社交媒体数据挖掘在城市应急管理中的应用

社交媒体数据是在城市应急管理工作中尚未得到充分应用的大数据源。为提高城市应急管理能力,本文总结了国内针对突发事件应急管理中的数据挖掘方法,分析了社交媒体数据的不同信息传播方式和信息传播用户特点,提出了应急管理工作中社交媒体数据挖掘内容,总结了社交媒体数据在城市应急管理应用中的优势。社交媒体数据可以补充传统应急管理模式数据的不足,依靠态势感知和信息共享来支持事前预警、事发实时监测、损失和救助需求信息评估、辅助应急响应和事故灾害应急管理工作。针对社交媒体数据的特点,结合传统数据收集手段,科学高效地辅助应急管理工作取得突破。     

基于社交媒体平台的档案机构信息传播策略研究

社交媒体的应用是档案机构开展档案信息传播的必然趋势。本文首先对社交媒体的类型和特征进行阐述,并在分析档案信息传播微观模式的基础上,结合社交媒体信息传播的特点,提出提升档案机构社交媒体应用效果的策略。     

基于知识图谱的社交网络用户行为研究进展

社交网络包含复杂的结构信息与丰富的语义信息.互联的多类型数据,实体对象的行为关系等问题的研究面临极大的挑战.知识图谱旨在处理用户数据知识及行为信息,发现事物、概念与实体对象间的复杂联系,使事物间关联关系得到清晰说明.首先介绍知识图谱基本知识;其次基于知识图谱,在社交网络中,可视化表示用户的行为关系,对其中的行为知识抽取、行为知识表示、行为知识加工等3种关键技术和研究进展进行综述,实验分析与对比其中的技术模型,并介绍可视化识别技术,运用概率软逻辑识别候选行为知识,提高用户行为关系可视化的准确性;最后介绍用户行为关系可视化在用户信息检索、用户安全评测、行为关联推理等方面的应用,对当前研究存在的挑战进行讨论分析,并对其发展前景进行了展望.     

基于关键词图的社交话题抽取及情感极性判别

研究结合社交媒体特点,充分考虑标签文本和内容文本信息,融合了传统的LDA话题模型对社交文本信息进行话题聚类,从而实现了对社交数据的话题发现,与此同时,文章提出了基于关键词图模型构建话题特征,并结合支持向量机模型进行文本情感极性判别。研究在开放微博数据集和COAE2014公开评测数据上进行了相关实验,实验证明了有效的关键词图模型能进一步克服中文语义的模糊性和歧义性。     

社交媒体使用行为与当代大学生社会心态的关系研究——以无锡地区高校大学生为例

社交媒体与当代青年大学生的学习、生活和社交模式等方面有着密切关联,对大学生的社会心态的形成、发展和演变产生重要影响。调查发现,高校大学生的性别、年级、使用时长、依赖程度等因素会对社交媒介的使用产生影响。自尊认知、感知与思维能力、社会态度对大学生的社会心态呈正相关,而高校大学生对社交媒体的使用程度不同,沉迷程度不同,自尊认知和感知与思维能力也会产生差异。文章探析大学生社会心态与社交媒体的关系,分析社交媒体对社会心态的交互作用及影响。结果显示,大学生依赖于社交媒体获取和分享信息,在社交媒体的影响下,大学生的社会心态发生了变化。最后,讨论改善大学生社会心态的对策。     

基于现代传播技术的微视频设计策略研究

在信息化技术广泛应用的背景下,新兴媒体已成为文化传播的主要手段,可视化传播已得到广泛的应用。为了借助微视频传播方式的多样性,以其短小精悍、时效性、互动性强的特点,延伸传统的信息交互。其定位在社交礼仪的传播,分析了微视频课程的内涵、特点,并针对传授内容对微视频课程教学进行设计和优化,旨在更好地依托新媒体信息技术,使之成为文化传播的有效手段。     

国外社交媒体虚假信息研究的文献计量分析

这项研究的目的是系统地回顾国外研究社交媒体上的虚假信息的学术文献,采用系统综述方法,对2010—2020年间国外发表的264篇文章进行分析,并使用描述性和文献计量分析技术来记录研究结果。分析显示,从2017年始,在社交媒体上发布虚假信息的趋势有所增加,这对用户的认知反应产生了影响。其中,最有影响力的节点约是美国,其在推进虚假信息研究方面发挥了重要的作用。该文强调未来研究需要探索和审查虚假信息对社交媒体的前因、后果和影响,以及其如何影响公民的认知、批判性思维和幸福感。     

社会网络数据的可视化

为直观地分析社会群体网络, 观测社会群体行为, 提出了社交网络数据的可视化分析方法。该方法将社会关系网络描绘成由点和线组成的图, 再对图形中的节点分布位置、节点的大小以及点线密度等进行有效分析。运用在线社会网络数据可视化分析技术, 结合python 可视化与python 科学计算技术, 增强了网站的吸附性, 获得了较好的用户体验。     

利用社交媒体情感分析的短期股价趋势预测方法

本文旨在利用社交媒体中的情感信息来提升股价涨跌预测性能.与以往粗粒度地使用文本中的情感信息不同,将与某公司特定话题相关的细粒度情感信息引入预测模型中,并提出一个用于短期股价预测的全新特征——"话题-情感",该特征同时抽取话题和情感信息,并协同利用二者来预测股价涨跌.此外,以往的测试数据集中交易日数量非常少或者仅包含单支股票的数据,本文方法构建了包含众多股票的长时间跨度数据集,并在此数据集上验证了细粒度情感分析对股价涨跌预测的良好效用.      

基于演化聚类的社交媒体舆情分析方法综述

当前,社交媒体已经成为人们发布和获取信息的最主要渠道之一。由于大量用户的参与,社交媒体平台上已累计了海量的舆情数据,并且还在以指数级增加。如何发现和跟踪社交媒体中舆情变化是当前数据挖掘领域研究的热点问题之一。基于演化聚类的方法是分析社交媒体舆情的一类主要方法。主要从主题模型和矩阵/张量分解模型两方面来总结当前基于演化聚类的舆情分析方法,并且分析这两类方法的优缺点;最后对下一步研究进行了展望。     

通信网络关联信息可视化

针对日益复杂的通信网络,设计了一种对网络中关联信息进行可视化的方法。该方法以可视化分析学为依据,利用人类对于视觉信息理解与分析能力强的优势,通过对数据进行分析,完成对通信对象关联与属性分析的可视化表示,放大人类对数据的感知与认识。通过该方法,可以在不损失信息原有内容的同时,对大规模数据进行形象的、易接受的可视化表示,便于在短时间内发现感兴趣信息。     

可视化和可视化分析学

可视化就是把数据、信息和知识转化为可视的表示形式的过程。一般来讲,可视化可分为数据可视化、科学计算可视化、信息可视化和知识可视化。可视化可以看做是人类与计算机这两个信息处理系统之间的一个接口单元。本文在给出可视化定义基础上,简要介绍了国际近年出现的可视化分析学情况,讨论了可视化在数据挖掘、复杂网络等领域的应用。最后指出了可视化研究存在的问题和重要发展方向。     

人观、意义与社会

人类学对研究对象“人观”的分析应从“个体”、“自我”及“社会人“三者在社会文化中不同的结合表现出发，将人观与社会的交换方式结合，进而探讨其的形成、发展与变迁。     

信息可视化研究综述

信息可视化是可视化技术在非空间数据领域的应用,可以增强数据呈现效果,让用户以直观交互的方式实现对数据的观察和浏览,从而发现数据中隐藏的特征、关系和模式。可视化应用非常广泛,主要涉及领域:数据挖掘可视化、网络数据可视化、社交可视化、交通可视化、文本可视化、生物医药可视化等等。根据CARD可视化模型可以将信息可视化的过程分为以下几个阶段:数据预处理;绘制;显示和交互。根据SHNEIDERMAN的分类,信息可视化的数据分为以下几类:一维数据、二维数据、三维数据、多维数据、时态数据、层次数据和网络数据。其中针对后4种数据的可视化是当前研究的热点。多维数据可视化方法主要包括基于几何的方法、图标方法和动画方法等。基于几何的可视化方式中最经典的就是"平行坐标系"方法。平行坐标系(parallel coordinates)使用平行的竖直轴线来代表维度,通过在轴上刻划多维数据的数值并用折线相连某一数据项在所有轴上的坐标点展示多维数据。平行坐标系方法能够简洁、快速地展示多维数据,发展出很多改进技术。但是当数据集的规模变得非常大时,密集的折线会引起"视觉混淆"(visual clutter),处理方法包括维度重排、交互方法、聚类、过滤、动画等。其他基于几何的方法包括Radviz方法使用圆形坐标系展示可视化结果;散点图矩阵(scatter plot matrix)将多维数据中的各个维度两两组合绘制成一系列的按规律排列的散点图。基于图标的可视化方法用具备可视特征的几何形状如大小、长度、形状、颜色等刻划数据,代表性的方法包括星绘法和Chernoff面法等。动画方法用于可视化中可被用来提高交互性和理解程度,其缺点包括可能分散注意力、引起用户的误解、产生"图表垃圾"等。时间序列数据是指具有时间属性的数据集,针对时间序列数据的可视化方法如下:线形图、堆积图、动画、地平线图、时间线。层次数据具有等级或层级关系。层次数据的可视化方法主要包括节点链接图和树图2种方式。其中树图(treemap)由一系列的嵌套环、块来展示层次数据。为了能展示更多的节点内容,一些基于"焦点+上下文"技术的交互方法被开发出来。包括"鱼眼"技术、几何变形、语义缩放、远离焦点的节点聚类技术等。网络数据具有网状结构。自动布局算法是网络数据可视化的核心,目前主要有以下3类:一是力导向布局(force-directed layout);二是分层布局(hierarchical layout);三是网格布局(grid layout)。当数据节点的连接很多时,容易产生边交叉现象,导致视觉混淆。解决边交叉现象的集束边(edge bundle)技术可以分为以下几类:力导向的集束边技术、层次集束边技术、基于几何的边聚类技术、多层凝聚集束边技术和基于网格的方法等。其他研究热点包括图形的视觉因素研究、自适应可视化研究、可视化效果的评估等。视觉因素对于可视化效果的影响,如位置、长度、面积、形状、色彩等影响已经引起很多研究者的注意。色彩是视觉因素的重要组成部分,研究主要集中在颜色选择的原则和交互系统中。这些原则基于数据类型、类的数量、认知约束等。自适应可视化可以提高信息可视化的适应性。研究成果分为以下几类:自适应可视化展示、自适应资源模型、自适应用户模型。自适应可视化展示是指根据用户的特征自动为用户提供多种展示类型,自动选择可视化内容及布局的形式,自动调整可视化的元素等。自适应资源模型反映了对硬件和软件的利用以提高可视化性能。自适应用户模型通过显示用户模型的内容并让用户能够编辑,从而让用户能够控制模型的内容。当前关于信息可视化评价的研究较少,少量研究也没有提出直接和通用的可视化的评估方式,需要对信息可视化评价的理论基础、方法和应用做深入的研究。可视化技术与应用还应该继续向以下4个方面努力:直观化、关联化、艺术化、交互化。信息可视化技术的发展方向是协同(collaboration)、分析过程(analytics)、计算(computational)和意会(sense-making)。未来研究方向可以包括以下几个内容。信息可视化和数据挖掘的紧密结合。为提高处理海量数据时的速度和效率和解决视觉混淆现象;必须运用数据挖掘的公式和算法,对数据分析的过程及结果进行可视化展现。协同可视化。协同可视化领域的研究方向可以包括可视化接口设计、基于Web的可视化协同平台开发、协同可视化工作的视图设计、协同可视化中的工作流管理及协同可视化技术的应用等。更多领域的应用技术开发。包括统计可视化:需要研究使用几何、动画、图像等工具对数据统计的过程和结果进行加工和处理的技术;新闻可视化:对新闻内容进行抓取、清洗和提取和可视化展示;社交网络可视化:可视化方式显示社交网络的数据,对社交网络中节点、关系及时空数据的集成展示。搜索日志可视化:针对在使用搜索引擎时产生的海量搜索日志,可视化的展现用户的搜索行为、关系和模式等。     

可视化数据挖掘技术

通过对可视化数据挖掘进行分类和总结,提出将可视化数据类型和可视化与数据挖掘结合的思想。由于可视化数据挖掘的优势是用户能直接参与数据挖掘过程,通过对挖掘过程中各个阶段反馈的信息可视化结果的分析,用户可以将领域知识和数据挖掘算法有效地结合在一起,完成用户和算法的交互。因此,可视化数据挖掘技术将成为今后数据挖掘领域中研究的热点。     

微软学术搜索的可视化应用探析

信息可视化技术利用计算机图形图像和数据挖掘的技术与方法,将数据中隐藏的信息以交互方式形象生动地展示给用户。在学术搜索领域,信息可视化技术主要用于辅助用户分析数据,进而发现其中蕴含的规律。因此,研究信息可视化技术与应用,具有重要的理论意义和实用价值。对微软学术搜索的信息可视化应用进行深入的研究,提出了针对学术搜索数据的可视化与分析方法,为解决信息可视化所面临的问题提供了新的思路和技术手段。     

数字化火控系统中信息可视化技术的应用

利用多维信息可视化的设计方法对新型数字化火控系统进行信息处理,即采用平面投影法和信息层次化两种多维信息可视化方法对火控系统进行数据分析处理.建立了可视化模型,根据可视化技术中隐喻的设计思想设计图形元,同时从人机工程的角度考虑,借助了颜色、语音、图标、图形、图像等多模式表示方法.采用面向对象的编程技术,开发出集成化且形象、直观的可视化人机交互平台.     

思维——社会规律和自然规律之间联系的桥梁

社会规律是人的社会规律,自然规律是人的思维参与实践的自然规律,主体通过自身的活动并以自身独特的思维方式使社会规律和自然规律相互作用,使他们之间发生必然联系。这个过程也是主体思维规律不断形成和超越自身的过程。     

基于多尺度特征融合的图片情感分布学习

视觉情感分析旨在分析人们对视觉刺激的情感反映,近年来受到了共享平台和网络社交等多媒体视觉数据相关领域的关注.传统的图片情感分析侧重于单标签的情感分类,忽略了图片表达的情感的复杂性和图像潜在的情绪分布信息,不能体现出图片所表达的不同情绪之间的相关性.针对以上问题,首先采用ViT和ResNet网络进行全局和局部融合的多尺度情感特征提取,通过主导情绪分类和标签分布学习进行图片情感识别,充分表征图片的复杂情感.在公开的Flickr_LDL数据集和Twitter_LDL数据集上取得了显著的效果,证明了提出方法的有效性.