一种基于话题传播的微博用户影响力分析方法

基于微博话题传播过程,提出了一种新的用户影响力分析方法.该方法首先结合微博信息传播机制,构建信息推送网和信息转发网;其次,基于上述网络建立话题传播网模型并提出CTDN构建算法;最后,以该模型为基础设计并实现了一种用户影响力排序算法TD-InfluenceRank,该算法在迭代计算用户影响力时通过考虑节点间的信息传播,使影响力更多地转移给关系密切的节点.实验结果表明,以TD-InfluenceRank算法为核心的用户影响力分析方法,能够有效提高话题传播中用户影响力分析的准确性.     

基于粒子群优化算法的社交网络可视化

为了使用户快捷、清晰地发现及研究微博用户之间的关系,提出基于粒子群优化(PSO)算法的微博数据可视化方法.根据用户在微博中的影响力将用户分为n层,以此来表示用户在网络中对信息的传播影响力的等级.基于数据的关联关系对数据进行子群划分;基于粒子群优化算法,设计目标函数,使粒子群优化算法适应社交网络的布局要求.为了进一步增强可视化效果,降低视觉复杂度,采用曲线代替直线,应用传输函数设置不透明度以及交互的可视化技术.实验结果表明,该方法可以形成清晰的可视化结果,以便更好地分析微博用户之间的关系.     

基于溯源的虚假信息传播控制方法

为了研究微博传播机制,本文提出一种基于溯源的虚假信息传播控制方法,根据微博转发关系和主题相关性得到级联集合,并结合用户关系网和信息级联关系网确定微博信息的真正发起者。通过文本情感分析和信息级联关系迭代计算节点的影响力指数和从众指数,提取微博信息早期重要参与者。综合发起者和早期重要参与者确定信息源头并进行评估。通过删除优质源头节点和全局高影响力节点来控制虚假信息的传播。在新浪微博数据集上通过实验验证了基于所有溯源节点的虚假信息控制策略效果最优。     

基于社团信息传播能力分析的微博舆情热点监测

在分析微博舆情热点监测研究局限的基础上,从信息传播角度提出一种基于社团信息传播能力分析的微博舆情热点监测方法。该方法首先基于微博用户间信息交互构建微博信息交互网络;然后采用快速Newman社团发现算法挖掘信息交互网络中的信息传播社团;最后根据用户传播影响力和用户间交互紧密度对社团的传播能力进行评估,并通过对具有较强信息传播能力社团中信息交互的监测实现微博潜在舆情热点的挖掘。实验结果表明,微博信息传播社团的信息传播能力与热点微博信息在社团中的真实传播效果具有较高的拟合度,通过对强传播能力社团中信息交互情况的实时监测,可发现潜在舆情热点信息。     

基于PageRank的用户影响力评价改进算法

为了解决传统微博用户影响力评价算法全面性和客观性差的问题,通过对微博用户影响力的定义和影响因素进行分析,鉴于微博社区网络与web页面网络的拓扑结构有着天然相似性的特点,提出了一种基于PageRank的用户影响力评价改进算法(Self and Followers User Influence Rank)SF-UIR.运用用户追随者数、用户是否认证、用户微博的传播能力三个指标对用户自身影响因素进行了量化,改善了PageRank值对用户影响力评价客观性差的问题.采用权重因子将追随者对其所关注用户的影响力贡献值进行科学的量化分配,解决了追随者影响力等值传递的弊端.与四类主流算法的对比实验结果表明:SFUIR算法同时考虑了基于用户行为的自身影响因素和基于拓扑结构的追随者影响因素,能够有效地解决追随者数量排名算法中的"僵尸粉"干扰问题,能比平均转发数算法更真实地反映用户的影响力高低,能有效规避K-覆盖度算法中未考虑微博用户自身行为特征和将所有的追随者都一视同仁的严重缺陷,能极大地改进PageRank算法单纯依赖追随者数量和追随者质量的不足,从而能够更加全面、更加客观地反映微博用户的影响力.     

基于监督随机游走的有影响力用户发现算法

基于用户主题偏好的监督随机游走是当前热点研究之一。受微博文本稀疏性的影响,基于微博主题衡量用户影响力的研究较少。为研究某些领域的用户影响力强弱,文章提出一种基于监督随机游走的有影响力用户发现算法(TP-SRW)。通过研究微博用户自身的属性和微博文本的主题特征,构建基于用户交互信息的个体链接关系,并结合代表用户同质性的微博主题兴趣的相似性,构建有向加权网络模型。实验结果分析表明,在不同主题下挖掘高影响力用户,提出的TP-SRW算法和模型具有良好的性能。     

新型单轴拉伸试样制备装置的研制及试验研究

针对当前社交网络中影响力量化多集中于用户维度,而缺乏对信息维度研究的问题,从微博信息入手,以线性加权模型为基础,提出一种结合评论数、转发数并引入转发地域分布信息的微博影响力量化模型(MIQM)。该模型综合考虑了群体对信息的关注度以及信息的扩散模式,并在地域维度对影响力展开了全局和局部分析。实验数据表明,MIQM局部模型和评论率模型相关性达0.43,全局模型和转发数模型相关性达0.98,说明MIQM模型能反应单个微博的影响力,局部模型可凸显关注度高的微博,全局模型能描述扩散性广的微博。     

基于mixtureLDA的微博主题挖掘

针对目前的主题挖掘只考虑主题内容的概率分布方法,本文提出一种综合考虑内容、时间等因素的微博主题挖掘模型mixtureLDA. 该模型能够分析用户不同类型微博的主题概率分布和时间微博主题概率. 实验使用新浪微博数据集,结果表明基于mixtureLDA的微博主题挖掘模型能够有效地挖掘出用户微博和时间微博的主题概率分布. 与MB-LDA、userLDA模型对比,mixtureLDA模型可有效降低困惑度.     

基于社区时空主题模型的微博社区发现方法

提出了一种基于主题模型的微博社区发现方法. 该方法采用狄利克雷过程(Dirichlet process)自适应生成多个潜在地理区域; 利用多项式分布描述主题在连续时间中的强度; 将用户对潜在地理区域和社区的选择偏好引入主题模型; 最后通过EM方法和Gibbs采样,实现时空主题模型参数估算,以基于主题相似性进行社区发现. 实验表明,该方法能更加准确地识别微博社区.     

微博个性化转发行为预测新算法

目前,对微博转发行为预测主要是对所有微博用户的历史数据进行学习,从而得到转发模型.但是这类模型需要对所有用户的转发行为进行全局预测,存在同质性且无法对具体用户进行个性化预测的缺陷.针对这些问题,提出了基于多任务学习的个性化微博转发行为预测算法.对新浪微博进行了数据抓取、分析和特征选择,根据社会学中影响力的理论,针对微博用户之间进行社交信息交流而导致相互影响的特点,引入了多任务学习方法,以逻辑回归预测模型作为基准算法,将预测模型分为全局模型与个性模型进行学习.预测模型把对每个用户转发行为的预测对应为多个任务,根据微博用户间的社交交互对这些任务进行关联.实验结果表明,所提出的模型能够有效地对单个用户的微博转发行为进行预测,并且提高了转发行为预测的准确率.     

微博用户推荐模型的研究

微博用户推荐对改善用户体验、促进社交网络长远发展具有重要意义。该文提取了能够充分反映微博用户之间相关性的多个特征,并通过逻辑回归模型对潜在的用户进行评分排序,为目标用户推荐前N个潜在用户。基于新浪微博数据集的实验结果表明,基于逻辑回归方法的用户推荐模型是切实有效的,可以为微博用户提供高性能的个性化用户推荐。     

词性对新闻和微博网络话题检测的影响

针对新闻和微博2组有代表性的语料开展实验研究,旨在发现不同词性特征及其组合对2种通用网络平台话题检测的作用及其影响.研究表明:在选择单一词性特征时,名词特征可得到最好的检测结果,命名实体可在保证准确率的情况下大大降低聚类的特征维度.在选择词性组合作为特征时,名词或命名实体、数词、时间短语、形容词以及量词的组合特征可提升新闻网络话题检测的准确率,而名词或命名实体、形容词、量词、数词以及特殊符号与网址的组合特征可在微博语料上获得较好的检测结果.     

基于动态认知的微博用户行为关系网络构建方法

构建微博用户的社会关系网络是分析微博数据的重要基础手段之一。由于微博用户在信息的发布和传播过程中具有不确定的行为特性,导致常见方法无法有效地完成微博用户行为关系网络的建模。该文以不确定理论为基础,提出了基于Rough Set的动态认知技术,对微博的海量不完备信息进行处理,完成对用户行为的计算分析,构建了微博用户行为关系网络。并以此为基础,结合用户操作、主题与情感分析方法,对微博中的网络事件发展进行了分析。     

基于复杂网络分析的微博网络舆情传播

为了探索微博网络舆情传播机制,采用复杂网络分析方法,并结合新浪微博获取的数据,分析了微博的社会网络结构的特点及其对舆情传播的影响。首先介绍了微博社会网络组成机制。然后采用复杂社会网络分析方法分析了微博社会网络的无尺度特性和小世界特征。最后结合实际的网络舆情事件案例,分析评价了微博社会网络拓扑结构对网络舆情传播的影响。     

学风建设中微博客的创新应用

当前学风建设存在着内涵不清,思路不明,着力点不准等现象,尤其随着学生主体大规模向网络转移,更加剧了学风建设的困境.面对当前困境,探索微博客在学风建设中的创新应用既是高校抢占网络阵地的有利举措,也是与时俱进的必然.     

官员微博的社会治理价值分析

官员微博呼应了我国正在建构的公民社会以及社会管理新要求,以既官又民的双重身份在网络问政平台上为国家政治、市场经济系统和公民社会搭建了一座桥梁,具有深刻的标尺性意义,是实现社会治理良性发展的新探索。本文试图从当下转型期社会治理视阈分析官员微博的价值,并认为官员微博在公民社会建构和社会治理方面有重要的积极意义。     

基于社交网图和兴趣标签的协同推荐算法

为了提高用户对社交平台的粘性,通过用户的社交关系网来丰富用户的兴趣标签。以微博为例,用户的关注用户可以对用户的内容推荐进行协同性过滤,用户的关注用户的重要性受到自身粉丝数的制约,综合用户兴趣标签和用户社交网络图完成对用户推荐内容的协同过滤。以 Last．fm 数据作为测试数据集,实验结果表明：改进的算法能够较明显地提高推荐的准确度,从而表明融入用户社交关系网进行内容推荐对于提升用户的平台粘性具有一定的作用。     

基于回应消息的中文微博情感分类方法

通过对中文微博情感分类的深入研究,该文提出了基于回应消息的中文微博情感分类方法。首先,对微博回应消息进行情感标注,然后利用回应消息情感分布结合SVM算法对微博文本情感进行分类;其次,对分类特征进行了详细分析。实验结果表明,该方法能够得到更高的准确率和召回率。     

公益机构微博社会网络中心性分析

应用社会网络分析法,以腾讯微博为平台,以认证公益机构微博为样本,分析公益机构与微博之间互相关注的关系信息及“权利”。从点度中心性、中间中心性、接近中心性三方面的分析可以看出,不同的机构微博在信息获取与发布、信息走向控制上的权利及影响力有很大的差别,微博数值越高者相应的“权利”越大。     

江苏高校微博应用研究

在对江苏省高校微博开通及应用情况进行调查和分析的基础上,总结出江苏省高校微博的应用状况受学校层次、微博活跃程度、开通时长等因素的影响,并有针对性地提出了一些改进对策.