基于实时社会网络分析的突发舆情事件动态意见领袖识别方法研究

[研究目的]动态意见领袖识别是探究突发网络舆情危机事件“引爆点”和网络话题持续高热原因的关键,也是理清网络生态构成和建设和谐网络社会的必经之路。[研究方法]社会网络理论是研究信息扩散模式,刻画突发舆情传播的重要方法。然而传统静态社会网络分析研究方法存在构图方式表浅、静态分析获取信息滞后等缺陷。基于此,本文以“新疆棉事件”为例,运用实时社会网络分析法对突发舆情事件开展动态研究。首先从内容、主题、情感三层维度计算文本相似度,替代交互行为作为构建网络的依据,更深刻地表现信息内在关联。随后利用滑动时间窗口不断更新阶段文本数据,构建实时社会网络,分析舆情事件扩散的动态拓扑特征,并挖掘不同阶段的意见领袖及影响力特质。最后依据动态识别结果,提出三种类型的意见领袖,并指出了相应的检测方法与指导建议。[研究结论]本文提出的方法拓展了社会网络理论在网络舆情分析中的应用思路,对于有关部门开展舆情监测与管理实战具有一定参考价值。

意见领袖识别中的文本倾向性研究

由于网络用户讨论的主题变化频繁,因此在进行倾向性判定时,难以预先构造出满足各种情况的训练语料。针对上述问题,提出了一种意见领袖识别中的文本倾向性判定方法,进而建立考虑回复帖子倾向性的意见领袖发现模型。该模型建立在影响力扩散概率模型(IDPM)上,模型中引入了考虑帖子倾向性的有效系数。实验表明,该方法是有效的,其前50个的平均精确率相对分别提高了10.97%和5.45%。

在线知识社群中的意见领袖识别模型研究

在线知识社群是近年兴起的虚拟学习组织,意见领袖对社群的活跃度、持续性都有着重要影响。该文进一步考虑意见领袖的自身传播属性和社交媒体环境下的分享行为,构建了用户影响力算法,在此基础上提出了在线知识社群意见领袖识别模型。采用用户影响力算法中的影响力特征值作为聚类向量,基于K-means聚类算法进行聚类,获得各个聚类子类的影响力均值,提取理论意义上的意见领袖。最后通过在线知识社群实证研究,验证理论模型的科学性。用户的自传播属性和受激属性对于识别出意见领袖有着较好的先导作用,所得到的意见领袖群体有一定的代表性,进一步根据分析结果提出研究优化方向和相应管理建议。

开源社区中的意见领袖识别及跟随效应仿真

[目的/意义]有效识别开源社区中的意见领袖,模拟开源社区中用户跟随行为,提高合作效率.[方法/过程]根据开源社区的评论关系构建知识协作网络,选取社会网络分析中的4个重要评价指标进行分析.再采用基于TOPSIS意见领袖综合评价方法对网络中关键意见领袖节点进行识别,应用改进的SIR模型模拟开源社区中用户跟随行为.[结果/结论]通过分别与由结构洞确定和灰色关联法确定的意见领袖在网络中引起的传播情况比较,识别出的意见领袖在传播率和传播时间等各方面都更能体现意见领袖的特点.[局限]SIR跟随效应模型没有体现社交网络中具体点对点的传播过程.

在线旅游社群意见领袖的识别及影响研究

现代旅游业的发展形成了在线旅游社群,涌现了在线旅游社群意见领袖识别这一研究领域。本文采集了穷游网出品的旅游社群"穷游沙龙"中作者的粉丝数、发帖量及赞同数等数据,并对其进行聚类分析,筛选意见领袖。研究表明:在线旅游社群中意见领袖的粉丝数、发帖量及赞同数都较高,在社群信息传播、社群活动发起和维护社群长久稳定的发展等方面有较大影响,最后基于此分析意见领袖对社群运营和企业营销的影响并提出相关建议。

影响力扩散概率模型及其用于意见领袖发现研究

作为意见领袖识别基础的影响力扩散模型IDM存在两个缺陷:(1)由回复链结构断层或者帖子内容间接传播引起的影响力传递中断;(2)由灌水所导致的虚假影响力传递.为解决上述问题,文中提出了一种新的影响力扩散概率模型IDPM,进而建立了网络意见领袖筛选模型.该模型在相同兴趣空间上定义单个关键词语传播概率影响力,在帖子影响力定义中引入了有效关键词语概念,避免了上述缺陷;同时,在用户影响力计算时给每个帖子一个影响因子,用以整合其它有用信息,使模型具有开放性和包容性特点.在2010年12月到2011年5月网易社会新闻版块评论数据上的实验表明,文中方法是有效的,其平均精确率相对IDM模型提高了59.8%.

基于多元属性的社团挖掘在意见领袖发现中的应用

意见领袖是网络舆论传播中的关键,在舆情分析中有重要意义.采用无向图建模,将链接两端节点的PageRank值与相似度,作为链接的双重属性,通过二次判别式对链接进行主次划分,将整个网络划分为核心与非核心两类用户,并将网络中的大社团进行细化,结合细化后的社团跟核心用户的划分结果找出其中相应的子社团中的意见领袖,提出了一种基于二元分类的意见领袖发现算法.

复杂网络食品安全舆情传播分析

随着食品安全事件在网络上的不断曝光,食品安全已是网络媒体关注的热点问题。为了弥补传统网络舆情分析的不足,本文基于微博对复杂网络环境下的食品安全舆情进行分析和研究,实现通过复杂网络相关计算来识别微博上传播食品安全相关舆情的意见领袖,并验证意见领袖是否是舆情传播的关键节点,实现对舆情传播的跟踪、管控。

基于水军信任惩罚的多维用户影响力度量模型

社交网络用户影响力度量是意见领袖识别的必要前提,然而目前的度量模型忽略了多维影响因素以及水军群体对度量模型真实性的影响.为此本文从网络结构、交互行为和交互信息三个维度来分析整合相关的影响因素,基于LeaderRank模型构建多维用户影响力度量-MUI模型,并在水军识别的基础上构建信任惩罚模型,以修正MUI模型建立MUISTP模型,实现社交网络用户影响力的真实性度量.以新浪微博平台大规模实际数据进行实验分析结果表明,与FBI,LeaderRank和Generative Graphical模型相比,MUI模型识别出的意见领袖更为准确,且可以实现更为有效的信息扩散.此外,经过水军信任惩罚后MUISTP模型较MUI能够实现更为有效的意见领袖识别.