社交网络中大数据研究新进展

大数据技术与传统机器学习算法的融合对数据挖掘产生了新挑战,已成为数据挖掘、机器学习、信息融合等领域的重要研究问题。本文综述近年来社交网络中大数据的分析方法及算法,大数据在市场营销、犯罪识别、疾病预警、舆情分析、隐私保护等方面的应用现状,在此基础上指出社交网络中大数据的研究趋势:深化隐私保护研究、推广离线聚类算法及在线分析技术、社交网络中的用户行为模式研究。     

基于复杂社交网络的企业舆情传播及对策探讨

当前,我国已经进入到互联网信息时代,多重社交网络让人们的交流联系变得更加交杂穿插,因此,在复杂的社交网络中,网络舆情传播、发酵的速度十分凶猛,如何有效应对这种复杂社交网络中的企业舆情传播,充分化解不利的负面新闻,就成为当前企业亟待解决的问题。文章分析了复杂社交网络中影响网络舆情传播的因素,在此基础上,研究如何构建基于复杂社交网络的企业舆情传播模型,为相关企业的舆情控制和传播引导提供参考。     

社交网络、网络舆情与政府应对

网络舆情是公众在网络空间内围绕相关事项表达出来的认知、态度、情感和行为倾向的集合,其形成一般要经历形成期、上升期、高潮期、波动期和平息期五个阶段。政府应从网络舆情的收集、研判、监测和引导四个方面加强理性应对。     

社交媒体时代体育网络舆情的传播特征及治理路径

社交媒体时代带来了复杂性进一步加剧的传播新生态.中国体育网络舆情新的传播生态中呈现出与其他类别舆情不一样的传播特征,在深刻理解和认识这些特征的基础上,提出了中国体育网络舆情的治理路径:构建中国体育网络舆情监测体系、处理好媒体关系以提升议程设置能力、重视和善于发挥体育正面舆情的引导能力.     

信息生态视角下的社交网络舆情传播研究

随着互联网的快速发展,社交网络已成为信息传播的主要平台之一。在信息过载的时代背景下,社交网络舆情传播研究显得尤为重要。信息生态视角强调信息传播的多样性、复杂性和相互关联性,社交网络作为信息生态系统中的一环,对舆情传播产生了深远影响。本文将以信息生态视角为基础,围绕社交网络舆情传播展开多方面研究,以期为社交网络舆情传播策略的制定和实践提供理论支持。     

学术社交网络问答质量智能评价与服务优化研究

[目的/意义]学术社交网络所提供的问答服务已成为学者们快速获取学术信息、解决学术问题的重要途径,实现基于机器学习的问答质量智能评价和服务优化对学术社交网络中优质内容传播具有重要意义。[方法/过程]以ResearchGate问答服务为研究对象,从结构化特征、内容特征、其他特征以及回答者特征4个维度构建答案质量评价体系,利用机器学习方法和数据增强技术进行答案质量分类预测。[结果/结论]SMOTE算法在处理不平衡样本时具备有效性;支持向量机在单一模型预测中,取得出色的分类效果;组合模型使预测精度得到进一步提升,基于随机森林、支持向量机、BP神经网络构建的组合模型分类性能最佳,以此为基础可通过搭建问答质量智能评价系统实现学术社交网络问答服务优化。     

社交网络分析视阈下做好网络舆情管理的策略

借助社交网络分析工具,对在线社交媒体在网络舆情事件中的影响力进行量化刻画,并寻找社交网络分析中相关联的指标。基于成都A校食堂问题事件的微博转发数据,通过构建分层线性模型进行实证分析,研究这些指标与网络舆情事件影响力的相关性。在分析结果基础上,提出政府在当前在线社交媒体盛行的背景下有效应对网络舆情管理的对策建议。     

基于社交网络的社交关系强度分类研究1）

本文利用监督学习的方法从社交网络的用户数据中分两个阶段挖掘最佳的社交关系强度分类模型,并进一步探讨不同用户数据对于社交关系强度的区分能力。研究发现,基于贝叶斯网络算法的分类模型在区分强社交关系的过程中被证明最有效,而基于 Logistic 回归算法的分类模型则在区分出临时社交关系的过程中表现最佳。研究还通过属性分析发现互动性因素总体上对社交关系强度的区分能力最为突出,相似性因素中的共同好友数也有很好的区分能力,但时间性因素对于社交关系强度的区分能力没有被发掘出来。     

大数据环境下多媒体网络舆情传播要素及运行机理研究

[目的/意义]研究大数据环境下多媒体网络舆情信息传播要素和运行机理,为相关部门加强网络舆情信息监管提供参考。[方法/过程]以大数据技术、舆情理论、信息传播理论为基础,对大数据环境下多媒体网络舆情的特征进行分析,深入探讨大数据环境下多媒体网络舆情传播的主体、客体、媒体、本体、空间5个要素,在此基础上重点归纳总结大数据多媒体网络舆情传播机理,并构建传播机理的总体关系架构。[结果/结论]揭示多媒体技术环境下网络舆情信息传播的内在运行规律,为大数据环境下多媒体网络舆情信息传播的研究提供新视角。     

大数据网络舆情信息情感维度要素的关联模型构建

[目的/意义]情感维度是网络舆情信息预警级别的评定信号,其影响要素关联模型的构建能够较为清晰地描述各要素间及其与大数据网络舆情环境之间的错综复杂关系,从而为深入探讨大数据网络舆情信息的情感发展规律提供参考。[方法/过程]根据情感维度理论,从情感的种类、情感的转换、情感的唤起3个维度建构大数据网络环境下舆情信息情感维度要素关联模型。[结果/结论]实证分析结果表明:大数据舆情信息情感维度模型中舆情信息的情感级别与情感反应、情感焦点维度之间存在显著相关;情感指向与其他维度之间存在弱相关;情感维度模型中没有完全无关的要素。     

基于社会网络的品牌危机传播“意见领袖”研究

本文借助社会网络的相关理论和现点,对"意见领袖"在品牌危机传播中的地位和作用加以分析,以提出相应的策略建议.     

网络舆情场中观点簇丛的情感极化度测算

[目的/意义] 提出网络舆情场内观点簇丛的情感极化度测算方法，为量化舆情受众情感态势和识别极化群体提供依据。[方法/过程] 首先明确舆情受众情感极化的条件，再通过设置条件阈值筛选出满足条件的观点簇丛，在此基础上引入3个极化指标（受众吸引率、极端受众增长率、极化情感增长率）描述观点簇丛在测度时间窗口内的情感发酵程度。最后利用平滑权值，对观点簇丛在不同测度阶段的情感表现进行加权综合，得出其整体情感极化程度值。[结果/结论] 观点簇丛在每个时间窗口的情感表现能为阶段性的舆情受众情感极化干预提供判断依据，而综合的情感极化度有助于准确识别场域内的敏感话题及群体，便于网络舆情的精准管控。     

网络舆情话题的数据立方体模型分析

通过详细分析网络舆情组成要素,利用数据仓库技术,建立网络舆情话题数据立方体模型。该模型涵盖网络舆情的大部分组成要素,而且可以根据实际需要进行扩展。实际案例分析表明,应用该模型可以对网络舆情话题进行多角度、深层次的挖掘分析,分析结果能比较客观地反映网络舆情变化发展的规律和趋势,有助于全面地了解网络舆情话题,并为网络舆情预警提供必要的信息。     

基于社会网络分析的移动环境下网络舆情信息传播研究——以新浪微博"雾霾"话题为例

[目的/意义]研究移动互联网络环境下舆情信息传播路径和传播规律,为相关部门加强社会舆情信息监管提供参考.[方法/过程] 在理论研究层面,基于社会网络分析法,从点度中心性、中间中心性和接近中心性3个属性出发,对移动端和非移动端雾霾网络舆情信息传播进行对比分析;在应用研究层面,以新浪微博中雾霾话题信息为例,采用Java编程方式接入新浪网API开放平台获取新浪微博数据,使用Gephi软件及数理统计分析工具绘制有关图表.[结果/结论]揭示了移动环境下网络舆情信息传播特点,验证了社会网络分析法在移动环境下网络舆情信息传播研究中的有效性,并为移动环境下网络舆情信息传播的研究提供了新的研究视角,为实践层面移动环境下网络舆情信息监管提供了分析工具.     

网络舆情语义倾向性的隶属度研究

[目的/意义]研究网络舆情语义倾向性隶属度,增强对网络舆情研判与引导的科学化程度,为相关部门提供决策参考。[方法/过程]在探讨网络舆情语义识别的基础上,运用模糊数学方法对网络舆情信息语义倾向性隶属度进行相关研究,并结合具体实证展开分析。[结果/结论]实验结果表明,本文所提出的算法能够深入挖掘网络舆情语义倾向性信息,更好地为相关管理者提供舆情危机预警服务,提高决策效率。     

公共危机事件网络谣言对网络舆情的影响研究

分析公共危机事件网络舆情与网络谣言的传播特性及制约传播的因素,以网络信息量为研究对象,构建网络谣言对网络舆情的影响模型,确定模型的平衡点及其稳定性,研究在3个阶段产生网络谣言对舆情的影响程度,提出降低网络谣言对网络舆情之影响对策,为政府应对公共危机事件网络舆情提供参考。     

多媒体网络舆情危机响应机理及风险分型研究

[目的/意义]针对当前我国多媒体网络舆情响应问题，梳理并提出以危机风险分型为基础的政府组织响应路径整合匹配、响应工作流程模型构建机理，以期为管理决策者提升资源整合能力、网络舆情危机精准响应效力提供参考。[方法/过程]对大数据环境下网络舆情危机动力要素的作用进行分析，提取出网络舆情危机风险分型的基础系数，并以多元结构网络舆情信息的多媒体传播路径为视角提取网络舆情危机风险分型叠加系数，再逐一提取各风险分型下网络舆情危机响应的工作要点。[结果/结论]根据主体结构要素、媒体效力要素、客体属性要素危机作用形态的排序组合，在其关系节点上建立多媒体网络舆情危机等级基数。根据本体成分分化后对舆情危机的不同影响效果，建立多媒体网络舆情危机加成系数。建立多媒体网络舆情危机风险分型模型，将舆情危机风险解构为等级系数和加成系数。从而更为准确地描述舆情危机的表征，有利于判断舆情危机的未来发展态势，提高与既往舆情危机案例匹配的速度与精准度。     

Use of Sentiment Analysis for Predicting Public Opinion on Referendum: A Feasibility Study

This study explored the potential of using sentiment analysis of tweets to predict referendum choices (Brexit). The feasibility of using StreamKM++ in the massive online analysis framework was examined over five categories, ranging from strongly agree to strongly disagree (to exit). A Naïve Bayes classifier was used to classify people’s opinions according to these categories. The prediction model resulted in high accuracy (97.98%), making it possible to use it in predicting opinions about public events and issues. The findings from this study may help practitioners, and policymakers understand the importance of sentiment analysis of social media in assessing public opinion and, accordingly, making certain voting predictions.