基于多中心模型的网络热点话题发现算法

为了有效消除网络话题相关报道内容侧重点变化对网络话题发现准确性的影响,提出了网络话题多中心模型.将报道内容之间的关联关系层次化,提高了对网络话题的描述能力.提出了基于多中心模型的网络热点话题发现算法,利用话题中心判别新出现的报道是否属于已有网络话题,算法基于单遍聚类思想,通过引入话题中心的策略优化了算法的计算开销.实验结果表明:该算法可以全面、准确地发现网络热点话题,同时具有较为理想的性能,可应用于大规模网络动态流式数据环境下的热点话题发现.     

在线社会网络中多话题竞态传播分析与建模

针对在线社会网络中多个话题在传播过程中呈现出的竞争状态,进行了竞态传播过程的测量与分析,并建立了多话题竞态传播模型。基于多个话题数据进行了话题参与用户行为分析,发现较少用户会持续关注同一个热点话题,并且会有一定数量用户在多个同类话题间转移关注,从而使得多个同类话题在并行传播时对吸引用户参与呈现出竞争态势。在分析结果的基础上,建立了考虑话题之间相互影响力以及话题吸引度的多话题竞态传播模型,该模型可有效描述多个同类热点话题在同时间段出现时各个话题之间的相互影响情况,以及各个话题在传播过程中人群参与规模的变化情况。在与实际数据的对比实验中,模型仿真结果的平均峰值出现时间的误差为0.2d,平均传播周期的误差为2.4d,话题间用户平均转出比例的误差为1.2%,并且能复现参与人数的单峰性、长尾特性等话题传播的动态特性。上述实验结果表明,该模型可有效描述在线社会网络中的多话题竞态传播动态过程。     

基于微博多维度及综合权值的热点话题检测模型

传统热点检测算法仅从单一的某个维度衡量话题的热度,导致热点话题检测精度低,在对突发性热点话题进行检测时尤为明显。针对此问题,提出一种多维度热点话题度量模型。该模型对话题进行筛选,得到一个热点话题初始集,再融入话题热度的影响力因子,计算各个话题的综合权值,将话题的综合权值按照一定的权重与多维度热点话题度量模型进行有效融合,得到一种基于微博多维度及综合权值的热点话题检测模型。通过使用真实的微博数据进行实验对比分析,实验结果表明,提出的多维度热点话题度量模型在对突发性热点话题的检测中,其准确率(Precision)、召回率(Recall rate)和F1值(F-measure)3个评估指标相比传统算法有了较大提高;利用该模型对突发性热点话题进行跟踪,通过与官方指数进行对比,该模型能有效跟踪其发展趋势。     

基于时序超网络模型的突发事件网络舆情热点话题发现与演化

网络舆情安全是社会安全的重要组成部分，识别和追踪热点话题是治理突发事件网络舆情的基础。现有研究具有网络舆情事件表征不全面、对于热点话题的识别和追踪局限于语义信息等问题。该研究基于社交、内容、话题、情感4个维度构造超网络模型，并引入时间特征作为网络的连接关系，用于定量表征时序的网络舆情事件；将话题节点在超网络中的中心性及中心性变化率作为话题热度的度量指标，实现热点话题发现及演化跟踪；应用“甘肃白银马拉松”微博舆情案例对模型和指标进行验证分析。研究结果表明：该时序超网络模型能够清晰表征突发网络舆情事件，中心性及中心性变化率指标能够准确识别和跟踪热点话题，并为实时态势研判预警、舆论引导等提供指导。     

一种使用双簇首的分簇路由协议的研究

高效地使用资源和延长网络的生命周期是传感器网络中高效路由协议应考虑的很重要的问题．本文提出一种能解决以上两种问题的新算法，即在算法中使用双簇首，可以减少任何形式的流行算法的使用，因而节约了许多资源并且使得路由发现更容易．实验结果表明使用双簇首极大地减少了路由发现过程中的信息开销并且延长了网络的生命周期．     

基于时序主题的网络舆情热点话题演化分析方法

针对舆情话题演化中的话题漂移和衍生效应,提出基于时序主题信息的舆情话题演化分析方法并通过加入时序标签,对舆情热点话题内容和强度的演化过程进行了可视化.实例证明,该文提出的话题追踪算法能够有效探测出各阶段的舆情热点话题、分析舆情演化趋势,为突发事件发展态势的预测提供理论借鉴.     

网络舆情热点挖掘算法研究与实现

随着网络信息交互及传播的迅速与便捷,有效地对不断涌现的海量互联网信息进行采集并发现网络热点舆情具有十分重要的意义.研究网络舆情的表示及特征,提出采用网络化方法思想,结合Hits算法和PageRank算法进行舆情热点挖掘,并在此基础上设计了网络舆情热点挖掘系统.     

无线传感器网络中基于聚簇的域连接算法

针对无线传感器网络中数据处理时节能效率不高的特点,提出一种有效节能的域连接算法(Regions joinalgorithm,RJA).该算法首先结合传感器网络的节点特性和位置信息,提出一种基于聚簇的定向传播模型,该模型把传感器网络按域的划分来构建聚簇,查询只需在聚簇中进行,因而能有效减少传感器网络中信息传输的时间复杂度,同时利用网络中虚电路连接的思想,只将连接属性中与匹配相关的数据投送到链路中的公共区域进行比较运算,并不需要把整个信息表在网络中传送,因而能提高链路传输的效率.理论分析和实验结果表明,该算法与传统算法相比节省能量.     

自组网络的分簇算法

当自组网络（ad hoc）的规模增大时，控制分组在网络中的传输急剧增多，这大大降低了路由和转发的性能．分簇是提高ad hoc网络可扩展性的重要手段．针对已有分簇算法的缺陷以及静态和动态ad hoc网络的特性，分别提出了新的静态分簇算法SACA和动态分簇算法DACA．其中SACA算法将分簇数量减小到已有算法的大约一半，但不增加簇成员数量，提高了分簇效率，减少了分簇时间；DACA算法将簇间的公共节点数目大大降低，从而有效降低了分簇结构的维护开销，提高了网络运行的效率、路由和转发性能．     

面向论坛的突发性热点话题快速发现与跟踪

面对网络论坛中的海量信息,提出一种基于噪音过滤和话题聚类的突发性热点话题快速发现方法。该方法首先对采集到的论坛数据进行预处理,建立以主贴标题为索引的候选话题集;然后通过定义的热度和回复加速度指标对集合进行多重过滤;最后采用本文提出的聚类算法进行话题聚类获取突发性热点话题。研究结果表明:该方法对突发性热点话题发现的精确率、召回率和F1均达到80%以上,且在信息处理效率方面优势明显;该方法可有效跟踪突发性热点话题,弥补了传统静态方法不能有效跟踪热点话题的不足。     

网络舆情态势分析研究

对网络舆情的分析已引起人们的高度重视,因为网络舆情热点具有导向性作用,如"某某门"事件,在短短60小时过后就引起监察部门的注意,这只有在日益流行的网络应用的今天才可能做到.分析网络舆情热点的手段多种多样,角度不同,如:可利用文本聚类的方法、动态文摘生成的方法以及意见领袖特征等方法来发现网络舆情中的热点和焦点信息.截止目前,分析网络舆情热点的方法没有固定的模式,值得深入探讨和研究.针对目前网络舆情研究的典型方法及其思想,进行概述性分析,给出网络舆情分析中词频、权重特征词、意见领袖属性矩阵等概念的形式化定义.本文作者通过对比分析,比较研究了网络舆情方法的优缺点;总结了国际上在这一领域的最新研究进展和研究方法,给出下一步的研究工作重点.     

基于构词法的网络新词自动识别初探

网络新词语的自动识别是中文信息处理中的一个热点研究课题。文章在对加工过的网上文本语料统计的基础上 ,根据汉语构词法建立规则库 ,通过调用“互斥性字串”过滤规则和构词规则来确定新词语。设计并实现了网络新词语的自动识别实验系统 ,经封闭测试 ,准确率为 91.2 % ,召回率为 95 %。     

微信统一服务平台的构建研究

微信基于移动互联网技术,是当前非常流行的消息传送平台.第三方厂商基于腾讯开发的微信服务平台,纷纷对微信基础平台进行二次开发,推出各类行业解决方案.通过对微信基础平台运行原理的深入研究,构建了适于各类信息服务的统一公众服务平台,对整合已有网络资源有着显著价值.     

互联网宏观拓扑结构的耗散性分析

互联网宏观拓扑中涌现着既机械又灵活的结构秩序.明确该秩序的耗散过程及相关方面的研究,对预测网络拓扑演化的方向及再设计互联网具有重要意义.择取CAIDA机构IPv4、IPv6与AS级网络拓扑数据,对比分析网络结构秩序的耗散行为,并探讨网络结构秩序同网络规模及网络基本连通性的相关关系.结果显示3种网络均为兼具集权式秩序性与均权式无序性的耗散结构,且其秩序在耗散过程中不断演化;3种网络规模以及网络基本连通性与网络结构秩序呈正相关关系,说明网络结构秩序在互联网发展过程中逐渐耗散.     

网络博客在我国兴起的现状与思考

在互联网日益发展的时代，博客作为新的网络传播形态目前在我国处于全面普及的发展阶段，其媒体化的趋势越来越明显，个体博客的大众文化特征逐渐凸现。博客传播在向大众媒体转型的过程中，呈现出多种特征。在博客已无可避免地融入市场文化环境与商业运营的机制中时，如何保证博客既能维护其“知识的创新与生产”的核心价值取向不被扭曲，进而发展成为一种富有内涵与生命力的文化产品，是当前我国博客发展所必须面对的问题。     

A High-Performance Extraction Method for Public Opinion on Internet

Aiming at the importance of the analysis for public opinion on Internet, the authors propose a high-performance extraction method for public opinion. In this method, the space model for classification is adopted to describe the relationship between words and categories. The combined feature selection method is used to remove noisy words from the original feature space effectively. Then the category weight of words is calculated by the improved formula combining the frequency of words and distribution of words. Finally, the class weights of the not-categorized documents based on the category weight of words are obtained for realizing opinion extraction. Experiment results show that the method has comparatively high classification and good stability.     

基于Java的网络语音信号传输的实现

随着Java在Internet上的进一步流行，互联网应用的进一步普及，网上音频交流随处可见，但关于Java语音传输的资料目前还比较少，作者在仔细阅读并分析Java的媒体框架(JMF)技术文档的基础上，提出了一种在Internet上传输语音信号的方法并最终加以实现．     

我国互联网发展现状和CNGI的应用前景分析

我国互联网在最近10多年中得到了飞速发展,特别是基于IPv6的下一代互联网关键技术、核心网络设备、主干网建设等取得突破后,使我国的互联网技术在国际上占有了举足轻重的地位。深入分析了互联网在我国的发展过程和应用现状,同时也探讨了中国下一代互联网(CNGI)的应用前景,指出:我国下一代互联网的应用发展策略一方面是扩展和提高现有互联网的业务和应用,另一方面则更需要探索新的应用和商业模式,只有研究出"杀手级应用",才能使下一代互联网的应用真正得到提升。     

浅谈网络时代的现代汉语词汇教学

随着网络和信息时代的来临,越来越多的人在网络交流中创造了越来越多的新词,而这些词的一部分已经进入我们的现实生活.面对这种语言现象,现代汉语词汇教学必须引导学生树立正确的语言观,了解网络语言的特点及发展趋势,并自觉规范自己的言语行为.     

基于时间演化图卷积网络的舆情热点内容预测

有效预测舆情事件的热点内容有利于提高对舆论导向的把控能力和对公众诉求的预判能力. 然而，现有的舆情预测工作大多关注事件整体趋势指标或情感极性的演变预测，鲜有针对舆情事件热点内容的预测研究. 为解决以上问题，本文提出一种基于时间演化图卷积网络的舆情热点内容预测方法：以舆情事件的热点词作为预测对象，首先，通过演化图卷积网络学习各时间片词语的空间关联关系；然后，使用门控循环单元捕捉各时间片词语特征的时序变化；最后，通过全连接层进行输出，实现对舆情事件热点词的预测. 以微博上两个不同的舆情突发事件的相关文本作为数据集，与两种现有热点词预测方法开展对比实验. 实验结果表明，该方法在两个数据集上的精确率分别达到51.21%和50.98%，召回率分别达到50.17%和48.15%，F1值分别达到50.68%和49.52%，均高于两种对比方法，能够更好地完成舆情事件中热点词的预测.