复杂社交网络背景下的高校思想政治教育创新路径探究

随着互联网技术、大数据技术以及移动通信技术等的迅猛发展,社交网络愈加深入地渗透进人们的日常生活,成为信息传播、知识共享、建立并维持关系的重要载体,也已成为高校学生的生存环境和生活方式。在复杂社交网络背景下,高校思想政治教育面临着互动关系错综复杂、教育过程不确定性增强、教育环境圈层化等困境,使得教育双方的交互性有待增强,网络教育引导能力有待提高,载体与教育内容的整合与优化有待提升。因此,高校要从坚持思想政治教育的目标和方向性、加强工作队伍的建设、发挥教育对象的主观能动性、强化教育阵地建设等方面入手,来进行网络思想政治教育的创新。

复杂社交网络下的零售社群经济体构建

社群经济继粉丝经济、分享经济和体验经济之后,成为未来互联网经济发展的必然趋势。社群经济蕴含巨大的商业价值,零售社群经济体的发展将成为一种商业趋势。零售社群经济体应该具备品牌与传播的新理念,充分认识用户的价值,精准定位用户需求;同时由于消费模式的颠覆,零售社群运营应该更加主动参与品牌化、专业化和场景化的塑造,开展多元化的线下社群互动。然而,随着互联网的发展,社会化网络的不断升级,商家与消费者之间可能基于明星、媒体、粉丝等各种广泛的连结和复杂的互动关系,因此本文基于复杂社交网络的视角,针对零售社群经济体的构建进行深入分析和探讨,研究零售社群经济体的构建理念、结构模式、商业盈利模式,最后归纳总结零售社群经济体的发展困境和未来发展趋势,为今后零售行业社群经济体的发展提供些许理论意见。

社交复杂网络中基于无向图和聚类的社区检测关键技术研究（英文）

社区检测过程是大数据分析时代的重要挑战之一,特别是在社交复杂网络领域。为了提高社区检测的准确性和效率,提出了一种基于无向图和聚类的社交复杂网络社区检测算法。首先采用了两个新的度量指标以便实现社区检测,即聚类系数和共同的邻居相似性。然后基于高效模块化的概念将社区检测的复杂度减少,并通过平衡二叉树来更新无向图中的边和节点,从而减少了计算的工作量。采用社会网络数据集对提出算法进行了验证分析,实验结果表明:相比其它两种算法,提出算法的运行效率和准确性更高。

网络舆情传播与演变背景下的微博信息转发预测分析

[目的/意义]针对新时期微博平台的舆情传播特点,研究复杂社交网络下的微博用户转发行为的预测模型。[方法/过程]研究了网络中个体状态在改进SEIR网络模型的数学表达以及评价个体传播能力的改进PageRank算法,利用数值仿真对改进SEIR模型进行了验证。并利用该文提出的模型对6.20南京宝马肇事案的新浪微博数据进行了分析。[结果/结论]改进SEIR模型相比于传统SEIR模型更好地预测了复杂社交网络的网络舆情传播,同时改进PageRank算法能够很好地评价用户的传播能力,结合贝叶斯网络能够较好预测微博转发路径与转发次数。