生态农产品品牌形象对消费者信任的影响——基于消费者社交网络参与度的调节效应

本文基于信号传递理论阐述了生态农产品品牌形象影响消费者信任的逻辑机理,并利用全国1113位有机牛奶消费者的微观调查数据,实证检验了生态农产品品牌形象对消费者信任的影响效应及其传导机制。结果表明:(1)品牌作为一种能够降低消费者选择成本的排他性品类符号,具有重要的信息传递功能,对于解决生态农产品市场的信息不对称问题有积极意义,但不同品牌的影响力和号召力不同,其原因在于品牌形象存在差异,品牌形象越好,消费者对产品信任度越高。(2)在品牌形象对消费者信任的影响关系中,消费者社交网络参与度发挥着一定程度的正向调节作用,品牌形象对社交网络参与度较高的消费者产品信任影响较为强烈。(3)品牌形象对消费者信任的影响存在一定的异质性,对于社会信任水平较低和生态认知水平较高的消费者而言,品牌形象对其产品信任的影响较为显著。

社交网络中基于EHEM的两阶段谣言抑制方法

在线社交网络的兴起带来了一系列的挑战与风险,其中包括虚假以及恶意谣言的传播,这可能会误导民众,破坏社会的稳定。因此,对谣言的传播进行抑制成为当前社交网络领域的热点问题。目前已经积累较多谣言抑制的工作,但是还存在模型不能准确描述信息在社交网络上传播的问题,因此提出了一种新的刻画信息传播的模型——扩展热量模型(Extended Heat Energy Model, EHEM)。该模型充分考虑了信息传播中节点激活概率的动态调整机制、信息传播的持续级联机制以及节点状态的动态转变机制,更加精准地捕捉了信息在网络上传播的爆炸性和复杂性;其次,考虑到在真实世界相信谣言的节点在接触真相后存在将信仰转变到相信真相的可能性,提出了校正阈值来确定节点是否会发生信仰的转换;节点的重要程度决定了它们自身的影响力,因此还提出了节点多维质量来衡量节点的重要程度;最后提出了两阶段的谣言抑制(Two Stage Rumor Containment, TSRC)算法,该算法首先使用节点多维质量对网络进行剪枝处理,之后通过模拟的方式从网络中选出最优的正种子集合。在4个真实数据集上进行实验,结果表明,所提算法在多个指标上优于Random, Betweenness, MD, PR, PWD和ContrId这6种对比算法。

基于多查询的社交网络关键节点挖掘算法

关键节点挖掘是复杂网络领域的研究重点和热点。针对社交网络中关键嫌疑人挖掘问题,提出基于多查询的社交网络关键节点挖掘算法。该算法将已知嫌疑人作为查询节点,提取其所在的局部拓扑结构,并计算局部拓扑结构中非查询节点的关键程度,从中选择关键程度较高的节点进行推荐。针对现有方法中关键节点计算复杂度高、已知查询节点信息难以有效利用的问题,提出一个两阶段的基于多查询的社交网络关键节点挖掘算法,整合多查询节点的局部拓扑信息和全局节点聚合特征信息,将计算范围从全局缩减到局部,进而对相关节点的关键程度进行量化。具体而言,利用带重启策略的随机游走算法获得多个查询节点的局部拓扑结构;为了得到节点的嵌入向量,基于graphsage模型构建一种无监督的图神经网络模型,该模型结合节点的自身特征和邻居聚合特征来生成嵌入向量,从而为算法框架的相似度计算提供信息输入。基于与查询节点特征的相似性,衡量局部拓扑中节点的关键程度。实验结果显示,所提算法在时间效率和结果有效性方面均优于传统关键节点挖掘算法。

社交媒体时代全球智库国际传播力研究:基于87家智库Twitter账户的社交网络分析

[目的/意义]智库在舆论引导、政治外交等方面发挥着重大作用,是国际传播力建设中不可或缺的一部分。开展智库国际传播力研究有利于提升智库综合实力及整个国家的国际传播力。[方法/过程]本文选取《全球智库报告2020》世界顶级智库榜单中智库的Twitter账户作为研究对象。首先,使用Python爬虫、NodelXL获取智库关注、互动数据。其次,运用社交网络分析法分析智库Twitter传播特点和各智库网络属性。再次,借助熵权TOPSIS法对其传播能力、传播效力进行综合评价。最后,通过线性回归探究二者关系。[结果/结论]第一,全球顶尖智库在Twitter中形成了紧密的社会关系网络,但智库间的直接信息交流占比低。第二,Twitter中智库交流较为开放,但同一国家、地区、机构的智库更易形成小团体。第三,对各智库传播能力、传播效果进行了综合评价,得到相应排名,其中美国、德国智库传播力评价结果突出。第四,传播能力对传播效力有一定正向影响,对传播范围正向影响更为显著。最后本文结合研究结论为我国智库提升国际传播力提出了3点建议。

面向社交网络重要信息传播的重叠节点挖掘模型研究

针对动态社交网络中的社区检测问题,提出一种面向社交网络重要信息传播的重叠节点挖掘模型(SNONMM),结合标签传播算法(LPA)和扩散激活原理,实现对动态社交网络中重叠社区的高效检测.该模型的新节点在社交网络中向其他节点传播其标签的机会大于旧节点,从而使新节点更容易被发现并纳入相应的社区.同时,引入激活值来表示每个标签的传播强度,有助于更准确地捕捉社区结构的变化.为了验证该方法的有效性,通过两个真实数据集和一个人工合成网络对其性能进行评估.实验结果表明,该方法在检测社区准确性方面优于其他可用方法.

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。

细微粒度视域下国内外跨社交网络用户对齐研究综述

针对多源复杂网络用户管理所面临的冷启动、信息孤岛问题难以满足企业在不同社交网络中识别同一用户的困境,传统的仅使用单一维度特征提取源的跨社交网络用户对齐方法难以实现迅速、精准的用户识别,而使用细微粒度视域下的多维特征提取源可以有效耦合各类用户信息的优势以提升识别效率和精准度。论文首先以国内外跨社交网络用户对齐的相关文献为研究对象进行系统性分析,从细微粒度视域出发对文献主要内容进行汇总与梳理;然后逐一细化地对比分析以总结现有不同研究所采用的特征提取源之间的差异、优势和桎梏;最后从隐私数据集获取、多维数据集成和多源社交网络数据耦合3个方面来对未来用户对齐领域中的研究前沿方向与研究深入挖掘点作出展望。

社交网络中“吃瓜”行为的社会心理探析

随着社交媒体的迅速发展和普及,人们在日常生活中越来越多地参与到网络交流和信息传播中。在数字化时代,社交网络中的“吃瓜”行为作为一种特殊的社交现象逐渐受到人们的关注。有必要探讨社交网络中的“吃瓜”行为的表现形式、本质和特征,揭示从众心理、猎奇心理、寻求行为参照和替代性满足等心理动因,分析社交网络中的“吃瓜”行为所产生的公众监督、信息拓宽、社会话题议程关注等正面影响以及所导致的网络暴力、谣言传播和信任危机等负面影响,针对社交网络中的“吃瓜”行为,提出完善法律法规、回归理性和重视价值观引导等治理对策,为社交媒体的健康发展提供参考。

社交网络对HIV/AIDS传播和预防的影响:机遇与挑战

本文深入探讨了社交网络在HIV/AIDS传播和预防中的重要作用,强调了社交网络特征对HIV传播风险的影响。通过回顾社交网络在HIV/AIDS研究中的应用,文中指出社交网络分析为理解HIV传播提供了独特视角,并且社交网络干预策略(包括同伴变革代理人干预、分割干预、网络动员干预和改变干预)在预防HIV中显示了潜力。未来的HIV预防研究将重点放在利用社交媒体和技术、优化HIV自我检测和意识提升策略,以及创新和评估网络干预策略上,以开发更有效、更具针对性的预防策略,减少新感染案例。

基于特征对比学习和图卷积的社交网络用户分类

社交网络用户分类旨在通过用户属性和社交关系确定用户的兴趣爱好,可通过图类数据的节点分类实现。多数基于图卷积神经网络(GCN)的节点分类方法仅能处理高同质率数据集,但社交网络数据集通常具有较高的异质率。针对社交网络数据集同质率较低的问题,提出一种基于特征对比学习的图卷积神经网络(CLGCN)模型。通过预训练的组合标签构造相似性矩阵,根据相似性矩阵进行图卷积。利用特征对比学习分别定义类别相同和不同的邻居节点对为正负样本对,最小化特征对比的损失函数,使同类节点对的特征表达相似性更高及异类节点对的特征表达可区分性更强。实验结果表明,CLGCN模型在3个低同质率社交网络数据集上的节点分类准确率分别达到93.5%、81.4%和67.9%,均高于对比模型。

在线社交网络竞争信息传播研究与稳定性分析

[目的/意义]当前,在线社交网络已成为人们获取和传播信息的重要途径,在线社交网络上的谣言发酵很快就会引发群体效应,为了应对谣言传播,政府机构等也会发布辟谣信息,所以正确把握两种意思相反的竞争信息传播的特点,有利于对谣言的管控。[方法/过程]基于竞争信息在在线社交网络中的传播关系,提出一种竞争信息扩散模型SC2I2R来描述两类信息在社会网络中的扩散过程,分析无病平衡点的局部稳定性和全局稳定性,并通过数值模拟研究扩散过程。[结果/结论]被接收和转发概率大的信息并不一定传播更广泛,信息传播还会受社交网络结构、初始传播节点数量等的影响。[局限]为了简化模型,没有考虑在线社交平台的推荐机制、热搜机制等可以跨越拓扑结构传播的机制以及各个平台之间的影响,也没有考虑其他影响传播的因素。

社交网络嵌入视角下大学生体育消费行为影响机制研究

研究从社交网络嵌入视角探讨大学生体育消费行为的影响机制。以大学生体育消费行为为研究对象,采用结构嵌入、关系嵌入、体育消费态度、体育消费意愿和体育消费行为5个量表进行测试,利用结构方程模型对数据进行分析,得到社交网络嵌入视角下大学生体育消费行为的影响机制模型。研究结果表明:结构嵌入和关系嵌入对体育消费态度有显著正向影响,良好的体育消费态度有利于体育消费意愿的形成,进而促进大学生进行体育消费。

基于决策树的社交网络隐式用户行为数据挖掘方法

为了解决社交网络隐式用户行为数据挖掘过程中关联相似性计算较为困难的问题,提出了基于决策树的社交网络隐式用户行为数据挖掘方法。将社交网络视为包含不同维度的向量空间,计算特定维度上用户的兴趣空间和兴趣点。确定样本属性集后,根据已知行为数据建立测试分支,计算该分支下子集的属性权重,不断迭代直至挖掘到同等属性的数据点为止。测试结果表明:该方法可对不同种类隐式用户行为精准挖掘,目标行为数据查找效果较好,实用性较强。

意图感知的社交网络用户城外移动行为预测

基于社交网络用户生成的时空数据预测用户在城外的移动行为已成为城市协同管理的迫切需求.用户城外出行相对于城内移动而言属于“长尾”事件,导致用户在城外生成的签到数据极度稀疏,现有研究难以利用有限的跨城市签到数据建模用户城外出行偏好,进而准确预测用户在城外的移动行为.为此,本文提出一种意图感知的社交网络用户城外移动偏好建模框架TIEMPO.首先,为缓解数据稀疏性问题,通过随机游走从构建的城外地点网络中采样移动轨迹,利用无监督聚类发现特定数目的用户城外出行意图;其次,引入记忆网络从相似用户在城外的移动轨迹中进一步提炼出行意图;然后,基于迁移学习思想,将用户城内签到与城外出行意图进行交互建模,从而强化用户城外移动偏好表示;最后,融合用户城外移动偏好表示与地点隐含表示对用户访问城外地点的概率进行量化.本文基于多个跨城市签到数据集进行广泛的实验分析,结果表明TIEMPO能有效预测社交网络用户在城外的移动行为,预测准确性指标Acc@10相比基线模型体现出12%~15%的明显优势,排序可靠性指标NDCG@10相比基线模型则超出3%~5%,即使在冷启动预测场景下TIEMPO依然表现最优.

面向社交网络的异常传播研究综述

异常传播是当今在线社交网络中频繁出现的一种非传统的信息传播模式。为了完整地认知社交网络中异常传播的整体过程,将异常传播生命周期系统归纳为潜伏期、扩散期、高潮期和衰退期4个阶段。针对异常传播在不同阶段所存在的科学问题,从微观和宏观视角分别定义和划分了异常信息、异常用户以及异常传播、传播抑制4个当前热门的研究领域,详细综述了当前4个研究领域下的主要研究任务以及相关研究进展,并分析了现有方法存在的问题,对社交网络异常传播领域的未来研究方向进行了展望,为后续研究提供便利。

在线社交网络中用户地理位置预测综述

随着智能移动终端的日益普及,人们越来越多地利用社交网络平台(如Twitter、新浪微博等)获取信息、评论和交流.虽然全球卫星定位系统(GPS)设备能够精确获取位置信息,但是大量用户出于隐私和安全的考虑不会直接共享自己的位置信息.因此,如何获取在线用户的地理位置成为了一个前沿的研究领域以及学术界和工业界共同关注的重要课题,并且成为众多下游应用的基础,例如基于位置的定向广告投放、事件/地点的推荐、自然灾害或疾病预警和网络犯罪的追踪等.详细总结了预测社交网络用户地理位置的方法、数据、评价体系和基础算法.首先,归纳了不同的定位任务以及相应的评价指标;其次,针对不同的任务梳理所用的数据类型和数据融合方式,并且,详尽分析了已有的信息抽取和特征选择方式及其优缺点;再次,对现有定位模型和算法进行分类,从地名词典、传统机器学习和深度学习3个方面对用户定位方法进行阐述和分析;最后,总结了社交网络用户地理位置预测的难点和面临的挑战,并展望该领域的发展趋势和未来研究所需要关注的方向.

基于多演化特征的社交网络链路预测算法

社交网络链路预测旨在根据已知的网络信息预测未来的链接关系,在推荐系统和合著网络中具有重要作用.然而,现有链路预测算法往往忽视社交网络的多元演化特点,训练时间复杂度较高,限制其执行效率.针对上述问题,文中提出基于多演化特征的社交网络链路预测算法(Multi-evolutionary Features Based Link Prediction Algorithm for Social Network,MEF-LP).首先,设计一种简单高效的时间极限学习机模型,利用门控网络和极限学习机自编码器传递与聚合社交网络快照序列的时间信息.然后,构建多个深度极限学习机,对时间特征进行多角度映射,挖掘社交网络不同的演化特征,并最终融合成综合演化特征.最后,使用基于极限学习机的分类器完成链路预测.在6个真实社交网络上的实验表明,MEF-LP能合理学习社交网络的多演化特征,并获得较优的预测性能.

基于学术社交网络的科研团队合作行为三方演化博弈与仿真分析

学术社交网络平台是开展科研合作的重要手段。构建学术社交网络平台、科研团队负责人、科研人员三方演化博弈模型,刻画博弈演化路径和参数敏感性分析。研究表明:初始策略、主体收益和成本及平台奖惩措施是影响系统演化的重要因素。据此,提出优化学术社交网络科研团队合作行为的策略,推动科研合作与创新。

生态、圈层、可见性:社交网络舆情空间结构与平台逻辑

借助生态学的概念和思维方式,基于“哈尔滨文旅舆情”的典型案例分析,对数字技术环境下的舆情研究及其本土化实践进行观念和价值层面的检视。文章着眼于社交网络舆情的生态学解释与数字化的动态社会情境之间相互关联的机制,归纳社交媒体平台架构下社会舆情的演化动力和基本逻辑:社交网络的圈层化是舆情空间的基础结构,呈现出生态性的层片形态和独特的生态位格局;对数字时代舆情的理解应当实现从“出圈”到“涌现”的视角转换,从整体而非局部把握社会舆情生成的可识别模式和客观规律;平台“可见性”已成为支配社交网络舆情生成和演化的底层逻辑。

基于ECM的学术社交网络用户持续使用意愿研究

学术社交网络让学术信息服务从传统的基于科技文献的正式交流拓展到基于人、项目、会议、知识问答等多类型学术大数据的非正式交流,将学术交流场域从传统资源平台延展至社交空间,进一步激发了科研合作、科技创新的活跃度。文章融合期望确认、主观规范、感知成本、习惯等理论,深入发掘学术社交网络用户持续使用意愿的关键要素。研究表明,期望确认度正向影响感知有用性与满意度,感知有用性、满意度、习惯、主观规范对用户持续使用意愿均具有正向影响。据此,从学术资源组织与学术交流氛围营造维度提供实践建议,为社交网络环境下图书馆等信息服务机构的数字化转型与优化提供有益参考。