面向社交網(wǎng)絡(luò)的群體分析關(guān)鍵技術(shù)研究.pdf

1、隨著Web2.0技術(shù)與移動(dòng)互聯(lián)網(wǎng)的迅速發(fā)展，在線社交網(wǎng)絡(luò)已經(jīng)成為人們獲取信息發(fā)表觀點(diǎn)意見的重要通道。社交媒體將現(xiàn)實(shí)社會(huì)中人與人之間的同學(xué)、朋友、同事等社會(huì)關(guān)系遷移至互聯(lián)網(wǎng)，形成了基于在線社交平臺(tái)的網(wǎng)絡(luò)社會(huì)。在網(wǎng)絡(luò)社會(huì)中，用戶依然是社交媒介的核心和主體，用戶之間鏈接關(guān)系構(gòu)成社交網(wǎng)絡(luò)基本結(jié)構(gòu)，用戶發(fā)表內(nèi)容使得社交網(wǎng)絡(luò)中產(chǎn)生信息，用戶之間的交互行為使得信息在社交網(wǎng)絡(luò)中傳播。在現(xiàn)實(shí)世界中，人的本質(zhì)屬性在于其社會(huì)性。同樣，在網(wǎng)絡(luò)社會(huì)中，群體亦是網(wǎng)

2、絡(luò)個(gè)體展示自我價(jià)值的方式。在線社交網(wǎng)絡(luò)的蓬勃發(fā)展使得現(xiàn)實(shí)社會(huì)中的諸多個(gè)體輕而易舉地在互聯(lián)網(wǎng)中實(shí)現(xiàn)群體聚集，并進(jìn)而成為助推社會(huì)變革的全新力量。因此，社交網(wǎng)絡(luò)群體分析對(duì)于維護(hù)國(guó)家安全穩(wěn)定、維持社會(huì)長(zhǎng)治久安具有十分重要的意義。
　　網(wǎng)絡(luò)社會(huì)群體，是指網(wǎng)絡(luò)個(gè)體就某個(gè)事件在某個(gè)虛擬空間聚合或集中，相互影響、作用、依賴而形成的網(wǎng)絡(luò)個(gè)體集合。話題和互動(dòng)是網(wǎng)絡(luò)個(gè)體形成網(wǎng)絡(luò)群體的必要途徑。立場(chǎng)、行為、信息是網(wǎng)絡(luò)群體的三要素，相互獨(dú)立卻又緊密聯(lián)系?；?/p>

3、于此，本文先后對(duì)群體聚集機(jī)理、群體情感分析、用戶行為分析和突發(fā)事件檢測(cè)等進(jìn)行了系統(tǒng)研究，主要貢獻(xiàn)如下：
　　(1)在群體聚集機(jī)理方面，傳統(tǒng)基于結(jié)構(gòu)的社區(qū)檢測(cè)算法僅能檢測(cè)在結(jié)構(gòu)上緊密連接的用戶集合，而忽略群體的語義特征與動(dòng)態(tài)特性。針對(duì)此不足，提出了一種基于用戶交互行為的動(dòng)態(tài)語義社區(qū)檢測(cè)算法框架，結(jié)合社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、內(nèi)容、交互和時(shí)間四個(gè)因素，探究了當(dāng)微博數(shù)據(jù)流流經(jīng)社交網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，網(wǎng)絡(luò)群體的活躍狀態(tài)及演化趨勢(shì)。首先將群體定義為基于動(dòng)態(tài)

4、交互行為構(gòu)成的語義社區(qū)。其次，提出了一種離散化的動(dòng)態(tài)交互社區(qū)檢測(cè)算法框架，該方法將社交網(wǎng)絡(luò)數(shù)據(jù)流按照時(shí)間進(jìn)行離散化，并保留兩種類型的社區(qū)快照：片內(nèi)活躍社區(qū)和整體活躍社區(qū)。在每個(gè)時(shí)間片內(nèi)基于文檔內(nèi)容和傳播路徑構(gòu)建交互樹，采用貝葉斯生成模型對(duì)交互樹進(jìn)行建模，然后采用近鄰傳播聚類算法將交互樹合并成為片內(nèi)活躍社區(qū)。當(dāng)進(jìn)入新的時(shí)間片后，基于話題相似性和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的重合度進(jìn)行社區(qū)合并，從而達(dá)到群體動(dòng)態(tài)演化分析的目的?；谛吕宋⒉?4,049,25

5、1條消息的實(shí)驗(yàn)表明，本文提出的算法可以快速有效檢測(cè)出社交網(wǎng)絡(luò)中處于活躍狀態(tài)的用戶群體，并以實(shí)例展示了群體的動(dòng)態(tài)變化過程。
　　(2)在群體立場(chǎng)方面，傳統(tǒng)文本情感分析方法僅僅從靜態(tài)角度研判用戶情感傾向性，即判斷文本中蘊(yùn)含的支持、中立、反對(duì)等觀點(diǎn)立場(chǎng)，而在社交網(wǎng)絡(luò)中，公眾情感具有漂移性，公眾立場(chǎng)不斷變化，興趣點(diǎn)不斷演化。針對(duì)此不足，提出了一種基于多元情感向量模型的群體情感演化分析方法。首先結(jié)合臨床心理學(xué)和新詞檢測(cè)算法構(gòu)造情感向量，基于

6、自底向上的AGNES聚類算法構(gòu)造情感向量的層次架構(gòu)。其次，基于上述情感模型，對(duì)用戶情感進(jìn)行抽取和聚合，采用基于FP-增長(zhǎng)樹算法挖掘頻繁情感模式。最后基于時(shí)序分析判斷公眾情感是否發(fā)生演化。此研究方法首次將時(shí)間特性引入傳統(tǒng)文本情感分析，以新浪微博中有關(guān)日本地震的84萬條微博信息為例展示了日本地震期間公眾情感的動(dòng)態(tài)變化過程。
　　(3)在群體行為方面，用戶在不同的社交網(wǎng)絡(luò)結(jié)構(gòu)模式下具有不同的轉(zhuǎn)發(fā)概率，傳統(tǒng)方法將社交網(wǎng)絡(luò)結(jié)構(gòu)分析和轉(zhuǎn)發(fā)行為

7、分析獨(dú)立進(jìn)行研究，沒有考慮兩者之間的相互影響。針對(duì)此不足，本文基于新浪微博1000萬用戶的22億條轉(zhuǎn)發(fā)行為記錄，采用統(tǒng)計(jì)學(xué)假設(shè)驗(yàn)證與回歸分析方法，系統(tǒng)研究了用戶轉(zhuǎn)發(fā)概率與社交網(wǎng)絡(luò)結(jié)構(gòu)模式、交互頻率、活躍性和三角形數(shù)目的關(guān)系。我們發(fā)現(xiàn)，社交網(wǎng)絡(luò)中用戶的親密鄰居的轉(zhuǎn)發(fā)概率要比稀疏鄰居的轉(zhuǎn)發(fā)概率大，并且親密鄰居之間的交互頻率越高，其轉(zhuǎn)發(fā)概率也就越大。同時(shí)，用戶發(fā)帖數(shù)目越多，雖然其被轉(zhuǎn)發(fā)次數(shù)也會(huì)增加，但每條消息的轉(zhuǎn)發(fā)概率將會(huì)下降。此外，用戶的轉(zhuǎn)

8、發(fā)概率與用戶參與的三角形數(shù)目也呈顯著負(fù)相關(guān)性。此方法雖未提出任何創(chuàng)新算法，但其展示了如何對(duì)社交網(wǎng)絡(luò)中的大規(guī)模海量數(shù)據(jù)進(jìn)行科學(xué)分析，其發(fā)現(xiàn)的一系列結(jié)論也具有十分巨大的潛在價(jià)值。
　　(4)在群體信息方面，傳統(tǒng)數(shù)據(jù)流突發(fā)事件檢測(cè)算法識(shí)別突發(fā)特征需要耗費(fèi)大量時(shí)間，而社交網(wǎng)絡(luò)數(shù)據(jù)規(guī)模大、噪聲多，無法滿足實(shí)時(shí)在線分析的需求。針對(duì)此不足，提出了一種基于情感符號(hào)的在線突發(fā)事件檢測(cè)算法。突發(fā)事件與公眾情感狀態(tài)之間存在很強(qiáng)的相關(guān)性，從而可以通過監(jiān)測(cè)

9、情感符號(hào)的狀態(tài)變化達(dá)到檢測(cè)突發(fā)事件的目的。首先，基于改進(jìn)的Kleinberg算法挖掘情感符號(hào)突發(fā)期，采用啟發(fā)式的近鄰傳播聚類算法對(duì)含有情感符號(hào)的博文進(jìn)行事件抽取。同時(shí)采用離線回收機(jī)制保證事件概要的完備性。實(shí)驗(yàn)表明，此算法框架可以快速有效挖掘出在線社交網(wǎng)絡(luò)數(shù)據(jù)流中的突發(fā)事件，完全可以滿足實(shí)時(shí)分析處理的需求。此方法的最大優(yōu)點(diǎn)在于通過情感符號(hào)有效的過濾了大量噪聲數(shù)據(jù)，提高了事件檢測(cè)的準(zhǔn)確率。
　　綜上所述，本文針對(duì)社交網(wǎng)絡(luò)群體分析關(guān)鍵技