基于可控关联性网络的大数据群体计算任务分配方法

传统大数据群体计算任务分配方法以任务分配的增益为主,在任务添加、分配冲突、二次分配的阶段增加了多次计算,影响任务分配效率。针对此问题,设计基于可控关联性网络的大数据群体计算任务分配方法。首先,确认可控关联性网络大数据群体分配权限,获取自适应分割子任务,建立子任务之间的关联度,使任务能够分配到关联度更高的用户。其次,建立大数据群体计算任务的合理分配机制,将发布方提交的任务进行预处理,接收方根据任务关联度进行任务分配。最后,进行实验分析。实验结果表明,该方法的分配效果更佳,优于对照组。

试论自媒体时代网络舆论群体极化及其引导机制

自媒体平台为其用户提供可视化、可互动、自主发声空间的同时,也带来群体观念同质化、算法推荐信息偏好、意见领袖意识压迫等情形的出现,引发话语权集中现象。话语权力的集中导致群体极化的生成,具体表现为由真实内容缺乏的信息囚笼引发的观点极化、由专业理性缺乏的盲目跟随引发的观点极化、由过度感性驱动的价值依附引发的观点极化。话语权集中和群体极化对我国网络舆论引导、网络空间治理甚至是国家安全带来了一定的冲击和影响。要有效应对这一风险,应顺应自媒体时代数字化舆论发展趋势,通过强化自媒体平台主流意识形态供给机制,积极构建自媒体舆论动态监测预警机制和引导效果评估反馈机制等,增强思想引领,净化自媒体舆论创作空间。