基于用户特征的微博转发预测研究

研究微博用户转发行为,预测微博转发概率,确定影响微博转发概率的因素,在热点挖掘、产品营销、舆情监控、谣言控制等方面有重要的现实意义.本文介绍了影响微博转发的用户特征,其中比较典型的有用户影响力、粉丝平均标签数、粉丝活跃度等特征.通过粉丝数-关注数算法、用户标签数算法、粉丝活跃度算法等分析了它们与微博转发之间的关联关系,并确定各个属性的阈值,这些阈值对微博转发预测起到了至关重要的作用.     

一种网络论坛水军账号快速检测算法

在分析网络水军灌水行为的基础上,提出一种网络论坛水军账号快速检测算法.该算法包含3步:首先通过统计分析网络论坛单日回帖情况,确定可疑区间;然后根据用户单日回复行为构建用户协作网络,并依据删减后的用户协作网络的聚类情况确定高可疑时段;最后通过高可疑用户的回帖时间特征分析判定其是否为网络水军.该算法采用"层层逼近"的策略,分3次排除正常用户和数据,不断缩小计算范围,具有计算量小、计算速度快的特点.利用该算法对"新浪网-娱乐论坛-影视世界版块-影行天下子版块"2010年全年的数据进行分析,实验结果表明,该算法不仅能有效发现网络论坛的单个水军账号,还能发现网络水军军团账号并确定炒作内容,准确率高.     

社交网络中水军用户团队不当行为准确识别技术

传统方法通过提取用户的静态行为特征,利用监督学习模型完成识别,在社交网络规模大的状态下,水军用户团队不当行为特征和正常用户越来越相似,无法准确识别社交网络中水军用户团队的不当行为。为了解决该问题,依据用户动态行为特征研究社交网络中水军用户团队不当行为准确识别技术。对社交网络进行描述,在此基础上,提取用户行为动态特征。把社交网络中水军用户团队不当行为识别问题看作二分类问题,将提取动态特征相应的样本作为输入,构建决策树,通过决策树对新的社交网络数据集进行水军用户团队不当行为识别。结果发现：采用的动态特征可有效反映水军团队不当用户行为特征;所提技术对水军用户团队不当行为的识别结果和人工标识结果基本一致;所提技术在三个数据集上的调和平均值和平衡准确度较其它技术高。可见所提技术识别准确性高。     

基于多任务学习的微博流行度预测

以短文本内容发布为主要特点的微博,已经成为重要的信息传播媒介,预测微博流行度对舆情监测、企业营销、热点推送等都具有重要意义.当前对微博流行度预测的研究主要侧重于对所有用户的微博数据进行统一建模预测,鲜有研究考虑不同影响力用户之间的差异.而微博数据的分析显示标签、提及和微博长度等对微博流行度的影响会随发布者的影响力变化显示出明显差异,在流行度预测中充分考虑这些差异,有助于取得更好的预测结果.为此,在流行度预测中引入多任务学习(Multi-Task Learning,简称MTL),并结合SVM构建SVM+MTL模型,此模型通过同时考虑所有用户的共同特性和不同用户的具体特性来提高预测性能.此外,除了预测常用的用户属性和微博发布行为等特征外,还引入微博内容相似性这一新特征,该特征能明显提高预测准确率.基于微博数据的实验表明,SVM+MTL模型可以有效提高微博流行度预测性能.     

基于用户行为影响的微博突发话题检测方法

考虑到微博数据存在时序性特征以及包含用户的社交网络行为特征,提出一种动量信号增强模型算法来有效地检测微博突发话题.由于传统模型未考虑微博数据变化以及用户社交行为的影响,为此首次提出影响力因子以及热度因子,用以修正动量模型.为获取影响力因子,将计算出当前时点前给定周期内的数据对当前数据的变化差值的指数累计影响作为影响力的衡量标准,以体现词频在该区间段的重要性.影响力因子将用于修正词频序列,以获取MACD值指标.由于用户的社交行为对话题产生影响巨大,进而提出热度因子用以修正MACD值指标.当模型满足指标阈值时,特征词则列为突发特征词.最后,通过K-means聚类算法将特征词进行归类合并,以获取突发话题.实验结果表明,模型精度能达到81.82%,表现良好.     

社交网络中的用户转发行为预测

以新浪微博为研究对象,基于微博主题及用户特征,提出社交网络中的用户转发行为预测算法.首先,基于互信息理论,从已发生转发行为的用户的微博内容中提取特征,通过分析给定用户的微博内容与特征之间的相关程度,预测用户是否会对给定主题的微博发生转发行为;然后通过研究用户性别、粉丝数、关注数、微博数与用户转发行为的关系,选取合适的用户特征描述,并基于贝叶斯模型预测给定用户对微博的转发概率.最后,结合以上2种算法的预测结果,得到给定用户对某主题微博的转发行为预测.该预测算法对研究网络舆情传播及微博营销具有重要意义.     

基于改进PageRank算法的微博用户影响力评估

为筛选微博网络和消息传播中的意见领袖,综合分析微博用户属性、行为和微博消息的传播特性,把用户的影响力因素分为：用户潜在影响力和微博传播影响力,据此构建用户影响力评估指标.进而提出基于改进RankPage算法的微博用户影响力评估算法.通过采集新浪微博某一话题下的数据计算用户的影响力,验证了方法的有效性和合理性.     

社交网络用户隐私量化建模与实证

在线社交网络的飞速发展对社交网络用户的隐私保护提出了新的挑战.通过使用社会网络分析、决策分析理论和实证研究的方法,建立了一种用户隐私向量模型,从而实现对社交网络中用户隐私保护状况的量化分析.并在此基础上以新浪微博为研究对象,通过微博用户的真实数据进行实证分析.研究结果表明:用户隐私量值对用户的行为有重要影响,真实社交网络中大部分用户的隐私关注程度较低,高隐私关注群体和低隐私关注群体的比例较小,用户的私信和地理位置信息的分享行为受用户的隐私关注情况影响大.研究结果对社交网络用户的隐私保护、社交网络中用户行为规律的研究具有参考意义.     

需求视域下“90后”大学生“微博文化”现象研究

web2.0时代,以微博为代表的网络自媒体以其独特的传播方式迅猛发展。随着校园网络的普及,"90后"大学生已成为微博用户中不可忽视的重要群体,微博已经不断地影响着他们的学习、交往和思维方式,并随之呈现出反应当代青年群体特征的"微博文化"。本文从大学生需求角度,分析"90后"大学生在微博使用过程中的心理和行为特点以及对其个性发展的影响,并提出自媒体时代青年"微博文化"的建设策略。     

微外交的魅力

4月13日是"外交小灵通"微博开通一周年,我们体会颇多。一年来我们在微博的内容建设、管理机制建设、应急处理以及和粉丝的互动等方面都做了很多努力和尝试。现在我们在新浪网的粉丝接近200万,在腾讯网的粉丝接近100万,在人民网也开通了微博可以说,这一年是"外交小灵通"不断成长和进步的过程,得到社会各界包括公众和媒体的关注和肯定。     

新浪企业微博口碑传播的实证研究

该文针对企业微博的口碑传播,基于口碑营销理论和产品类型研究,对企业微博转发数的影响因素进行研究,建立了企业微博的口碑传播模型。企业微博的转发数受到粉丝数和产品类型的影响。通过抓取新浪企业微博的实际运营数据,运用面板数据模型对模型的系数进行了估计。研究结果表明:企业微博的转发数受到粉丝数和新增粉丝数的影响;并存在正的自相关,即前一天的转发数会正向影响后一天的转发数;产品类型对企业微博的转发数有显著的影响,提供体验型产品的企业转发数高于提供搜索型产品企业的转发数。     

微博类社交网络中信息传播的测量与分析

为了更好地掌握在线社交网络中信息传播的特征规律和用户行为,以新浪微博为代表对社交网络中的信息传播进行了较大规模的测量、统计和分析,提出了一种三角和算法用于探测用户粉丝数阈值。该算法根据散点分布的统计规律来估计使微博热度达到某一值的粉丝数的临界值,发现为使微博热度大于10,用户粉丝数应大于150。其他测量分析结果表明:新浪微博具有很强的"名人效应",用户频繁地发帖并不能引起较大的关注,热门微博的热度几乎都以激增方式增长。这些结论对网络营销和网络监管具有参考价值。     

影响力异质性影响群体合作的演化

将进化博弈论与复杂网络相结合,借用经典的"囚徒困境"博弈策略来模拟研究个体之间在无标度网络中的合作演化行为.通过修改博弈规则,考虑不同个体具有不同影响力.模拟结果表明:个体影响力的差异性明显影响了群体的合作情况;不同影响力分布,有的可以促进合作的形成,有的却使群体很快陷入背叛的困境.     

基于双分支结构的融合多特征微博传播行为预测算法

随着如今微博平台的高速发展,微博转发行为预测已经成为舆情分析领域中一个热门的研究主题。针对该任务,提出一种添加多层间接粉丝用户权威度信息,基于双分支网络结构模型的微博转发行为预测算法。该方法通过对原始微博进行分析,运用LDA算法提取内容特征、构建用户关系网络提取间接关注用户权威度特征等多元特征,构建基于双分支结构神经网络模型预测微博传播行为。实验结果表明预测模型相比于其他算法在RMSE,MAE评估指标上都有较好的提高,验证了算法的有效性。     

2200万!新媒体史上第一拍

正2200万!随着拍卖师一声槌落,中国新媒体历史上第一次广告拍卖会被papi酱的首个贴片广告定格。在过去的某一天里,朋友圈被这样一句"我是Papi酱,一个集美貌与才华于一身的女子"刷屏了。被誉为"2016年第一网红"的Papi酱自2015年10月开始陆续将原创短视频分享至网络后意外蹿红,人气飙升。据悉,微博粉丝1209.4万,微信公众号粉丝240万,优酷、B站、爱奇艺平台等粉丝     

寒潮天气下合肥市主城区微博时空特征分析

传统气象灾害观测数据存在数据稀疏、滞后以及高成本等特性,利用微博等社会感知数据的高分辨率特性,可以分析灾害性天气条件下群体公共行为与用户地理位置的相关性。该文利用自主设计的一种突发灾害天气微博数据采集系统,获取合肥市2016年1月19日到1月27日的寒潮天气下新浪微博数据,利用GIS空间分析等方法探索寒潮发生前、中、后的微博用户时空聚集特征。研究发现,在时间上,微博发布量的变化与寒潮发生存在一定的相关性,一天当中18时至24时是微博高发时段;在空间上,微博发布地主要集中在一环二环内的商业聚集区、交通集散地、旅游观光中心与高校园区等人流量密集区域。在寒潮词频统计方面,"雪""寒""冷"和"冻"等一系列与寒潮相关的热词,在寒潮期间出现频率有突升的趋势。该研究有助于气象灾害应急响应与决策。     

基于新浪微博的社交网络演化模型（英文）

随着在线社交网络的高速发展和影响力日渐扩大,研究其演化发展规律已经成为非常重要的课题.通过抓取新浪微博的数据,将用户划分为意见领袖和普通用户,并建立了一个定量的两层演化模型.在此基础上,分析了意见领袖和普通用户之间社交影响力的差异,研究了网络内部病毒传播机制和外部媒体因素对在线社交网络演化过程的影响,并利用抓取的实际数据验证了模型的准确性.研究结果对进一步探寻在线社交网络结构、社会价值观对在线信息传播的影响均有积极意义.     

基于新浪微博的社交网络演化模型

随着在线社交网络的高速发展和影响力日渐扩大, 研究其演化发展规律已经成为非常重要的课题.通过抓取新浪微博的数据, 将用户划分为意见领袖和普通用户, 并建立了一个定量的两层演化模型. 在此基础上, 分析了意见领袖和普通用户之间社交影响力的差异, 研究了网络内部病毒传播机制和外部媒体因素对在线社交网络演化过程的影响, 并利用抓取的实际数据验证了模型的准确性. 研究结果对进一步探寻在线社交网络结构、社会价值观对在线信息传播的影响均有积极意义.     

融合博文内容和行为属性的PageRank排序算法

针对当前微博影响力度量算法中多集中于用户行为属性,忽略博文、结点本身价值的问题,从微博用户信息出发,以线性加权模型为基础,综合分析用户的行为属性、博文相似度、节点相似度,创建影响力评价指标体系。利用Page Rank算法思想,提出了基于用户行为和博文内容的用户影响度量模型(user influence measurement rank,UMR)。通过采用新浪微博真实数据集测试,计算用户的影响力,验证了UMR算法在博文内容的基础上,能客观地反映用户的交互行为,消除僵尸用户对排序的影响,因而更科学、更合理。     

微博转发者的个性化排序

转发行为是微博平台上信息传播的主要形式。目前已有的工作大多数聚焦在转发行为的分析和预测。针对给定的一条微博时如何找到其转发者这个问题并没有得到很好的解决。结合贝叶斯个性化排序优化标准(BPR-OPT)和分解机(FM),提出了一种通用的方法用于对微博转发者进行预测,并进一步对影响用户成为转发者的特征因素进行了细致分析,然后根据这些特征,在大规模真实数据集上对微博转发者进行了预测。实验证明该方法能够明显提高预测效果,同时也验证了基于pair-wise和特征相关的方法能更有效解决微博转发者预测问题。