考虑用户能动性和流动性的舆情传播模型

针对现有信息传播模型忽略了用户主观能动性和社交网络动态性的问题,提出异构网络中考虑用户能动性和流动性的SCBRD(Susceptible-Commented-Believed-Recovered-Defensed)舆情传播模型。首先,利用下一代矩阵方法计算基本再生数,并运用Lyapunov稳定性定理和庞特里亚金原理分析了系统的动力学和最优控制问题。然后,基于BA(Barabási-Albert)无标度网络进行仿真分析以确定影响舆情传播的显著因素,结果表明,用户的好奇心理、转发行为和进入率在信息扩散中起着主导作用,并且系统存在最优控制解。最后,依据实际数据验证模型的合理性。与SCIR(Susceptible-inCubation-Infective-Refractory)模型相比,SCBRD模型的拟合优度提高了27.40%,预测的均方根误差(RMSE)减小了39.02%。因此,该模型能够适应信息传播复杂的变化形势,为官方的舆情监管提供较好的指导。

以新浪微博为例的社交网络服务质量改进

随着社交网络的不断发展与流行,社交网络的服务质量以及经营成效成为了运营商赢得市场竞争优势的关键,研究社交网络服务质量改进有利于提升运营商的市场竞争力。在理论与现有文献研究基础上开发了社交网络服务质量量表,以中国的社交网络新浪微博为例,基于开发的量表结合KANO模型及IPA分析方法探讨新浪微博网络服务质量的特性以及服务质量提升建议,并根据企业当前的绩效和融入战略之后的改进策略进行对比分析。实证分析表明,新浪微博网络服务质量具有二维质量的属性,而且考虑企业战略有助于管理者做出更完善的质量改善决策。

基于权值对三角关系中结构平衡的预测研究

[研究目的]随着信息化社会的不断发展变化,开源情报的重要性日益突出。通过社交网络中的公开信息对实体间的关系演化进行预测,为使用者提供决策支持。[研究方法]利用微博文本数据挖掘技术,对一年内的官博文本进行收集和清洗,再运用共现次数及链路赋予数值等方法,构建社会关系网络,以预测结构不平衡的社交网络。[研究结论]研究结果表明,该方法在一定参数约束下能够生成符合预期的社会关系网络,并有效预测在社会关系网络中结构不平衡状态下可能出现的变化。

微博文本灾情信息抽取系统设计与实现

为了充分利用突发自然灾害发生时微博平台产生的大量灾情相关信息,建立一个微博灾情信息抽取系统具有重要意义。本文设计并实现了一个多线程爬虫系统。该系统基于Flask框架、Echarts可视化类库和百度地图API,并利用MySQL作为数据库管理系统。实际应用结果显示,该系统能够快速的采集微博数据,实现了微博文本灾情信息抽取与可视化分析。

社交媒体主题的周期性对其主题触发能力的影响——基于新浪微博的样本分析

[研究目的]分析社交媒体中主题周期特征对主题之间的触发关系影响,为社交媒体舆论引导、信息调控提供有效的调控手段与推进。[研究方法]采取小波分析及其红噪声检验、格兰杰因果分析的主要方法,以新浪微博三年共32779920条帖子为样本,分析和检验微博中主题的不同周期性特征是否对其主题触发和影响舆论的能力有不同作用。[研究结论]主题的特定周期具有对主题触发能力的影响:7天、49天等7天或7的多倍的周期对该主题的触发能力有正面影响;主题的周期数量具有对其触发能力的影响:周期数量和议程的触发能力、被触发能力均有正相关性;主题的周期长度特征具有对其触发能力的影响:最短周期越短则该主题的触发能力越强;最长周期越长则该主题的触发能力也越强。该研究可为社交网络的舆情调控、议程演化的管理引导提供参考。主题具有的周期特征使其产生主题触发的原因、机理和功能,是有待拓展的研究领域。

融合LDA⁃LSTM算法的微博档案关注度和情感分析

为了解析《档案法》实施三年后社会公众对档案的关注度与情感态度,利用Python工具和LDA模型对数据进行提取和主题聚类,获得不同时间下档案热点主题;采用LSTM模型得到各档案主题的情感倾向,分析用户产生不同情感倾向的原因。根据各主题间的联系,得到档案项目、影视娱乐档案、学生-学校档案以及专项档案四类主题。各类档案主题具有较高的积极倾向,说明公众对档案事业的发展比较支持和理解,对于消极倾向较高的学生-学校档案类别,有关部门应加强档案宣传教育,从根本上保障公众利用档案的权利,增强全社会的档案意识。

基于新浪微博的2022年吉林松原M_(S)4.3地震舆情信息数据分析

基于新浪微博数据,运用网络爬虫技术,获取2022年3月16日吉林松原M_(S)4.3地震舆情信息数据并进行分析,发现舆情传播生命周期通常为震后48小时,震后舆情传播信息广度通常呈双峰分布,官方与自媒体的信息发布更易推动舆情事件热度多峰的形成,政府与自媒体的介入可有效稳定网友情绪并提升网友情绪评分。

基于Python的新浪微博数据爬虫

目前很多的社交网络研究都是采用国外的平台数据,而国内的新浪微博没有很好的接口方便研究人员采集数据进行分析。为了快速地获取到微博中的数据,开发了一款支持并行的微博数据抓取工具。该工具可以实时抓取微博中指定用户的粉丝信息、微博正文等内容;该工具利用关键字匹配技术,匹配符合规定条件的微博,并抓取相关内容;该工具支持并行抓取,可以同时抓取多个用户的信息。最后将串行微博爬虫工具和其并行版本进行对比,并使用该工具对部分微博数据作了一个关于流感问题的分析。实验结果显示:并行爬虫拥有较好的加速比,可以快速地获取数据,并且这些数据具有实时性和准确性。

新浪微博替代计量指标特征分析

通过对新浪微博替代计量指标进行统计分析,探索中文环境下替代计量指标的特征和规律。研究发现:新浪微博替代计量指标覆盖率不足1%,但由于追踪时间和追踪对象的局限,该数字可能被严重低估;新浪微博关注和讨论较多的论文来自"综合""生物化学、遗传学与分子生物学""保健科学""医学"及"生命科学"等学科;新浪微博替代计量指标的期刊分布满足对数曲线规律,除著名的综合性期刊如Nature等,预印本平台arXiv和开放存取期刊PLoS ONE等也获得了较多关注,生物学和医学的"明星期刊"最多;新浪微博主要关注最新论文,正式出版180天内受到关注的论文比例高达68.66%,同时也会关注经典论文;新浪微博发布者倾向宣传、推介和评论贴近生活、趣味性强、实用性高、涉及生命健康的学术论文,传递出引文无法体现的社会价值和学术价值;新浪微博替代计量指标呈现出显著的离散和集中分布特点,5.1%的学术论文获得了50%的新浪微博关注。此外,受新浪微博关注的论文在全球范围内获得远高于平均水平的关注度。

基于新浪微博大数据的旅游流时空特征研究——以兰州市为例

伴随着"互联网+"的普及、智能移动设备的广泛使用,以微博为代表的社交网络位置服务信息逐渐增多,为研究旅游流时空特征提供了新的数据来源和视角。文章利用新浪微博LBS签到数据和核密度估计分析方法,从时空维度对兰州市旅游流特征进行了研究。结果表明:旅游流在时间维度上存在明显的节律性,无论是年变化,还是日变化,均表现出明显的旅游流初现期-高峰期-回落期-休眠期变化特征,季相变化明显,夏半年和冬半年存在较大差异,"双峰"特征显著;日变化呈现偏态"金字塔"形结构特征;在空间维度上,具有典型的"核心(城区)-边缘(周边区域)"结构特征,切合旅游景点和旅游服务接待设施空间分布格局。女性游客签到量大于男性游客,流量变化小于男性;女性游客主要集中在主城区活动,男性游客则偏好户外活动丰富的郊野森林公园。省、内外旅游流在时间维度上存在着明显的"超前-滞后"效应,在空间选择上存在着一定的错位现象。从旅游流活动轨迹来看,表现出明显的"轴线-散点"态势:中山桥—白塔山公园—城隍庙—黄河母亲像—水车博览园为主的"黄河风情线"是主要的轴线,而外围地区主要的景点成为吸引游客的主要"散点",无论是主城区,还是外围地区,均没有形成闭合的旅游环线。

社会媒体中情绪因素对用户转发行为影响的实证研究——以新浪微博为例

为了研究微博中情绪因素对用户转发行为的影响,构建了情绪因素对转发行为影响的假设,并建立了相关的回归方程,最后以"马航飞机失踪"和"李某某案件"两个微博热门话题作为研究样本集,利用负二项回归分析进行了假设检验,结果表明:相比于中立性的微博,带有情绪色彩的微博更容易得到转发和传播,并且情绪对于微博的转发数量和转发速度都有积极的影响。

基于眼动追踪技术的突发事件微博信息可信度影响因素研究

[目的/意义]随着微博的普及,微博信息在突发事件发生后的发布、获取以及传播已然成为影响公众情绪以及社会的稳定的重要因素,探索影响微博信息可信度因素变得十分必要。[方法/过程]以自媒体代表新浪微博作为研究对象,以自然灾害类突发事件作为研究话题,以眼动追踪技术作为主要研究方法,并采用了2(专业度:高、低)×2(关注度:高、低)的被试内设计,通过分析热点图、注视时间、注视次数等眼动指标,来探究各因素对微博信息可信度的影响。[结果/结论]相同的关注度下,被试对具有高专业度的博主微博的注视时间、注视次数和微博转发量均显著多于低专业度的博主;相同的专业度下,被试对具有高关注度的博主微博的注视时间、注视次数和微博转发量均显著多于低关注度的博主;不同性别被试的微博转发量之间无显著性差异,不同微博依赖程度被试的微博转发量之间差异性显著。突发事件微博信息可信度受博主的专业度以及关注度正向影响。

基于微博数据的应用研究综述

微博数据已经成为学术界重要的数据来源,近年来国内外学者开始利用大量开放的微博数据进行社会科学、企业营销、医疗卫生、政府建设等多方面的研究。从数据来源及获取方式、数据选择及其处理办法和研究结果的应用三个方面对国内外研究情况进行了总结,并阐述了目前研究存在的局限性。

新浪微博反垃圾中特征选择的重要性分析

微博中的垃圾用户非常普遍,其异常行为及生产的垃圾信息显著降低了用户体验。为了提高识别准确率,已有研究或是尽可能多地定义特征,或是不断尝试提出新的分类检测方法;那么,微博反垃圾问题的突破点优先置于寻找分类特征还是改进分类检测方法,是否特征越多检测效果越好,新的方法是否可以显著提高检测效果。以新浪微博为例,试图通过不同的特征选择方法与不同的分类器组合实验回答以上问题,实验结果表明特征组的选择较分类器的改进更为重要,需从内容信息、用户行为和社会关系多侧面生成特征,且特征并非越多检测效果越好,这些结论将有助于未来微博反垃圾工作的突破。

中文微博用户性别分类方法研究

该文旨在研究中文微博用户的性别分类问题,即根据微博提供的中文文本信息对注册用户的性别进行识别。虽然基于微博的性别分类已经有一定研究,但是针对中文的性别分类工作还很缺乏。该文首先提出分别利用用户名和微博文本构建两个分类器对用户的性别类型进行判别,并对不同的特征(例如,字特征、词特征等)进行了研究分析;其次,在针对用户名和微博文本的两个分类器的基础上,使用贝叶斯融合方法进行分类器融合,从而达到采用这两种文本分类信息同时对用户性别进行性别判断。实验结果表明该文的方法可以达到较高的识别准确率,并且分类器融合的方法明显优于仅利用用户名或者微博文本的分类方法。

基于Python的微博用户关系挖掘研究

以新浪微博平台为研究对象,利用Python语言和Web自动化工具通过平台提供的应用接口实现自动认证和微博数据的自动抓取,将其转换成需要的数据格式之后,运用深度优先搜索算法进行分析,获得用户的关系并可视化。此外,采用改进的K-means算法进行主题聚类,实验结果表明,改进后的算法更加准确有效。最后,根据用户信息生成兴趣相关性矩阵,采用改进后的K-means算法分析微博用户关注兴趣的相似性。

基于评论异常度的新浪微博谣言识别方法

以微博为代表的社交媒体在为公众提供信息共享平台的同时,也为谣言提供了可乘之机.开展微博中谣言的识别和清理方法研究,对维护社会的安全稳定有着重要的现实意义.本文针对新浪微博平台中谣言识别的问题,提出了一种基于评论异常度的微博谣言识别方法.首先采用D-S理论实现微博评论异常度的计算方法;然后利用评论异常度与微博的内容特征、传播特征、用户特征对微博进行抽象表示;最后再利用SVM(Support vector machine)构建一个基于评论异常度的谣言识别模型,实现对新浪微博中谣言微博的识别.实验表明,本文提出的谣言识别模型对新浪微博中谣言识别具有较好的效果,谣言微博识别的F1值达到了96.2%,相较于现有文献的最好结果提高了1.3%.

政府负面网络舆情热度定量评价方法--以新浪微博为例

以用户数最多、首暴网络舆情事件最频繁的新浪微博为例,设计了针对政府的负面网络舆情的热度定量评价方法。从针对政府的负面网络舆情主体、客体、传播、受众4个维度,细化了包含14个指标的评价体系,设计了指标的量化细则,依据专家打分法确定评价因素的重要性,通过构造判断矩阵、矩阵归一化处理、和积法计算特征向量、矩阵一致性校验等方法,在微调评价要素重要性排序基础上规划各评价要素的权重,进而设计基于微博、针对政府的负面网络舆情热度定量评价方法。理论分析、实证分析、综合对比结果表明:该方法有效,实际可操作性强,为针对政府的负面网络舆情分析、引导、管理和控制研究提供了理论依据。

群体极化视域下网络舆情的演化机制研究——以微博网民讨论“浙江温岭杀医案”为例

以2013年引发新浪微博网民热议的"浙江温岭杀医案"为例,对网民就此事的评论进行了内容分析。结合群体极化理论,探析网络舆情演化的生命周期和群体极化如何随网络舆情的演化而变,总结出群体极化在网络舆情不同发展过程中的存在形式。同时,分析了影响网络舆情演化和群体极化变化的因素,并初步建立了一个模型来总结群体极化视角下网络舆情的演化过程。

组织承诺对微博社区成员知识共享行为的影响研究

通过组织承诺理论与计划行为理论,经过严格的研究步骤,提出了基于需求、情感与责任感的组织承诺,基于群体对个人影响的主观规范与知识共享的浏览、回帖与发帖三种具体行为之间的关系模型,以160份新浪微博用户为样本对该模型进行实证检验,分析结果表明在新浪微博社区中规范承诺对用户浏览行为有显著影响,持续承诺与主观规范对回帖行为有显著影响,情感承诺对发帖行为有显著影响。