增大.

基于核心标签的可重叠微博网络社区划分方法

针对传统微博社区发现算法内聚低重叠度不可控制等问题,以自顶向下的策略,提出一种基于核心标签的可重叠微博社区发现策略Tag Cut.先利用用户标签的共现关系及逆用户频率对标签进行加权,并基于标签之间的内联及外联关系并将用户的标签进行扩充,然后在整体社区中提取包含某一标签的用户作为临时分组并利用评价函数评估划分的优劣,最后选出最合适的核心标签根据其对应分组与其他分组距离的远近来决定将其划分为新的分组还是并入其他分组.用此策略反复迭代直到满足要求.该算法划分的组由若干个拥有核心标签的分组组成且综合利用微博用户已声明的及隐含的兴趣、用户之间的关注规律、结果的实用性对划分结果进行修正.经真实数据实验表明该方法内聚高社区重叠度可控且拥有实际意义.

微博网络中用户主题兴趣相关性及主题信息扩散研究

运用Twitter-LDA主题模型对新浪微博数据进行了主题分析,基于用户主题兴趣相关性的研究表明用户间的主题兴趣具有三度相关性,同一主题兴趣下三度以内粉丝的发文数随用户发文数增加而波动式增加,各度粉丝与用户主题兴趣的相似度随粉丝度数的增加而下降。通过分析比较不同主题类别微博的扩散差异,发现生活情感类的信息最受用户欢迎,不同主题类别微博被转发的概率存在显著差异,平均转发数相差可达10倍,微博信息扩散树中各类主题在微博信息扩散深度、扩散时间间隔和用户的扩散能力方面都表现出不同的特征。

考虑媒体效应的微博网络热点事件舆论演化模型

鉴于媒体对网络舆论有越来越重要的影响,重点考虑媒体效应和微博网络中观点的传播特点,构建了有界信任规则下的舆论演化模型,分析了媒体因素以及节点信任界限异质性对微博网络中舆论演化的影响.仿真结果显示,有媒体影响时,个体对媒体观点的采纳幅度越大,媒体引导的效果越好;群体观点易于改变的网络热点事件中,媒体首次报道时间越晚,媒体的引导效果越好.研究结果表明,在网络舆论引导中,不但要注意介入的时间,更应注重论据的合理性.通过实例验证本文提出模型与实际情况相符合,说明了本文模型的有效性和适用性.

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。

基于非负多矩阵分解的微博网络信息推荐

微博网站作为一种流行的社交媒体形式,在为用户提供丰富信息和服务的同时,也带来了信息超载问题。如何利用微博网络为用户推荐有价值的信息,以缓解信息超载问题变得日益重要。根据微博网络的有向性以及建立关注关系的随意性等特点,提出了一种基于非负多矩阵分解的微博网络推荐方法,综合考虑了用户之间的关注关系、用户与微博内容的转发关系,以及微博内容与主题的所属关系等多源信息。基于新浪微博数据集进行了微博内容推荐实验,结果表明基于非负多矩阵分解的方法能够有效利用微博网络中的多维信息,显著提高推荐准确度。该方法不仅能挖掘出微博内容的主题,还能挖掘出用户间的关联关系,可推广到对用户进行好友和主题的推荐。

基于灰色预测的微博网络信息传播模型

微博网络信息传播具有动态、复杂、无规律性,因此难以进行信息传播的预测与控制.由于灰色理论在解决少数据、贫信息、不确定性问题具有一定的优势,本文提出了一种基于灰色神经网络的微博网络信息传播模型.模型将传播过程中动态、不确定因素作为扩展BP神经网络的输入参数,进行训练并预测信息传播的结果规律.仿真结果表明微博网络中信息传播在一般情况下具有初期传播平稳、中期传播迅速、后期逐渐缓慢形成稳定的传播规律.该模型对于微博网络上信息传播预测及控制具有一定的应用价值.

基于用户紧密度的微博网络社区发现算法

针对微博网络社区难以准确划分的问题,根据微博网络的特性,提出一种基于用户紧密度的微博网络社区发现算法。根据微博网络中用户间的交互度与共有邻居相似度来计算用户紧密度,并与传统的GN算法相结合对微博网络进行社区划分。通过对真实社会网络和微博模拟网络进行实验验证,实验结果表明,该算法可以有效地发现网络中的社区结构。

微博网络消息传播的ISSR模型

将微博用户划分为无知者、传播者和拒绝者3种类型,结合微博网络消息传播实际情况,在经典传染病易感染-感染-治愈模型基础上,提出新的无知-传播-传播-拒绝模型.详细描述了传播机制,并对模型的均场方程进行稳态分析.由爬取到的上海典型大学新浪微博用户信息,构建符合真实网络统计性质的网络演化模型,并进行网络动力学分析.仿真结果表明,较大的转发率α和较小的拒绝率δ可以提高微博消息的传播范围,多次转发率γ对传播节点密度也有一定的影响.

基于WB-MMSB模型的微博网络社区发现

提出了一个用于微博网络社区发现的模型WB-MMSB,该模型考虑了微博网络中节点存在的单向关系,节点的社区隶属度从链入主题隶属度和链出主题隶属度两个方面表示。用指数族分布和平均场变分推理方法推导了模型中各变量的表示,并用SVI算法计算模型涉及的参数。实验在新浪微博数据集上进行,采用归一化互信息和困惑度进行评估,结果表明,WB-MMSB模型的社区发现能力优于aMMSB模型,并且其收敛速度快于aMMSB模型。

突发公共卫生事件微博网络社群挖掘及特征研究——基于2022年上海疫情事件的分析

[目的/意义]微博用户作为网络信息传播的节点主体,构成了不同的网络社群。挖掘突发公共卫生事件下微博中存在的网络社群并对其特征进行探究,识别具有影响力的网络社群,对政府危机应对、舆情引导有着重要的现实意义。[方法/过程]以2022年上海疫情事件作为信息源,基于LDA模型结合用户转发关系挖掘微博中的网络社群,并对划分后的社群进行社会网络分析及情感分析。[结果/结论]社群挖掘能有效减少微博网络中用户间弱联系,微博网络社群中信息具有良好的可达性。微博网络整体情感倾向较为积极,但仍存在少数负向情感主导社群。具有良好信息可达性的网络社群情感占比较为集中,呈现出更为明显的情感倾向,微博网络社群内部可能产生用户间“情绪感染”现象。

基于微博网络的社会公共事件舆论传播研究

微博作为一个基于用户关系的信息分享、传播以及获取平台,在重大突发公共事件中表现出了重要的信息发布、动态追踪和民情民意的展现等特点.该文研究突发社会公共事件下,微博舆论的形成和传播;提出了微博的舆论传播模型,该模型基于平均场(mean field)假设,将微博用户分为未获得信息无观点的人群、已获得信息且明确支持某观点的人群和已获得信息且不支持任何观点的人群,通过考察未发表观点者对观点的接受概率p来研究网络中观点的传播特性;最后通过系统仿真表明该方法可以很好地模拟微博网络的观点传播.

微博网络中社会型危机信息共享模式探讨

危机发展过程中信息共享的缺乏会导致社会型危机的损失呈几何级数增长,研究危机信息的共享规律有助于化解社会型危机。分析危机发展的四个阶段并在微博网络中构建社会型危机信息共享模式,通过实证阐述不同主体在该模式中的作用,为应对危机提供帮助。

关注微博网络,团结“意见领袖”

网络时代是一个意见领袖的时代,识别意见领袖,团结意见领袖,依靠意见领袖,争取意见领袖,影响意见领袖,掌握住"两级传播"中的这一关键要素,对于做好宣传、引导舆论和应对舆情,对于构建网络时代的"统一战线",有着十分重要的理论意义和实际的应用价值。本文研究了网络"意见领袖"团结工作,主要探讨了微博网络意见领袖的发现识别,分析了意见领袖在热门(敏感)话题监测和传播中所起的作用,从而提出了相应的团结网络"意见领袖"的建议。

基于情绪知识的微博网络营销策略分析

网络技术的快速发展改变了传统营销格局下营销者与受众之间的关系,微博平台下的受众群体在消费的同时也为企业提供口碑式营销动力。研究阐述了情绪知识下的微博网络营销所处的人文环境,对微博中的粉丝型消费者和微博博主的行为特征进行分析,从中厘清制约微博网络营销策略实施效能提升的主要障碍,并提出相关可行对策。

微博网络营销对国际贸易的影响及对策

微博的兴起及迅猛发展为国际贸易活动提供了新的快速有效的工具,即微博网络营销。通过分析当今微博营销的发展状况可知,微博网络营销可显著降低国际贸易成本、提高贸易效率和客户满意度、增强企业竞争意识,因此要高度重视微博网络营销在国际贸易中的作用,进一步加强网络信息化建设,规范微博网络营销贸易以促使其健康发展。

考虑互惠边的微博网络信息传播模型及最有影响力节点排序算法

随着微博网络在人们日常生活中起着越来越重的作用,研究微博网络的信息传播机制、发现网络中的影响力节点对于管理和控制微博网络的信息传播有着重要意义。基于微博网络的信息传播机制,对经典的易感-感染-免疫(SIR)传播模型进行改进,利用改进的传播模型探讨了互惠边在微博网络信息传播中的作用。考虑互惠边可以影响节点的活跃性,并基于此提出了一种基于节点互惠边的随机游走算法,用于发现微博网络中的影响力节点。研究结果表明,互惠边对于信息传播的速度和规模均有着很强的促进作用,基于互惠边因素提出的新算法在发现有影响力的传播节点方面比PageRank算法和LeaderRank算法更加有效。