共查询到20条相似文献,搜索用时 109 毫秒
1.
【目的/意义】为了解媒体微博信息传播规律与特征,识别具有高度影响力的媒体微博节点与类型,更有效
地对信息传播进行监管和引导。【方法/过程】研究基于社会网络理论,选取新浪微博中的部分媒体微博为研究样
本,测度其社会网络结构特征,并结合中心度与LeaderRank 算法测度媒体微博影响力。【结果/结论】研究发现,媒体
微博社会网络整体较为紧密,信息在媒体微博网络中的传播速度较快,网络节点之间的整体凝聚性强;网络结构与
节点位置决定着成员的影响力程度;具有高度影响力的核心节点的资源控制能力与话语权相对较大,可以通过改
变中心度、聚类系数等手段引导核心节点,控制信息传播态势。 相似文献
2.
【目的/意义】针对基于地理坐标的社交网络(如微博)信息传播特征,研究复杂网络环境下网络节点影响力
识别算法,为某些真实网络拓扑结构中衡量节点传播影响力的模拟仿真和实证分析提供参考。【方法/过程】采用统
计分析和计算机仿真方法,在传统的中心性变量基础上,考虑网络社区加权因素,引入LWCS算法;然后对该算法
的排序结果以及度、紧密度、介数和k-shell之间的性能进行比较;最后,基于k-shell划分对LWCS算法加以改进并
提出LWCS+算法,并通过实证分析对改进算法进行检验。【结果/结论】数据分析结果表明,在识别网络节点传播影
响力范围和还原社区加权因素方面,LWCS+具有比LWCS更为明显的优势。 相似文献
3.
4.
【目的/意义】通过构建数学模型,研究大数据背景下微博舆情热度预测问题。【方法/过程】分析大数据背景
下的微博舆情的首发信息特征,定义首发信息影响系数,建立微博首发信息热度预测方程模型。【结果/结论】利用百
度指数、清博舆情等软件,研究 47个微博舆情实例分析模型特征,并用 6个微博舆情案例验证模型,得出该模型根据
微博首发信息的少量数据而得到较为准确的预测结果。研究成果有利于政府面对复杂微博舆情时做到“心中有
数”, 也为进一步研究大数据背景下微博舆情预测问题提供参考。 相似文献
5.
【目的/意义】研究微博网络中话题式信息的传播模型及规律,对控制舆论和掌握微博信息传播规律具有重
要意义。【方法/过程】以微博信息传播中的SEIR模型为出发点,综合考虑微博网络中话题式信息的衍生特性,构建
改良式的微博话题式信息传播H-SEIR模型,并运用MATLAB进行模拟仿真,对微博中话题式信息传播影响因素
和对应的控制策略进行研究。【结果/结论】验证了所构建的改良微博话题式信息传播H-SEIR模型的可行性和有效
性,揭示了移动网络环境下话题式信息传播规律,为现实微博网络的监管控制策略的制定提供了理论依据。 相似文献
6.
【目的/意义】通过对政务微博网络舆情信息传播效率进行评价,有利于政务微博的运营和管理。【方法/过程】应用道格拉斯生产函数对政务微博网络舆情信息传播效率评价指标体系的投入和产生指标进行分析,应用DEA模型对政务微博网络舆情信息传播效率进行测算和评价,并利用聚类分析方法对政务微博进行分类,从而对政务微博信息传递指标进行归纳。【结果/结论】政务微博规模效率表现较差的原因是政务微博信息传播效率表现不佳;政务微博信息传递规模效率较低的原因是粉丝数和关注数不足;最后基于投影分析,提出政务微博信息传递效率的改进方案。 相似文献
7.
【目的/意义】微博舆情对社会各领域的影响与日俱增,但由于其影响因素众多,呈现出非线性且复杂的变
化。因此,如何快速、准确地预测其发展趋势是一个很有价值的研究课题。【方法/过程】以微博话题的博文总数作
为微博话题发展趋势的量化指标,考虑话题发展的复杂性和非线性的特点,采用模糊神经网络来预测微博话题的
发展趋势。并通过改进的粒子群优化算法对模糊神经网络的参数进行优化以更好的发挥模糊神经网络在处理非
线性、模糊性等复杂问题上的优越性。【结果/结论】通过对新浪微博数据集的对比实验,验证了本文所提方法的有
效性和准确性。本文方法有效解决了微博舆情趋势预测中遇到的模型参数复杂、易陷入局部最优的问题,提高了
微博舆情发展趋势预测的准确性。 相似文献
8.
【目的/意义】解析了微博舆情话题的传播、微博网络拓扑结构特点、微博网络中的信息传播特点,发掘舆情 传播过程的影响因素,继而对在微博网络上发生的舆情扩散进行有效的控制。【方法/过程】在传染病动力学的SIR 模型的基础上,提出了有部分无知者直接变为免疫者以及具有衍生效应的SIR改进模型。结合微博网络拓扑结构 进行了有向无标度网络的设计,并利用微博网络的信息互动模式对感染率以及转化率进行了改进,最后对此模型 进行简单的因素分析。【方法/过程】构建的微博网络舆情传播模型的变化符合实际生活中微博网络舆情的传播变 化,并分析了各个影响微博网络舆情传播的因素。 相似文献
9.
【目的/意义】研究新媒体环境下企业微博信息行为特征,通过对比分析五家同类型企业微博信息行为过程,提出建议,从而提高企业与用户信息交互的效果,提高企业核心竞争力。【方法/过程】本文通过网络爬虫采集五家汽车企业近三年来的全部微博数据及粉丝数据,采用知识图谱分析方法,将企业微博在线活动特征可视化,分析企业在线活动的时间特征,在线内容挖掘及热点分析,共同关注者的网络可视化及差异比较。【结果/结论】本文基于知识图谱构建的新媒体环境下企业微博信息行为模型可以作为企业在线信息活动分析的研究框架;数据分析结果表明企业可以利用新媒体平台进行在线活动,提升企业与用户的信息交互效果。 相似文献
10.
【目的/意义】有别于众多现有的针对社会群体事件的定性理论研究,文章采用了定性分析和定量研究相结
合的方式探讨群体事件在微博网络中的传播特点,并给出了社会群体事件在微博中传播的传播模型。【方法/过程】
以定性分析和定量讨论相结合的方式为指导思想,以复杂系统的理论为依据,提出对群体事件的微博传播进行基
于Agent 的建模分析;以复杂网络的相关知识为支撑,提出依据K-Shell index 方式来划分Agent 群类并设计了相应
的交互规则。【结果/结论】实证分析了以K-shell index为依据构建Agent的优点;基于Repast平台对所设计的模型进
行了仿真分析、模拟出了由个体用户的意见从无序交互到集中爆发的涌现过程,并以真实群体事件的数据为基础
论证了该模型的科学性和实用性。这些工作能帮助人们更科学地理解群体事件微博传播中的演变规律,从而为群
体事件的及时预测和有效应对提供理论指导。 相似文献
11.
【目的/意义】分析高校新媒体的信息传播网络结构及演化特征,有利于推动高校信息的有效传播,提升舆
论引导力。【方法/过程】以高校官方微博为例,本文对高校新媒体信息传播网络密度特征、网络中心性特征、网络结
构特征、地域路径及情感路径特征进行了分析,最后运用BA无标度网络模型对高校新媒体信息传播网络结构的演
化特征进行了仿真模拟。【结果/结论】高校新媒体信息传播网络具有较小的聚类系数、较短的网络平均路径,节点
的度分布符合幂律规律;高校新媒体影响力正在突破传统地域影响;高校信息传播中以积极情感为主,网络舆情事
件对情感影响较大;随着节点增加,网络平均度经过前期快速增长后会稳定在某个恒定值左右,网络平均路径长度
则一直呈现增长趋势。最后本文提出了改善高校新媒体信息传播网络结构的建议。【创新/局限】在今后的研究中
需要进一步扩大数据样本和时间跨度。 相似文献
12.
【目的/意义】由于微博消息发布的自由随意性,微博中的虚假信息泛滥,且难以识别,信息冗余、信息失衡
等问题也很突出,这给人们通过微博获取资讯带来了很大的困扰。【方法/过程】本文主要研究的是通过微博中“关
注”与“被关注”的关系构建媒体领袖间的关注网络,运用社会网络分析的相关方法对该网络中的主流媒体进行识
别,分析评价网络中的节点在消息传播方面的作用,并从整体和局部两个方面分析媒体领袖间的关系网络对消息
传播的影响。【结果/结论】据此提出一些有利于微博消息传播和扩散的建议,帮助人们通过微博获得真实、准确、全
面的资讯,也有利于改善微博环境。 相似文献
13.
【目的/意义】当前微博已成为重要的舆论场,针对海量微博信息的舆情难以快速获取的问题,提出一种基
于云计算的微博舆情流式快速自聚类方法。【方法/过程】该方法首先设计舆情最小距离聚类算法,包括构建舆情相
似度计算模型,及构建舆情最佳聚类阈值确定方法;然后构建舆情流式自聚类模型,该模型利用云计算和最小距离
聚类算法在横、纵两个方向聚类舆情信息,得到各主题的舆情集合。在横向上,以云计算的多个计算节点为聚类起
始,同步并行聚类分配到其上的舆情信息。在纵向上,多个计算节点协同、流水线式聚类同一起始节点的舆情信
息;最后在纵向上聚类舆情集合,将同主题舆情集合聚为一类。【结果/结论】实验结果表明:该方法能有效加快微博
舆情获取速度,且具有较高的舆情获取准确率。 相似文献
14.
【目的/意义】本文融合文本和图像的多模态信息进行情感识别,引入图片模态信息进行情感语义增强,旨在
解决单一文本模态信息无法准确判定情感极性的问题。【方法/过程】本文以网民在新浪微博发表的微博数据为实
验对象,提出了一种基于DR-Transformer模型的多模态情感识别算法,使用预训练的DenseNet和RoBERTa模型,
分别提取图片模态和文本模态的情感特征;通过引入Modal Embedding机制,达到标识不同模态特征来源的目的;
采用浅层Transformer Encoder对不同模态的情感特征进行融合,利用Self-Attention机制动态调整各模态信息特征
的权重。【结果/结论】在微博数据集上的实验表明:模型情感识别准确率为 79.84%;相较于基于单一文本、图片模
态的情感分类算法,本模型准确率分别提升了 4.74%、19.05%;相较于对不同模态特征向量进行直接拼接的特征融
合方法,本模型准确率提升了 1.12%。充分说明了本模型在情感识别的问题上具有科学性、合理性、有效性。【创
新/局限】利用 Modal Embedding 和 Self-Attention 机制能够有效的融合多模态信息。微博网络舆情数据集还需进
一步扩充。 相似文献
15.
【目的/意义】随着移动网络技术的飞速发展,用户已习惯在社交网络平台发表意见,进而形成所谓的网络
舆情。准确建立舆情的传播模型,对于舆情的引导和控制具有重要的帮助。【方法/过程】本文基于传统的SIR传染
病模型,综合考虑用户的心理特征行为因素,搭建新型的社交网络舆情传播动力学模型,并选用粒子群算法,以
2016年内热点的微博舆情事件为例,求解模型参数的最优值,并进行实验数据验证。【结果/结论】结果表明:用户的
追根溯源心理、持续关注心理以及漠不关心心理等心理特征对舆情的传播特性有重要影响,同时本文给出的模型
由于考虑了用户的心理特征行为因素,模型的准确性相较传统的SIR模型有明显优势,模型拟合曲线与真实数据曲
线基本一致,并且模型拟合值与真实数据的绝对误差值和RMSE值都较低。本文的研究对准确预测舆情信息传播
趋势以及舆情的分析和引导有着重要的指导作用。 相似文献
16.
17.
【目的/意义】网络社会充斥大量负面网络舆情,负面网络舆情风险分级和研判对提高网络治理能力和网络
社会治理成效意义重大。【方法/过程】构建负面网络舆情风险指标体系,并采用熵权法计算风险指标权重;基于加
权GRA模型计算灰色加权信息关联度,在此基础上,运用k-means聚类算法构建负面网络舆情风险分级方案,据此
对负面网络舆情进行风险预测。【结果/结论】实证分析结果表明,所建负面网络舆情风险分级模型客观性强、可靠
度高,可为负面网络舆情风险精准响应提供有效决策依据。【创新/局限】以信息关联为视角,为负面网络舆情风险
分级与预测提供了新的研究框架,但典型案例数据库有待继续完善。 相似文献
18.
【目的/意义】微博作为主要的社会化媒体,微博话题可信度评估以及从认知角度了解影响微博信息传播的
因素对判别信息可信度具有重要意义。【方法/过程】本文基于现有的详尽可能性模型对信息可信度的研究,从微博
内容、微博作者、社交网络传播三个维度,对影响微博话题可信度的因素进行研究。【结果/结论】结果发现,微博内
容信源的可信度对内容可信度存在显著正向影响,内容可信度对微博信息话题可信度存在显著正向影响,作者专业
知识对作者可信度存在显著正向影响,作者可信度对微博信息话题可信度存在正向显著影响。 相似文献
19.
20.
【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现,对微博转发行为的研究有助
于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度,对微博转发行为进行了预测。量化分析了微博内容
中一组低水平特征和高水平特征,采用逻辑回归模型对微博转发概率进行预测,并在微博数据集中进行了训练和
验证。【结果/结论】基于模型中的参数学习,证实这些内容特征对于微博转发有着密切的联系,据此进一步推断微
博用户主要的兴趣点。 相似文献