水污染公共环境事件中的微博科普传播现状及特征探究

通过对“兰州自来水苯污染”事件期间微博数据的分析,我们聚类分析出六类对“水污染”事件关注度高的典型微博用户,从微博用户入手找出“水污染”微博科普的分布格局和现状。再通过对不同特征类型的典型微博用户针对“兰州水污染事件”相关微博进行的内容分析以及其发布的相关科普微博进行的传播节点、评论量等数据的网络分析,找出不同传播主体的科普信息微博内容的传播特征并提出建议。     

基于内容和评论及时性的微博影响力用户检测算法

以评论内容关键字和用户之间的评论关系为基础,结合评论及时性在微博影响力用户检测中的重要作用,研究如何有效获取微博中最有影响力用户的问题,基于Page Rank经典算法提出了基于评论内容相似性和评论及时性的微博影响力用户检测算法(Com Rank)。算法首先对每条评论信息进行分割处理,获取关键字并记录评论生成时间;然后基于评论内容关键字相似性计算评论内容相似性;再次,结合评论及时性计算评论关系权值;最后使用Com Rank算法检测最有影响力的微博用户。真实数据集上的实验结果验证了该方法的有效性。     

基于交互行为的在线社会网络水军检测方法

网络水军对广告、谣言、木马和恶意链接进行传播,不仅干扰用户对在线社会网络的正常访问,还可能引发网络安全、社会稳定等方面的问题。针对网络水军信息传播的特点,提出基于交互行为的信息传播模型。模型根据不同传播主体间的交互定义特征来量化传播行为,使用决策树方法对水军传播的信息进行检测。通过新浪微博的真实数据分析传播模型并验证检测方法,结果表明检测方法能够对微博中水军信息进行有效检测。     

一种微博用户情感影响者发现模型

情感在微博网络中传播并感染用户,对微博网络甚至现实世界都有重要影响.发现具有情感影响力的用户(情感影响者)对社会管理或制定市场策略等具有重要意义.本文建立了包含两种节点(用户,微博)和三种关系(转发,关注,发帖)的异质微博网络,利用微博情感相似性和用户情感行为相似性将其转化为只包含用户节点的同质网络,进而在该网络中使用随机游走模型发现情感影响者.贡献包含以下方面:利用微博情感相似性和用户的情感行为相似性验证了本文所构建微博网络的情感同配性,确认了情感影响在该网络中存在;提出EmotionRank模型用以寻找情感影响者;基于微博数据的实验结果有效验证了该模型的有效性和优越性.     

基于统计分析的微博信息传播规律研究

在基于统计方法的基础上,发现了微博信息传播速率所具有的普遍规律及信息传播路径所具有的典型传播模式。首先,通过微博开放平台,采用应用程序接口对微博信息的转播/评论数据进行采集,分析信息传播速率随时间变化的统计特性,得出不同话题类型的微博信息传播特征具有非常相似的结论：信息发布后,其转播/评论数在短时间内达到峰值,然后便很快衰落;然后,通过可视化软件NodeXL对采集到的数据发现了微博信息传播的3种典型传播模式：一触即发传播模式、多级传播模式和多点触发传播模式。     

特征词选择与相似度融合的微博话题发现方法

微博短文本中存在一些相同或相近、但与主题关系不大的词项,对准确度量文本之间的相似性具有较大的干扰作用,影响微博话题被发现的质量。提出一种基于文本内容与结构化信息相结合的特征词选择算法,能有效提取具有代表性的特征词,并对文本、话题间相似度的计算策略进行改进,然后将特征词选择算法与相似度计算方法融合,应用于微博文本数据实现话题发现。实验结果表明,本算法能有效降低话题发现的平均漏检率与误检率,提高话题发现质量。     

基于颜色和空间特征的彩色图像获取方法

本文针对基于内容的彩色图像相似性获取问题,提出了一种新的相似性获取方法,它既考虑了颜色内容特征,也包含了图像的空间关系特征.文章设计了无序矩阵来描述图像空间位置的相对关系,这种无序矩阵具有对旋转和平移不变性的特点.在进行图像间相似性测量时,首先用颜色直方图相交法对图像全局颜色分布进行相似性测量,再对得到的候选图像队列用新的算法进行测量,剔除不相似的图像.新的测量算法既考虑了颜色内容的匹配,同时也考虑了空间相似性的因素.用不同类型的图像对这种方法进行实验,其结果表明,它在彩色图像相似性检索时是很有效的,具有较高的检索精度.此外,它在图像发生小的旋转和平移等形变时,表现出较高的可靠性.     

一种中文微博观点抽取技术

随着微博技术的不断发展,越来越多的用户喜欢在微博上发表自己对某件事或某个问题的观点看法。找出一个可以有效的判断评论对某事件所持态度的方法也日益引起人们的关注,观点信息抽取也成为一个重要的研究课题。文章提出的是一种自动识别评论态度的方法,主要是用微博文本中表情动画、动词以及句型等特征信息来构造特征集,并根据这个特征集生成特征向量,利用SVM分类器生成测试模型。实验结果表明,该方法取得了较好的系统性能。     

基于LCS的特征树最大相似性匹配网页去噪算法

提出了一种基于LCS的特征树最大相似性匹配网页去噪算法.通过将目标网页和相似网页转化为特征树,并将特征树映射为一个特征节点序列,利用LCS算法能获得最长子序列全局最优解的特点,找出两棵特征树之间的不同节点作为候选集,并对候选集进行聚集评分找出网页重要内容块.给出了算法的原型系统,并对每一个模块的实现做了详尽的描述.     

基于同义词词林的微博客评论情感分类研究

微博客评论带有用户的情感信息,对其进行分类研究,有利于微博监控、舆情发现、舆论引导等工作的实现,具有一定的研究意义。在构建中文微博情感语料库的基础上,引入情感词词典,对微博客评论进行情感分类,并比较了使用和未使用同义词词林的结果,发现引入同义词词林能提高分类的准确性。     

重大自然灾害事件的舆情特征及治理研究

新浪微博评论内容包含用户对社会事件的看法、态度、情感倾向等,其中蕴含着十分丰富的情态信息。为把握舆情走向,提升公共舆情治理能力和公共服务质量,本文以“7·20”河南暴雨事件为例,选取人民日报微博客户端在事件期间发布的相关微博,以其微博文本和评论为基础进行舆情文本情感分析及主题提取,结合数据分析得出事件舆情特征,并讨论相关管理部门应如何针对突发事件进行舆情治理,构建健康绿色的网络环境。     

微博用户关系研究

本文以新浪微博为例,通过抽样分析来对微博中的社会网络进行研究。文章通过对明星用户之间和普通用户之间的网络密度分析、中心性分析和距离分析来了解微博用户的群体特征。重点讨论了微博用户之间所存在的社交关系以及信息是如何在这样的社交关系中进行传播的。     

基于能量优化的微博用户转发行为预测

微博用户转发行为预测是微博社交网络消息扩散模型构建的基础,在舆情监控、市场营销与政治选举等领域有着广泛的应用.为了提高用户转发行为预测的精度,本文在MRF（Markov Random Field）能量优化框架下综合分析了用户属性与微博内容特征、用户转发行为约束、群体转发先验等因素对用户转发行为的影响,并在逻辑回归模型的基础上构造了相应的能量函数对用户转发行为进行了全局性的预测.实验结果表明,微博用户转发行为不仅取决于用户属性、微博内容等特征,而且也受到用户转发行为约束、群体转发先验等因素不同程度的影响.相对于传统算法,本文算法可以更准确地对用户转发行为进行建模,因而可获得更好的预测结果.     

融合标签关联关系与用户社交关系的微博推荐方法

通过分析微博特点及现有微博推荐算法的缺陷,提出一种融合了标签间关联关系与用户间社交关系的微博推荐方法.采用标签检索策略对未加标签和标签较少的用户进行加标,构建用户-标签矩阵,得到用户标签权重,为了解决该矩阵中稀疏的问题,通过挖掘标签间的关联关系,继而更新用户-标签矩阵.考虑到多用户之间社交关系对挖掘用户兴趣并进行微博推荐的重要性,构建用户-用户社交关系相似度矩阵,并与更新后的用户-标签矩阵进行迭代,得到最终的用户兴趣并进行相关推荐.实验证明了该算法针对微博信息推荐是有效的.     

融合兴趣和行为的用户转发行为预测

微博转发是微博网络中信息得以传播的基础,对用户影响力评估以及网络营销等具有重要意义。现有的方法在考虑影响用户转发行为的因素时,大多只考虑微博以及用户属性等特征,没有考虑用户兴趣和用户历史行为规律等个性化特征,本文提出了基于LDA主题模型的用户兴趣与微博相似度计算方法,将计算结果作为用户兴趣特征,还提出了基于用户转发率、与上游用户交互频率的用户历史行为特征,最后融合用户兴趣特征、用户历史行为特征、上游用户特征、微博特征,建立基于几种常见分类模型的预测方法,在真实数据集上的实验结果表明,该方法能够有效提升预测准确性,取得较好的预测效果。     

基于XML的英语学习资源协同过滤推荐方法

由于英语学习资源与正常文本或图像的数据属性特征存在一定差异，故无法为用户推荐符合需求的英语学习资源，因此，提出基于XML的英语学习资源协同过滤推荐方法。通过构建用户评分矩阵，设定英语学习资源为词频向量，利用改进的余弦相似性，度量邻域用户之间的相似性，根据解得的作品属性隶属函数，推导出属性特征隶属度矩阵，分别计算XML文档的内容相似度与结构相似度，经加权融合求解作品的综合相似度，实现英语学习资源的个性化推荐。实验结果表明，所提方法推荐结果较为精准，具有有效性与可行性。     

基于用户兴趣和推荐信任域的微博推荐

向用户推荐其感兴趣的微博,是改善用户体验的重要途径.为使推荐的微博更加符合用户的兴趣和品味,提出的微博推荐方法不仅考虑用户自身的特点,而且还考虑所在社区对微博的评价.在技术实现上,采用支持向量机进行文本分类,以便发现用户的兴趣偏好;通过多维Newman算法进行用户社区的发现,并将社区视为推荐信任域.最后采用改进的协同过滤算法综合用户兴趣偏好和推荐信任域进行微博推荐,以此提高微博推荐的质量.实验结果表明,提出的微博推荐方法是切实有效的.     

基于特征分析的微博用户兴趣发现算法

本文在综合兴趣模型研究现状的基础上,结合微博数据集对微博用户的特征进行分析,建立微博用户兴趣模型,并提出基于微博用户兴趣模型的发现算法。实验结果表明,本文提出的算法能很好的发现微博用户的兴趣,提高推荐系统的质量。     

一种新的图像检索方法

常规基于内容图像检索的方法是提取图像的颜色、纹理等物理特征,运用相似性度量准则从图像库中查询相似的图像。为了提高图像检索的正确率,这里提出改进的方法。具体方法是:提取图像的物理特征,并将特征作为支持向量机(SVM)的输入向量,对图像进行分类,然后利用分类结果,对检索图像进行相似性匹配,从同类图像中找出相似的图像。实验结果显示,该方法的检索结果优于常规方法。     

面向产品的虚假评论识别

随着网上购物成为一种最重要的日常购物方式,产品评论成为了用户是否购买卖家产品的重要依据,因而对虚假评论的识别具有重要意义。本文基于虚假评论和真实评论在情感极性上的差异,定义了8个特征并利用随机初值的局部搜索法、模拟退火法两种启发式算法进行特征选择,再通过两种聚类算法对虚假评论进行识别。最后通过对构造出的数据集进行实验,验证了算法的有效性。