基于個體傳播動力計算的社交網(wǎng)絡(luò)信息傳播研究.pdf

1、社交網(wǎng)絡(luò)作為互聯(lián)網(wǎng)最熱門的應(yīng)用之一，隨著流行和普及，人類的溝通交流已不再局限在相同的時間和空間內(nèi)。快速發(fā)展的社交網(wǎng)絡(luò)不僅是用戶展示自我價值、表達(dá)利益訴求和維護(hù)人際關(guān)系的重要途徑，也為信息傳播與分享提供了高效平臺。社交網(wǎng)絡(luò)帶有明顯的社會特征，其主體是用戶，信息傳播由人類的心理活動與行為共同驅(qū)動。傳播的過程依賴于復(fù)雜的個體與群體關(guān)系，帶有隨機(jī)性，容易相互影響。傳統(tǒng)的理論和簡化模型，難以準(zhǔn)確地描述傳播過程。因此，社交網(wǎng)絡(luò)信息傳播作為一個多學(xué)科

2、交叉形成的研究方向，研究工作存在高度不確定性和復(fù)雜性。本文結(jié)合了復(fù)雜網(wǎng)絡(luò)理論、流行病傳播動力學(xué)、機(jī)器學(xué)習(xí)和語義分析等學(xué)科的思想和方法，對社交網(wǎng)絡(luò)數(shù)據(jù)獲取、傳播行為實證分析、傳播動力計算、文本情緒理解與模型構(gòu)建等問題進(jìn)行了研究。
　　論文以單向弱關(guān)注類社交網(wǎng)絡(luò)和移動社交網(wǎng)絡(luò)為主要研究對象，通過對群體行為數(shù)據(jù)的統(tǒng)計分析，提出引發(fā)個體傳播行為的主觀和客觀傳播動力因素。研究發(fā)現(xiàn)，主觀傳播動力主要來自個體自身對信息的傳播意愿，而引發(fā)傳播意愿

3、的根源可被歸結(jié)為三種因素：個體對觀點的認(rèn)同度（包含個體的興趣相似性)、個體的關(guān)系強(qiáng)度及個體與傳播源的接觸頻度?？陀^傳播動力來源于兩種因素：個體自身的影響力與消息文本的情緒結(jié)論。論文致力于合理科學(xué)地量化這些傳播動力因素，提出一種基于文本情緒分析的信息轉(zhuǎn)發(fā)分類模型，以及一種融合多種傳播動力計算的社交媒體傳播時空演化模型。論文的研究工作主要包括以下內(nèi)容：
　　1、基于群體行為特征分析的個體影響力判斷。通過分析新浪微博開放平臺API，提出

4、了一種基于JSON結(jié)構(gòu)樹的微博信息解析方法，將JSON對象轉(zhuǎn)換為一種類似HTML DOM的樹結(jié)構(gòu)，存放關(guān)鍵信息的DOM節(jié)點位置，最后抽取特征節(jié)點的內(nèi)容。該方法獲取速度快，對海量數(shù)據(jù)獲取有較強(qiáng)的針對性。獲取數(shù)據(jù)后，進(jìn)行包括關(guān)注與粉絲比例、粉絲數(shù)量與質(zhì)量，轉(zhuǎn)發(fā)對象分布與轉(zhuǎn)發(fā)頻率等項目的統(tǒng)計分析，發(fā)現(xiàn)個體的影響力是一種影響信息傳播的客觀因素，進(jìn)而提出一種個體的影響力判斷方法。該方法以粉絲和關(guān)注的數(shù)量、轉(zhuǎn)發(fā)和評論的數(shù)量，轉(zhuǎn)發(fā)分布律和粉絲對節(jié)點的

5、影響力貢獻(xiàn)為條件，通過影響力貢獻(xiàn)數(shù)列計算粉絲對不同的關(guān)注者不同的影響力貢獻(xiàn)。實驗結(jié)果解釋了社交網(wǎng)絡(luò)的群體傳播現(xiàn)象，總結(jié)了個體影響力與活躍用戶自身屬性、轉(zhuǎn)發(fā)特點和粉絲行為的關(guān)系。
　　2、個體興趣的相似性計算與重疊性識別。面向移動社交網(wǎng)絡(luò)分析消息的傳播因素，提出個體的主觀傳播動力概念—興趣相似性。以復(fù)雜網(wǎng)絡(luò)的社團(tuán)發(fā)現(xiàn)理論為基礎(chǔ)，根據(jù)譜平分算法的思想，通過Laplace矩陣計算獲得個體的興趣相似性值。根據(jù)群體對單一主題的不同興趣程度，

6、結(jié)合第二小特征值概念，提出興趣邊界值概念，構(gòu)建譜分割算法對節(jié)點進(jìn)行興趣相似群體分類。針在圖論中可被描述為在節(jié)點之間，引發(fā)個體傳播多主題信息的興趣重疊性，結(jié)合派系過濾算法的特點，提出一種 k類群過濾算法。通過迭代回歸計算和重疊矩陣，識別出具有興趣重疊特征的節(jié)點和多興趣主題的圈子。仿真實驗顯示，對比傳統(tǒng)的譜平分算法和派系過濾算法，新算法在量化個體對消息的感興趣程度，識別單一和多主題的消息傳播群體方面獲得了更好的效果。
　　3、基于文本

7、情緒分析的信息轉(zhuǎn)發(fā)分類模型。個體閱讀微博文本后，對內(nèi)容的情緒理解會產(chǎn)生推動信息傳播的動力。首先，為了識別文本中的情緒結(jié)論，應(yīng)用語義網(wǎng)絡(luò)對微博內(nèi)容進(jìn)行知識表示和自然語言理解，總結(jié)出微博中出現(xiàn)頻率最高的53個情緒結(jié)論詞匯，包括副詞和代詞。其次，從微博樣本中抽取確定的情緒詞匯，疑似的情緒詞匯則采用不確定性推理計算其可信度。從Hownet本體知識庫中獲取詞語、義項和義原的相似性作為推理證據(jù)的可信度，從而計算出結(jié)論的可信度。最后，定義微博的轉(zhuǎn)發(fā)數(shù)

8、量范圍，應(yīng)用樸素貝葉斯分類方構(gòu)建轉(zhuǎn)發(fā)分類器，對分類器的鑒別正確性進(jìn)行樣本訓(xùn)練，評估測試效果顯示，分類預(yù)測已經(jīng)達(dá)到較高的準(zhǔn)確率。
　　4、融合個體傳播動力計算的傳播時空演化模型。首先分析社交媒體的信息傳播機(jī)理和流程，定義傳播規(guī)則。根據(jù)傳染病動力學(xué)理論，用圖論的方法把個體分為傳播節(jié)點、未感染節(jié)點、免疫節(jié)點三類。結(jié)合MLW模型特點，定義傳播圈子描述模型中節(jié)點和邊的變化。其次，提出主觀傳播動力因素概念：個體傳播意愿，包括三種構(gòu)成因子：個體

9、關(guān)系的強(qiáng)弱度、個體對觀點的認(rèn)同度和個體接觸傳播源的頻度；代入興趣相似性值，以CODA模型為基礎(chǔ)設(shè)計了量化方法。在服從冪律分布的非均勻網(wǎng)絡(luò)中，構(gòu)建平均場方程組描述節(jié)點的演化過程。最后，以個體影響力值為條件，提出波紋傳播動力計算方法，計算傳播的動力值和持續(xù)時間。構(gòu)建BA網(wǎng)絡(luò)仿真實驗，結(jié)果顯示，模型有助于深刻理解社交媒體的演化過程，解釋了傳播現(xiàn)象，獲得了信息傳播與個體傳播動力變化的基本規(guī)律。
　　綜上所述，研究社交網(wǎng)絡(luò)群體的行為特征、文