基于新浪微博的负面网络舆情监测研究——针对政府的负面网络舆情研究系列之一

基于当今流行、用户数最多的新浪微博,研究了一种针对政府的负面网络舆情定量监测方法。给出了针对政府的负面网络舆情的定义、成因及特点,论述了针对政府的新浪微博负面网络舆情的判别依据、监测流程、监测指标及其量化方法,对监测指标体系进行了理论分析、综合对比和实验验证。实证结果表明舆情监测方案可操作性强,实用价值高,为针对政府的负面网络舆情测、控、管、引平台的开发提供了理论依据和技术支撑。

社交网络用户影响力量化模型研究——以新浪微博为例

[目的/意义]社交网络用户影响力对信息的传播有显著影响,如何对用户影响力进行准确的量化判定,是目前亟待解决的问题。[方法/过程]以新浪微博为研究对象,通过非监督类神经网络模型中的增长阶层式自组织映像图来分析社交媒体用户各领域影响力,给出微博用户影响力的量化评估方法,综合考虑用户所发表言论的价值性与话题性以及用户在社群网络结构中的重要性。[结果/结论]实验结果显示,所提出的用户影响力评估方法,能够有效地将使用者不同面向的影响力以量化的方式来表示,并准确呈现不同时点的用户影响力。

一种改进PageRank的微博用户影响力计算方法

以新浪微博为研究对象,基于MapReduce编程框架技术和PageRank评定方法,综合微博网络拓扑特征和用户行为因素,甄选出"直联热度"和"级联热度"等量化指标,用以表征评定微博用户影响力的动静态因素。构建了评估体系,提出一种基于混合量化指标与改进PageRank的微博用户影响力度量算法,并采用真实微博数据对该算法进行测试,对微博用户影响力进行了排名评估,与PageRank算法相比,表现出了较好的性能。

基于TEI@I方法论的中国季播电视综艺节目收视率预测

本文以TEI@I方法论为指导,提出了一个季播电视综艺节目收视率预测的研究框架.季播电视综艺节目是中国电视行业近三年发展的新兴趋势,收视率预测研究对于其排编优化和广告资源科学定价具有重要的指导意义.本文在传统数据的基础上,加入了百度指数和新浪微指数,通过建立线性回归模型发现如下规律:首期收视率对后期收视率具有锚定作用;平均收视率呈现逐年下降趋势;每年冬季和每周周五易出现收视高峰;百度指数和新浪微指数与收视率存在显著正相关.除了线性回归模型外,本文还建立了RBF神经网络、支持向量回归模型,并进行了模型集成预测,实证结果表明:加入百度指数和新浪微指数能够提高预测精度,集成模型比单一模型更能有效地预测节目收视率的走势.