基于個體傳播動力計算的社交網(wǎng)絡信息傳播研究.pdf

1、社交網(wǎng)絡作為互聯(lián)網(wǎng)最熱門的應用之一，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)?？焖侔l(fā)展的社交網(wǎng)絡不僅是用戶展示自我價值、表達利益訴求和維護人際關系的重要途徑，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動。傳播的過程依賴于復雜的個體與群體關系，帶有隨機性，容易相互影響。傳統(tǒng)的理論和簡化模型，難以準確地描述傳播過程。因此，社交網(wǎng)絡信息傳播作為一個多學科

2、交叉形成的研究方向，研究工作存在高度不確定性和復雜性。本文結合了復雜網(wǎng)絡理論、流行病傳播動力學、機器學習和語義分析等學科的思想和方法，對社交網(wǎng)絡數(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建等問題進行了研究。
　　論文以單向弱關注類社交網(wǎng)絡和移動社交網(wǎng)絡為主要研究對象，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、的根源可被歸結為三種因素：個體對觀點的認同度（包含個體的興趣相似性)、個體的關系強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論。論文致力于合理科學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結構樹的微博信息解析方法，將JSON對象轉換為一種類似HTML DOM的樹結構，存放關鍵信息的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)獲取有較強的針對性。獲取數(shù)據(jù)后，進行包括關注與粉絲比例、粉絲數(shù)量與質量，轉發(fā)對象分布與轉發(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，進而提出一種個體的影響力判斷方法。該方法以粉絲和關注的數(shù)量、轉發(fā)和評論的數(shù)量，轉發(fā)分布律和粉絲對節(jié)點的

5、影響力貢獻為條件，通過影響力貢獻數(shù)列計算粉絲對不同的關注者不同的影響力貢獻。實驗結果解釋了社交網(wǎng)絡的群體傳播現(xiàn)象，總結了個體影響力與活躍用戶自身屬性、轉發(fā)特點和粉絲行為的關系。
　　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。以復雜網(wǎng)絡的社團發(fā)現(xiàn)理論為基礎，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、結合第二小特征值概念，提出興趣邊界值概念，構建譜分割算法對節(jié)點進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論，應用語義網(wǎng)絡對微博內(nèi)容進行知識表示和自然語言理解，總結出微博中出現(xiàn)頻率最高的53個情緒結論詞匯，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，從而計算出結論的可信度。最后，定義微博的轉發(fā)數(shù)

8、量范圍，應用樸素貝葉斯分類方構建轉發(fā)分類器，對分類器的鑒別正確性進行樣本訓練，評估測試效果顯示，分類預測已經(jīng)達到較高的準確率。
　　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理和流程，定義傳播規(guī)則。根據(jù)傳染病動力學理論，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，包括三種構成因子：個體

9、關系的強弱度、個體對觀點的認同度和個體接觸傳播源的頻度；代入興趣相似性值，以CODA模型為基礎設計了量化方法。在服從冪律分布的非均勻網(wǎng)絡中，構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。構建BA網(wǎng)絡仿真實驗，結果顯示，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)絡群體的行為特征、文