在线社交网络的UNI64采样方法

在对社交网络采样方法进行研究时,常以拒绝-接受采样法得到的样本作为对照来评价其他采样方法的优劣.由于各种在线社交网络陆续将其用户ID系统由32位升级为64位,导致拒绝-接受采样法的采样命中率近乎为零.本文根据在线社交网络的特点,以新浪微博为例,对其用户ID分布情况进行分析,提出了一种改进的拒绝-接受采样法UNI64.该方法通过分析网络有效ID样本的分布情况,结合聚类的方法将整个样本空间划分为有效区间和无效区间,并使采样算法避开无效区间,仅在有效区间内生成待测样本,从而有效提高了拒绝-接受采样法在有效样本极为稀疏的样本空间内采样的命中率.     

面向时间感知的微博传播模型研究

随着在线社交网络的快速发展,提取信息传播特征和构建传播模型已成为研究热点。针对传统微博网络传播模型未考虑用户的不完整阅读、潜伏期和直接免疫等行为难以准确识别免疫节点的缺陷,通过分析用户的行为特征,提出增加传播的个体分类和完善传播途径的微博网络传播算法(MSILR)。该算法可以使用户根据微博信息的传播特性及时获得、传播和屏蔽信息,根据模型反映的社会关系和在线社会行为完善社交网络的功能。以新浪微博为例,分析微博网络的传播机理和网络参数对信息传播过程的影响,完善动力学演化方程组,刻画信息传播过程随时间的演化规律。在真实微博网络数据集上进行测试,并与传统算法进行比较,实验结果表明了MSILR算法的有效性和可行性。     

新浪微博网信息传播分析与预测

文中以新浪微博为研究对象,以分析新浪微博的信息转发与传播特征为研究目的,并对传播行为进行预测.在获取大量新浪微博在线数据的基础上,对各种可能影响用户转发行为的因素进行统计、分析,挖掘各种影响因素特征并进行建模.提出基于用户属性、社交关系和微博内容三类综合特征,使用机器学习的分类方法,对给定微博的用户转发行为进行预测.基于微博网关注关系拓扑,利用概率级联模型对给定微博的转发路径进行预测,为预测微博的影响范围提供依据.文中通过实验分析了新浪微博符合复杂网络特征、社交类特征对转发行为有重要影响,并验证了传播预测的有效性.     

一种新的微博社区发现算法

在舆情分析、微博营销和个性化推荐等方面,微博社区发现的研究都具有重要的应用价值。为了准确而有效地发现微博社交网络中的社区,提出一种基于信任关联度的微博社区发现算法(TRKM算法)。该算法通过微博用户的评论、转发、原创微博等属性来构造节点间信任关联度,再利用微博社区的模块度对网络社区划分效果进行评价。在新浪微博明星和普通用户数据集上进行实验,并将TRKM算法与传统K-means算法作比较。实验表明,该算法能够更有效地发现微博用户关系网络中的社区结构。     

融合社会关系的社交网络情感分析综述

随着以用户为中心的Web 2.0的发展,社交网络平台以惊人的影响力渗入到生活的方方面面,对社交网络中的内容进行情感分析已经成为热点研究课题。Twitter、新浪微博等在线社交网站吸引了大量用户,通过用户间的交互,产生了许多包含用户间社会关系的信息,并且这些社会关系被广泛应用于社交网络的情感分析。融合社会关系的社交网络情感分析将用户间交互形成的社会关系应用到对用户发表在社交网络上内容的情感分析中,拟解决文本短小精炼、语义模糊、特征较为稀疏带来的情感分析准确率低的问题。对融合社会关系的社交网络情感分析研究进展进行综述,梳理、分析主要的方法,列举出其中的关键问题,最后阐述了研究趋势和展望,并进行了总结。     

在线社交网络的自适应UNI采样方法

在线社交网络采样方法常作为其他采样方法的评估基准,但是该方法采样命中率和采样效率较低,影响了其应用。为此,提出一种自适应UNI采样方法。该方法将用户ID系统空间划分为若干区间进行采样,根据各区间命中率自适应地调节在各区间的采样概率,以提高采样命中率和效率。设定采样概率下限阈值解决冷启动问题,同时利用区间的采样率调节区间采样概率,防止陷入局部最优。将该方法应用于新浪微博的采样数据进行验证,实验结果表明,该方法可提高采样效率和采样命中率。     

微博网络测量研究

随着移动通信和Web技术的不断突破,以微博为代表的在线社会网络在中国广泛发展起来,越来越多的人开始使用微博进行信息分发和舆论传播.为了了解中国微博网络中的拓扑结构特征和用户行为特征等内在信息,对国内最大的微博系统——新浪微博——开展了主动测量,并结合已有的在线社会网络测量结果,对新浪微博的网络拓扑和用户行为特征进行了分析和比较.主要发现包括:1)新浪微博网络具有小世界特性;2)新浪微博网络的入度分布属于幂次分布,而出度分布表现为某种分段幂率函数;3)与类似社会网络相比,新浪微博网络的出入度不具有相关性;4)新浪微博网络属于同配网络;5)新浪微博用户发博时间具有明显的日分布和周分布模式;6)新浪微博用户博文数目分布表现为威布尔分布;7)新浪微博用户博文的转发和评价行为具有很强的相关性,且博文转发概率要高于评价概率.这些测量研究和发现不仅有助于设计出符合中国微博网络结构特征的数学模型和计算模型,也是实现对微博舆论的监测、引导、控制等方面的重要依据和基础.     

微博社交网络模型的建立及其性质研究

针对在线社交网络进行建模研究将有助于理解其网络特征结构和演化机制,为了提高网络模型描述在线社交网络的准确性,分析统计了新浪微博网络演化相关特征,并结合复杂网络中社团结构特征和优先连接特性提出了COMW（Community-Oriented Model for Weibo）网络演化模型。通过实验模拟验证了COMW模型的包括度分布、聚类系数、网络效率、社团结构演化等网络特征。实验表明,COMW模型具有明显的小世界特性和明显的社团结构,并在多项特征上均符合微博网络,能够较为合理地表征微博网络的演化。     

网络暴力事件中大学生的信息传播行为研究

随着社交网络的普及,新浪微博逐渐成为中国最大且最有价值的社交平台。然而网络的隐蔽性导致网络暴力事件层出不穷,大学生在社交平台发表看法和释放压力的同时却有可能不自觉中产生网络暴力的传播行为。本文以大学生为调查对象,基于新浪微博,进行网络暴力事件中信息传播行为的研究,设计了关于网络暴力事件信息传播行为的调查问卷,并构建用户传播行为回归模型,分析不同因素对信息传播行为的影响。本文通过因子分析与回归分析的方法,对大学生的信息传播行为进行研究,以期提高大学生对网络暴力事件的理性认知意识。     

基于行为分析与传播个体的微博传播模型研究

随着社交网络的迅速发展,掌握信息传播的规律,进行信息传播的管理越来越重要,而提取信息传播特点和建立模型已经成为研究热点。传统信息传播模型并未考虑易感染者的类型以及时间网络等行为因素,对信息传播规律的研究不够准确。针对信息传播及用户行为的分析,改进模型增加双重易感染者、潜伏者等传播个体和优化传播过程的微博网络传播算法(MDSLIR)。该算法使得用户可以根据传播方式及时获取、传播和免疫信息,从而更好对社交网络信息进行管理。以新浪微博为例,研究微博信息的演化规律,使用微博上的真实数据进行仿真测试,并与传统算法进行比较,实验结果表明MDSLIR算法的有效性和可行性。