一种基于话题演化的意见领袖发现方法

微博中的意见领袖不仅在社交网络的信息传播中发挥着举足轻重的作用,而且在网络舆情演化中也表现出显著的意见代表性。针对已有的意见领袖挖掘方法仅从复杂网络或者基本图模型来建模发现意见领袖,忽略了意见领袖在具体的话题演化中的意见代表性的问题,提出了基于话题演化的意见领袖发现的方法。该方法首先根据用户之间的交互构建图模型,然后利用寻找中心节点的图论算法挖掘潜在意见领袖,再利用话题演化模型判断潜在意见领袖的演化中心度,最后发现在整体舆情上的具有意见代表性的真实意见领袖。在新浪微博的话题数据集上的试验结果表明,该算法较仅考虑网络模型的意见领袖发现方法更优。     

网络意见领袖对微博不实信息传播的影响

为了考察网络意见领袖对微博不实信息传播过程的影响,在传染病模型ISR的基础上进行改进,构建了考虑网络意见领袖的微博不实信息传播模型,利用Matlab软件进行数值仿真和结果分析.模拟结果表明:网络平均度和意见领袖对不实信息的传播力越大,不实信息的影响力越大;微博不实信息传播的持续时间随网络意见领袖的初始密度变化而变化.     

微博意见领袖的特征对网络舆情传播的影响

微博意见领袖对网络舆情的传播产生重要影响,可以塑造公共舆论,影响政策的制定与实施.本文基于新浪微博,以复旦大学投毒案为具体实例,使用结构方程模型进行实证分析.研究结果表明:微博意见领袖的身份背景、被认同度、介入时点和责任感均正向于网络舆情传播,而其活跃度与网络舆情传播并没显著相关.     

意见领袖——网络时代下高校辅导员角色的新拓展

网络意见领袖具有广泛的关注度和影响力,其对网络热点事件的见解常能影响网民的看法,进而引领网络舆情走向。辅导员是大学生思想政治教育的骨干力量,网络时代下拓展辅导员的意见领袖角色,有利于扩大思想政治教育的时空场域、把握网络舆情、增强思想政治教育的有效性。辅导员的网络意见领袖角色塑造应从提高知识能力、转变叙事语言、关爱学生注重身教几方面着手。     

联合词性特征的微博文本命名实体识别

微博文本语法不规范且多由短语组成,严重影响了现有针对规范、长句文本设计的命名实体识别算法的性能.针对上述问题,本文提出了一种融合词性信息的微博文本命名实体识别模型.该模型通过分词工具提取词性信息,将词性信息作为特征与单词嵌入向量结合后输入双向长短期记忆神经网络,最后使用条件随机场对神经网络输出进行解码,从而实现词性特征辅助命名实体识别.实验结果表明,融合词性信息的命名实体识别模型,显著提高了微博文本命名实体识别的准确率.相比于其它模型,该模型F1值提高了1. 88%.     

电子杂志虚拟阅读行为网络的建模与分析

对《科学网电子杂志》的博文栏目作者群因阅读行为构成的虚拟网络开展了相关研究。基于给定度序列随机化网络生成算法,建立了一个博文作者群因阅读行为而产生的无向、赋权的、虚拟社会网络数学模型。该模型能够比较真实地反映这一博文作者人群因杂志遴选博文共同发表而产生的复杂阅读行为;提出的虚拟联系构建方式融合了部分后验调查统计规律,较已有相关研究中依照物理联系数据建模的方式更合理。通过细致的数值模拟、分析与比较发现:该类度负相关虚拟网络具有典型的小世界和无标度网络特征。提出的作者群虚拟网络的构建方式有助于分析此类高端虚拟舆论社区中观点的形成、传播,也使得识别和发现社区中意见领袖及成员的角色等更容易。     

微博社交网络舆情监测指标体系构建

在研究微博信息传播模式的基础上,借鉴网络传播中采用的信息空间模型构建了微博舆情的三维空间,对微博舆情的主客体进行分析,建立了微博舆情监测指标体系。该指标体系充分考虑了主客体的不同特点和关系,并提出体系中不同指标的量化方法,为管理者对微博舆情进行疏导提供了决策上的支持。     

基于SVM的中文微博观点句识别算法

针对中文微博中的海量文本,提出了利用领域观点词词典和支持向量机的方法对中文微博中的观点句进行识别.构建领域观点词词典,统计了表示中文微博观点句的5个特征,选取特征1,2,3,4进行观点句识别,并将基于支持向量机的3种不同特征组合识别算法与基于领域观点词词典的识别算法进行对比.算法对比结果表明,基于支持向量机的算法对微博观点句的识别效果较好,准确率68.75％,召回率48.71％,F值57.02％.     

网络多媒体数据中舆情关联主题的挖掘方法

如何高效地从图像、视频等多媒体数据中挖掘网络舆情事件的关联主题给网络舆情的有效监管带来了重大挑战.研究图像和视频截图等多媒体数据中文本信息的抽取方法,并在此基础上实现舆情关联主题的检测.选择新浪微博中的3个典型舆情事件为研究对象,设计网络爬虫收集事件中的文本、图像和视频多模态数据;采用连接文本提议网络(connectionist text proposal network,CTPN)的文字检测算法实现文本信息定位,利用DenseNet网络和连接时序分类(connectionist temporal classification,CTC)相结合的方法进行文本提取;提出多粒度潜在狄利克雷分布(multi granularity-latent Dirichlet allocation,MG-LDA)和jieba分词相结合的舆情关联主题提取方法.实验结果表明,所提出的方法可准确提取多媒体数据中不同格式、不同分辨率、不同颜色、不定位置和不同角度的文本信息,为精确把握舆情演化态势提供有力的数据支撑.     

一种基于支持向量机的垃圾微博识别方法

针对中文微博垃圾特点,提取基于向量空间模型的中文文本相似度、长短链接相似度、发文时间规律等新的分类特征,加入现有的特征集,运用支持向量机方法,训练后得到分类模型.实验结果表明,该方法是一种有效的垃圾微博识别技术.     

融合立场检测和主题挖掘的突发公共事件网络舆情演化研究

基于立场检测和主题挖掘的突发公共事件舆情演化研究,能够帮助政府及利益相关者快速地掌握突发公共事件网络舆情的演化规律,具有重要的意义。划分具体突发公共事件的舆情生命周期,提出新的立场检测模型和主题句挖掘方法,针对每个生命周期阶段,在识别大众网民的立场信息的基础上筛选出高效用的舆情信息,再挖掘高效用舆情信息的主题,以深入分析突发公共事件主题信息的演化规律。以“杭州女子失踪案”的微博数据为例,首先将本文方法与多种方法的实验结果进行对比分析,验证了方法的有效性;然后基于实验结果进行舆情演化分析,证明了其能够在实际的突发公共事件舆情中快速聚焦关键点,较好地分析突发公共事件舆情演化规律和特点。该方法能较有效、准确地识别和分析舆情内容,为网络舆情演化的研究提供了新视角。     

微博时代舆论领袖的传播进路

随着技术的革新和网络媒体的崛起,微博以一个自主、开放、自由的信息发布平台,为网络舆论的生成创造了一个全新的媒介环境。微博的裂变式和病毒式传播,能迅速产生强大的舆论威力,在技术水平和舆论领袖的合力作用下,建构具有微博时代明显特质的网络舆论场。分析舆论领袖在舆论场中的具体传播进路,审视微博时代下舆论领袖作为传播主体的影响,并提出健全法律制度、提升网络技术水平、加强网络议程设置,以及提升全民自律水平和媒介素养,借以净化网络传播环境。     

面向舆情分析的短文本频繁模式聚类算法

基于短文本的舆情分析是当前信息挖掘与情感分析领域的研究重点,针对网络环境中大量的短文本信息的鲜明特点,本文突破了传统基于词的分类方法,提出一种基于后缀数组频繁模式发现的聚类算法,利用后缀数组频繁模式精确去重算法得到关键词库,结合局部性原理对位置点聚类之后作有意义字串挖掘,进而进行文本舆情分析,以便及时动态了解网络群体的情感方向以及社会舆情热点。     

基于本体的主题网络舆情知识模型构建研究

主题网络舆情分析中,基于本体的知识模型构建是基础和核心工作。在本体理论基础上对主题网络舆情M进行知识化表示：KM={KC,KD,KG},KC为与具体舆情主题相关的上下文知识,KD为舆情主题所涉及到的专业领域知识,KG为普遍认可的基本概念和推理方法等通用知识;研究知识源的分类、描述语言的确定、本体库的架构设计,为主题网络舆情的内容分析奠定基础,实现一种技术方法上的创新。最后对该知识模型中的应用本体创建进行实例分析。     

网络舆论意见领袖特征研究

为了发现网络舆论的意见领袖,利用从网络中采集到的基本数据,构造网络话题参与者的"属性矩阵",提出意见领袖综合评价算法,以排序方式列出意见领袖.通过实际示例说明应用该评价算法的基本步骤和计算方法.该模型具有一定的理论指导意义和实际使用价值.     

基于元胞自动机的微博舆情传播研究

采用元胞自动机理论进行微博舆情传播的研究,设计微博元胞自动机模型结构,包括元胞状态、元胞空间、元胞邻域和演变规则。在微博舆情的倾向度演化中,定义了坚定性系数与影响系数,在不同的坚定性系数和影响系数分布下,进行了倾向度演化实验与分析。同时,对影响力较大的微博在倾向度演化中的作用,以及多邻域分布下倾向度的演化进行了研究。       

微博时代网络舆情的危机应对与管理机制研究

以微博为代表的新媒体蓬勃发展,微博的聚合与裂变使其迅速成为社会公众舆论焦点的集散地,对微博舆情的引导成为社会管理中的新视域。管理者应转变微博舆情管理理念,提升舆情研判水平;建立微博舆情引导协同反应机制,提高舆情应对能力;精心培育微博意见领袖,营造理性微博的社会氛围。     

基于信息挖掘的高校网络舆情监测系统开发

受网上各种信息的影响,高校大学生对社会诸多现象、现实和问题等反应敏感,易受到错误言论的蒙蔽和误导。针对高校网络舆情监测与预警手段方面的严重不足,开发了一个基于网络信息挖掘技术的高校网络舆情监测系统,系统利用网络蜘蛛技术、中文分词技术和文本聚类技术,通过对互联网信息进行采集、处理,舆情识别分析,实现了舆情热点与话题信息的推送与跟踪功能,可进一步分析舆情内容的观点与态度问题,筛选并判定各级别网络舆情的发生,从而进行公共危机和热点事件的监测和预警。