组态视角下网络舆情衍生话题形成路径研究——基于微博数据的模糊集定性比较分析

[目的/意义]舆情衍生效应使得舆情更加复杂多变,增加了政府舆情治理的难度和风险。因此掌握网络舆情衍生话题的形成路径能够提高对衍生话题的预见性,从而及时有效地控制和应对衍生舆情。[方法/过程]文章构建了以舆情主体和客体为核心的衍生话题形成分析框架,通过采集20个代表性微博话题数据,利用模糊集定性比较分析法,探究衍生话题形成路径。[结果/结论]研究表明,衍生话题的形成存在4种组态路径,舆情主体要素在衍生话题的形成中发挥了主要作用,媒体和公众的参与是衍生话题形成的重要因素。

基于知识网络的开放式创新社区知识发现研究

开放式创新成为企业创新的主要模式,创新社区为企业提供了大量的外部创新资源,有效整合创新社区中多种类型用户知识,能够发现用户需求,为企业研发提供具有市场潜力的解决方案。综合考虑开放式创新社区知识的特征和企业需求,从创新需求、创新方案和创新主体3个维度构建知识网络模型,采用本体对创新社区中的用户生成内容进行挖掘及可视化,并以华为产品定义社区为例进行实证研究。研究表明,基于本体构建的知识网络模型能够实现开放式创新社区用户知识的多维发现,帮助企业识别关键用户、创新用户需求和关键技术问题的解决方案,从而有效缓解开放式创新社区中知识发现复杂性的难题,为企业开展开放式创新提供知识发现的新思路。

开放式创新社区领先用户识别——知识基础观视角

【目的】探索开放式创新社区中识别不同领域领先用户的方法,为企业解决获取外部知识资源的问题。【方法】首先利用LDA提取用户主题构建用户知识二分网络,其次融合领先用户知识结构特征和传统个体属性特征,提出基于指数随机图模型的链路预测方法识别不同领域的领先用户,并以华为产品定义社区为例进行实证研究。【结果】识别出华为社区内20个领先用户,平均链接概率都大于0.900,并且与传统链接预测方法相比,ERGM方法AUC最大,达到0.9967;ARC最小,下降到0.0132。【局限】未考虑时间因素对用户知识的影响。【结论】本研究丰富了领先用户识别角度和方法,为后续基于知识的领先用户识别研究奠定了基础。

基于在线评论的混合推荐算法

web2.0的快速发展使得网络数据剧增,全方位刻画用户特征、分析用户偏好信息并对用户进行产品推荐成为企业和客户的迫切需要,个性化产品推荐应运而生。目前的推荐算法大多以评分数据作为获取偏好的来源,主要根据用户偏好模型评估推荐效果的好坏。本文以产品在线评论为基础,通过特征属性的情感分析补充用户对产品的倾向性意见,基于内容推荐算法根据用户评分和在线评论构建用户偏好模型与产品特征模型。以协同过滤算法为框架,结合多种相似度算法构建了基于用户偏好与产品特征的混合推荐算法。采集携程网的数据进行实验,验证了模型良好的推荐精确度。