基于话题综合因子分析的语义社会网络社区发现算法

针对一般社会网络社区发现算法仅考虑各节点的邻接关系,所划分的社区仅为一元关系社区,不能代表社区成员的语义相似性且无法处理具有多元语义话题的语义社会网络社区发现问题,提出基于话题因子分析的语义社会网络社区发现算法.该算法将节点的多元信息抽象为话题,先以多元话题综合因子作为节点话题信息度量,以节点间的话题密度差异作为节点聚合方向,构建初始社区结构;再以最大化社区内部话题信息相似度和最小化社区外部话题信息相似度为目标建立语义社区发现的目标函数及节点变动的代价函数;再以初始社区结构和代价函数作为初始解和判断准则,以节点变动的代价函数值为参数,建立全局优化的模拟退火策略优化语义社区结构,实现语义社会网络的语义社区发现;最后通过实验分析验证了算法的有效性.

基于语义的社会网络关联路径评价及其应用

传统社会网络中节点和边是同质的,仅能包含社会组织的结构信息.将本体理论与社会网络分析理论相结合,使得网络的节点和边都具有特定的语义,这种网络称作语义社会网络.本文研究了运用本体描述语言OWL表示语义社会网络的方法;提出了语义社会网络中关联路径的概念和评价方法,并用于发现网络中的重要节点和重要的连接关系(包括隐含的间接关系).对一个科研合作网络实例的研究,验证了语义社会网络表示方法的有效性.应用基于关联路径的方法对科研合作网络中的重要节点和重要隐含关系进行了分析,并对分析结果进行了评价,证明基于语义的方法可以有效地发现网络中的重要关系和重要节点.

语义社会网络的超网络模型构建及关键节点自动化识别方法研究

【目的】通过对语义社会网络的建模,讨论如何识别对舆论传播演化起核心作用的关键节点。【方法】引入超网络理论对微博语义社会网络进行理论建模,使用情感本体以及LDA话题模型对数据实现节点量化,提出超边排序算法对用户节点进行计算和排序从而获取关键节点。【结果】利用真实微博网络数据编程实现超网络模型的构建和量化,通过结果分析证明本文的关键节点识别方法在实际应用场景中的有效性和准确性。【局限】关键节点识别方法的实时应用效果和对识别关键节点后如何有效引导和干预机制未能全面涉及。【结论】本文的关键节点识别方法能够挖掘出微博网络的关键节点,为政府对网络舆情监管和引导提供一种解决方案,减少负面内容和消极舆论对互联网健康发展的影响。

近代茶文化在西方社会的传播--基于在华外文报纸社会语义网络的考察

近代史上,在华外文报纸立足中国境内,以西人视角对世界各国时事、中国社会动态、侨民世俗生活进行报道传播,形成了他者看世界、看中国的独特视角,也为中国文化在西方社会的传播研究提供了群体样本。运用数字人文研究方法,基于在华外文报纸文本数据的社会语义网络考察,认为近代茶文化在西方社会的传播呈现出物质、组织、精神三个层次的文化形态特征:在物质文化层,茶文化作为一种饮食文化商品,成为西方各国全球争霸下的茶叶战场;在组织文化层,以茶会为主要形式的茶文化成为构建共同体、实现身份认同的有效载体;在精神生活层,女士饮茶主角担当成为该时期女性权力话语的象征符号。在近代中国半封建半殖民地化趋势下,茶文化逐渐进入西人政治社交、宗教会众、家庭生活等各个场域,成为近代中华文化“逆势”传播、构建全球文化共同体的典范。

基于微博大数据的“一路象北”事件社会感知与时空格局研究

2020—2021年“一路象北”(一群云南大象集体向北迁移并返回)事件吸引了国内外媒体的关注。该文对2020年3月1日至2021年11月30日“一路象北”事件微博数据进行时空分析与情感分析,结果表明:(1)该事件属于大众媒体导入性事件,微博评论与微博博文热度趋势大致同步,但最高值的出现时间不同;(2)全国尺度上,东、中、西部的关注热度空间格局各有特点,云南、河南、四川的热度较高,云南省内微博热度集中于大象行经地点,整体空间自相关性不显著;(3)微博博文与评论的文本相似度较低,情感的侧重点略有偏差,利用社会语义网络分析得到的中心、次中心有差异,整体呈现正向情感。该研究可为中长时间尺度的网络事件舆情分析与生态文明建设提供参考。

一种面向语义重叠社区发现的Link-Block算法

语义社会网络是一种由信息节点及社会关系构成的新型复杂网络,传统语义社会网络分析算法在进行社区挖掘时需要预先设定社区个数,且无法发现重叠社区.针对这一问题,提出一种面向语义社区发现的link-block算法.该算法首先以LDA模型为语义信息模型,创新性地建立了以link为核心的block区域LBT(link-block-topic)取样模型;其次,根据link-block语义分析结果,建立可度量link-block区域的语义链接权重方法,实现了语义信息的可度量化;最后,根据语义链接权重建立了以link-block为单位的聚类算法以及可评价语义社区的SQ模型,并通过实验分析,验证了该算法及SQ模型的有效性及可行性.

基于随机游走的语义重叠社区发现算法

语义社会网络是由信息节点及社会关系构成的一类新型复杂网络,因此语义社会网络重叠社区发现是传统社区发现研究的新方向.针对这一问题,提出基于随机游走的语义社会网络重叠社区发现算法,该算法首先以LDA(latent Dirichlet allocation)算法为基础建立语义空间,实现节点语义信息到语义空间的量化映射;其次,以语义空间中节点信息熵作为节点语义信息比重,以节点的度分布比率作为节点关系比重,建立节点语义影响力模型及语义社会网络的加权邻接矩阵;再次,以语义影响力模型和加权邻接矩阵为参数,提出一种改进的语义社会网络重叠社区发现的随机游走策略,并提出可度量语义社区发现结果的语义模块度模型;最后,通过实验分析,验证了所提出的算法及语义模块度模型的有效性和可行性.

基于标签传播的语义重叠社区发现算法

语义社会网络(Semantic social network,SSN)是一种由信息节点及链接关系构成的新型复杂网络,为此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题.由此提出标签传播的语义重叠社区发现算法,该算法以标签传播算法(Latent Dirichlet allocation,LDA)模型为语义信息模型,利用Gibbs取样法建立节点语义信息到语义空间的量化映射;提出可度量节点间相似性的主成分(Semantic coherent neighborhood propinquity,SCNP)模型和语义影响力(Semantic impact,SI)模型;以SCNP作为标签传播的权重,以SI作为截断值的参数,提出一种改进的Semantic-LPA(Semantic label propagation algorithm)算法;提出可度量语义社区发现结果的语义模块度模型,并通过实验分析,验证了算法及语义模块度模型的有效性及可行性.

基于局部语义聚类的语义重叠社区发现算法

语义社会网络是一种包含信息节点及社会关系构成的新型复杂网络,因此以节点邻接关系为挖掘对象的传统社会网络社区发现算法无法有效处理语义社会网络重叠社区发现问题.针对这一问题,提出基于局部语义聚类的语义社会网络重叠社区发现算法,该算法:1)以LDA(latent Dirichlet allocation)模型为语义信息模型,利用Gibbs取样法建立节点语义信息到语义空间的量化映射;2)以节点间语义坐标的相对熵作为节点语义相似度的度量,建立节点相似度矩阵;3)根据社会网络的局部小世界特性,提出语义社会网络的局部社区结构S-fitness模型,并根据S-fitness模型建立了局部语义聚类算法(local semantic clusterm,LSC);4)提出可度量语义社区发现结果的语义模块度模型,并通过实验分析,验证了算法及语义模块度模型的有效性及可行性.

一种面向语义重叠社区发现的Block场取样算法

语义社会网络(Semantic social network,SSN)是一种包含信息节点及社会关系构成的新型复杂网络.传统语义社会网络分析算法在进行社区挖掘时,需要预先设定社区个数且无法发现重叠社区.针对这一问题,提出一种面向语义重叠社区发现的block场采样算法,该算法首先以LDA(Latent dirichlet allocation)模型为语义分析模型,建立了以取样节点为核心节点的block场BAT(Block-author-topic)模型;其次,根据节点的语义分析结果,建立可度量block区域的语义凝聚力方法,实现了语义信息的可度量化;最后,以节点的语义凝聚力为输入,改进了重叠社区发现的标签传播算法(Label propagation algorithm,LPA)及可评价语义社区的SQ度量模型,并通过实验分析,验证了本文算法及SQ度量模型的有效性及可行性.

基于话题概率模型的语义社区发现方法研究

语义社会网络(Semantic social network,SSN)是一种由信息节点及社会关系构成的复杂网络,也是语义信息时代社会网络技术研究的热点,相较于传统社会网络更具实用价值.其研究内容包含了社会网络的语义分析及社会关系分析,因此,语义社会网络的社区挖掘建模具有一定的复杂性.在语义社会网络的社区挖掘研究方面,本文分析了当前基于话题概率模型的语义社区发现方法,并在综述其内容的同时总结了各方法的优缺点,为后续研究提供了理论基础.在语义社会网络社区挖掘结果的评判方面,本文归纳了相关的评价模型,并通过实验分析对比了各模型对拓扑相关性和语义相关性的倾向性.

基于网络文本分析的航空小镇旅游形象维度分异研究

以浙江省建德航空小镇为案例地,运用网络爬虫技术法和文本挖掘法,收集了携程网、去哪儿网和马蜂窝网站上401条评论和游记文本,并对文本数据进行高词频统计、社会语义网络分析和情感测度,探究了该小镇的旅游形象感知和维度分异.由此得出结论:第一,建德航空小镇的旅游形象维度具有差异性,其中旅游吸引物维度是第一层次,旅游基础设施维度是第二层次,休闲和娱乐、旅游环境和地方氛围维度是第三层次,公共基础设施维度是第四层次.第二,游客对建德航空小镇的整体感知形象是人文类新兴特色旅游地,认知成分主要由航空文化、特色小镇、休闲娱乐、旅游基础设施4个主题组成.第三,在建德航空小镇旅游形象感知中,积极情感占比大.游客满意度高,说明该小镇正面旅游形象的打造已卓有成效,形成了网络口碑效应.

基于语义web的社会网络分析应用模型研究

语义Web技术的广泛研究为社会网络分析方法提供了新的思路,已经成为社会网络分析领域研究的重点问题之一。本文以语义Web技术在社会网络分析中的应用为研究对象,首先回顾了国内外学者在语义Web技术与社会网络分析交叉研究中的成果,然后对社会语义网络进行了分析,并提出了基于语义Web的社会网络分析应用模型,最后指出了该模型实现的技术难点和下一步的研究重点。

基于“蚂蚁金服”事件网评文本的互联网金融监管蕴意挖掘

以“蚂蚁金服”事件网络评论为样本,借鉴生命周期理论划分评论发展阶段,运用词云图与语义网络进行文本特征可视化和关联分析,并基于LDA模型和语义情感分析考察各阶段评论主题演进趋势和特征,从而挖掘事件的互联网金融监管蕴意。研究表明:相关评论主题在不同阶段各有侧重,但总体呈现逐步细化、深入的特征;“平台垄断”“数据保护”主题最为突出;监管参与者范围扩大成为主要关注点;爆发和平息阶段的评论感情倾向变化较大。为此,互联网金融监管应注重平台防垄断、用户数据保护及多主体协同监管,重点关注爆发与平息阶段的互联网金融舆情引导。

基于内容分析的乌镇戏剧节微博营销研究

通过对乌镇戏剧节新浪官方微博2014年全年的微博发布时间进行统计分析,结合新浪和百度官方发布的研究数据,得出微博发布的日分布时段特征和季节性分布特征以及时间特征与微博营销效果之间的关系。采用定性与定量结合的数据挖掘手段,从"平时""事前"和"事中"三个阶段对比分析了微博营销文本内容特点,并探讨了乌镇戏剧节微博营销的提升途径。研究结果为节事活动的微博营销提升提供借鉴,丰富了节事活动的营销管理研究。

交旅融合背景下沿黄公路旅游形象感知测度研究——以陕西段为例

以沿黄公路陕西段为案例地,基于大数据挖掘技术,收集了百度指数和携程网、马蜂窝等知名旅游平台UGC数据,运用内容分析法进行词云图分析、社会语义网络分析和情感测度分析,探究沿黄公路旅游形象感知维度与网络结构.研究表明:(1)沿黄公路旅游形象感知以黄河、公路和沿线景区为主,滨河旅游资源特色突出.(2)感知分为旅游资源、基础设施、旅游氛围和旅游体验4个维度,呈现出强观光、重体验、弱文化的特征.(3)社会语义网络四层结构进一步反映了各感知要素的关联度,并验证了感知特征.(4)感知情绪整体以积极、中性为主,但也存在消极情绪.

基于BERT模型的景区评论情感分析

随着旅游经济的到来,游客们更加关注旅游体验,本文采用BERT文本情感分析模型以及网络文本分析方法,以苏州拙政园景区为研究对象,爬取并整理携程网中游客对景区的评论信息。利用Python软件建立改进的BERT情感分析模型,训练集与测试集M值达0.94,同时针对负面评论信息使用社会和语义网络,分析游客的旅游体验特征,对景区存在的问题提供一定建议。

“为官不为”的总体特征及其治理探讨——基于354个案例的文本分析

党的十九大以来,尽管管党治党、干部治理取得了显著成效。然而,实践中“为官不为”行为仍然存在,这种风气削弱了行政效能,降低了党和政府的公信力。结合354个案例文本的高频词分析以及对社会网络语义图分析可知,“为官不为”问题集中在基层党组织以及民生相关领域,责任主要在于监管失职失察。因此,应当从加强官员思想道德培训和业务能力培训、完善考核制度和晋升制度、推行容错免责机制、强化内部监察机制和社会监督机制等方面着手解决“为官不为”问题。

基于机器学习的线上评论情感分类研究

随着网购时代的到来,商户和顾客都越来越关注线上评论反映的内容。本文采用jieba分词、TF-IDF方法进行的特征提取分别与朴素贝叶斯、SVM以及ada-boost分类器相结合,利用python软件建立以机器学习为基础的情感分类模型,同时建立社会与语义网络,单独对网购平台负面评价进行分析,分析顾客的使用体验,对顾客使用体验的差评进行归纳,对商家存在的一些问题提供一定的建议。

基于数据场分析的语义重叠社区发现算法

语义社会网络是一种由信息节点及社会关系构成的新型复杂网络,而传统社会网络社区发现算法以节点邻接关系为挖掘对象,因此无法有效处理语义社会网络重叠社区发现问题.针对这一问题,提出基于语义数据场的语义重叠社区发现算法,该算法首先以LDA(latent dirichlet allocat,ion)模型为语义信息模型,利用Gibbs取样法建立节点语义信息到语义空间的量化映射;其次,利用节点间语义坐标及链接关系,建立节点的语义数据场模型;再次,以语义关系强度及语义势能为参数,提出一种改进的语义社会网络重叠社区发现的随机游走策略;最后提出可度量语义社区发现结果的语义模块度模型.通过实验分析,验证了本文算法及语义模块度模型的有效性及可行性.