基于情感分析和热度预测的网络舆情预测研究

在社交媒体平台已成为大众信息交流的重要载体的背景下,关注和分析大众对于社会热点事件的情感倾向及舆论走势,有利于及时准确了解大众的情感需求,制定相应的措施,引导舆论走向,维护良好的网络环境。提出了基于情感分析和热度预测的网络舆情预测思路,构建了融合多特征的文本情感分析模型和基于时间序列的热度预测模型,并基于真实数据集验证了模型的有效性。对于社交媒体上舆论环境的分析和预测有重要意义。     

基于社交电商的跨境电商发展研究

互联网已从PC时代进入了移动端时代。目前,我国跨境电商的主流平台是传统的跨境电商平台。基于社交的电商模式只活跃于本国范围内,并没有打破国界。本文通过相关案例,利用相关数据和资料,梳理了跨境社交电商的相关概念、特点及类型,分析了跨境社交电商营销面临的机遇与挑战,以期为基于社交平台的跨境电商发展提供良好的建议。     

基于地理位置的移动社交平台现状分析

随着地理信息技术、互联网技术和移动终端硬件技术的不断发展,基于地理位置实现的移动社交平台行业进入了空前的盛况。在正确的监管下,移动社交平台具备挖掘数据财富、促进信息传播、深化社群交流并最终创造庞大经济收益的作用,在多种原因的共同作用下,我国近年来掀起了移动社交类平台的创业热潮。分析了基于地理位置的移动社交平台行业的现状和存在的问题,提出了解决问题的对策与建议。     

基于复杂网络的微信网络信息传播研究

近三年,微信迅速发展成为最热门的社交平台。通过对微信网络的基本数据描述和复杂网络分析方法,对微信网络结构拓扑性质进行了分析。构建腾讯微信社交网络,得到度分布、聚集系数、平均路径长度等复杂网络统计性质,得出了微信网络的无标度特性和小世界特性,为研究信息在微信中的传播性质,对腾讯微信数据进行实证分析,结合实际案例,评价了微信网络拓扑结构对网络信息传播的影响。     

基于支持向量机与朴素贝叶斯的犯罪度理论研究

为使安防系统具有犯罪预警的功能,以达到真正意义的智能化,提出网络言论犯罪度概念.该概念指某个体通过社交网络言论表现出的犯罪可能性.通过对犯罪心理与言论特征之间关系的研究,提出了一种基于朴素贝叶斯与SVM(Support Vector Machine)的网络言论犯罪度理论.该理论运用朴素贝叶斯和SVM等机器学习方法,结合犯罪心理学,建立了网络言论犯罪度理论框架与数学模型.实验表明,基于该理论的预警系统具有较好的犯罪预警能力.     

基于Hadoop云平台的新浪微博社交网络关键节点挖掘算法

为了高效地分析挖掘新浪微博社交网络信息传播过程中的关键节点,以Hadoop云计算系统作为存储和处理平台,在X-RIME大规模社会网络分析工具开源框架基础上,针对社交网络中使用HITS(hypertext induced topic selection)链接分析算法挖掘关键节点时,未能体现节点和连接的社会属性问题进行改进.新算法充分考虑了社交网络节点和边的社会属性,对HITS算法节点和边的社会属性权值进行优化计算,提出适合社交网络特点的加权HITS算法.通过Hadoop云平台分别运行加权HITS算法和传统HITS算法对新浪微博社交网络数据进行分析.实验结果表明,加权HITS算法比传统HITS算法具有更高的执行效率和结果区分度,加权HITS算法更适合于大规模社交网络信息传播过程中关键节点的分析挖掘.     

电信网络诈骗犯罪侦防中的关键技术研究

当前,电信网络诈骗犯罪高发,公安机关采取了相应措施进行侦防,取得了一定的效果。但是,对于该类犯罪中的关键侦防技术,研发还不到位、合作尚在起步阶段,严重影响了侦防对策的实施。针对此种犯罪所涉及的信息流、通讯流、资金流、人员流,需要结合大数据知识并通过数据碰撞与调查、研判技术,止付与冻结技术,查找、锁定嫌疑人技术和辅以若干技战法来进行侦查。与此同时,也必须依靠除公安机关以外的政府部门、银行、企业乃至公民自身来加强技术上的合作与防范。     

数据恢复在司法鉴定中的应用调查研究

随着网络犯罪的激增,传统刑事、民事案件的证据多样化的出现,司法鉴定人员采取有效的信息技术手段对存储在网络(计算机)及其相关设备中的数据进行采集、固定、分析,从而寻找出与犯罪事实相符的证据链越来越重要。本文经过对各地有代表性的公安机关的问卷调查,从数据丢失原因、数据恢复专业人才、司法鉴定承办部门等方面入手分析了数据恢复技术应用于司法鉴定的现状,就其中存在的问题提出了解决方案。     

当前计算机网络犯罪的形式、特征及防范措施

网络在带给人们便利的同时,也成为滋生犯罪行为的温床;在给人们带来效率的同时,也打开了"潘多拉的魔盒"——为计算机网络犯罪开辟了新的犯罪平台。本文分析了计算机网络犯罪的表现形式及主要特征,提出了基于其形式与特征的防范措施。     

数据挖掘技术在侦破网络犯罪中的应用

由于IP协议允许匿名访问,网络管理又处于无序状态,目前在侦破网络犯罪的过程中存在追踪难,取证难的问题.因此,利用数据挖掘技术对犯罪过程及相关属性、日志记录等数据进行分析预测,为案件侦破工作提供有利的线索和帮助.     

基于内存分析的计算机动态取证工具的设计与实现

面对日益猖獗的计算机犯罪,计算机犯罪侦查、取证难,特别是一纵即逝的动态数据证据,影响了侦查办案的时机和对犯罪分子的定罪量刑.通过剖析Linux系统的内存结构,分析进程的活动情况,确定侦查线索和犯罪证据,并通过相关软件系统的设计与实现,可视化展示这些动态数据,为公安机关侦查办案人员提供有效的辅助办案工具.     

基于结构近似度的社交网络聚类

针对基于结构近似度的聚类算法无法解决非对称网络聚类的问题,该文根据社交网络的特点,提出了基于结构近似度的有向社交网络聚类算法,通过将社交网络抽象为图结构,将网络聚类问题看成图论中的子图划分问题,实现了对社交网络的准确聚类分簇,且分簇复杂度较低。使用C++语言编程实现该算法,通过自定义有向网络数据集和标准数据集的测试表明,该算法对社交网络结构的划分较为准确,且能鉴别离群节点和枢纽节点。     

当前利用计算机网络从事金融犯罪的现状及预防、打击对策

利用网络实施的金融犯罪实质上是一种运用高新技术或专业知识所进行的智能犯罪。打击该类犯罪是法律赋予公安机关的职责,是公安机关面对的一个崭新、紧迫而又无法回避的重要问题。文章就当前利用计算机网络从事金融犯罪的现状及预防、打击对策问题进行了探讨,提出了建议。     

一个基于微博的局域社交网络结构和社会关系分析

选取新浪微博中标签为桂林理工大学(桂林理工大学片区)的部分注册用户关系数据,构建一个基于微博的局域社交网络,应用社会网络分析UCINET软件对该社交网络的基本结构特性、网络成员的派系、地位等做了实证分析,并通过一条微博转播的实际数据验证了分析结果的可信性.     

基于移动社交网络的位置隐私保护研究

针对移动社交网络隐私保护方案的研究现状,分析总结了当前方案中存在的隐私保护效果差、通信开销高和数据可用性低等问题.首先,系统地介绍了移动社交网络位置隐私保护主流的三大体系结构;其次,分析总结了当前国内外应用在移动社交网络中的隐私保护方案的隐私保护程度、计算开销、服务质量及数据可用性等问题,分别从基于失真、加密、增强和差分隐私四个方面对其进行讨论;最后,从理论、技术、硬件设施三个方面阐述了移动社交网络位置隐私面临的挑战及未来的研究发展方向.     

试论网络经济犯罪的情报收集与研判

随着计算机技术和网络信息技术的迅猛发展,网络经济犯罪趋于智能化、隐蔽化和多样化,给公安机关的侦查带来了很大的难度,也给国家和公民造成了巨大的经济损失。公安机关必须改变传统的被动式侦查模式,通过情报信息来主导侦查活动,充分认识到网络经济犯罪情报收集与研判的重要性。本文试通过网络数据挖掘技术来收集、研判网络经济犯罪的情报信息,以情报信息来引导我们的侦查方向,通过情报信息把战场移到犯罪之前,犯罪之初,从而把握住打击网络经济犯罪的主动权。     

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

基于人工智能的社交网络用户行为数据周期推荐算法

为提高社交网络个性化服务质量,研究数据周期推荐算法的重大意义,针对传统推荐算法相似度计算准确率不高,导致推荐结果精度低、召回率低和耗时长等问题,提出一种基于人工智能的社交网络用户行为数据周期推荐算法。首先依据用户行为建立评分矩阵,利用皮尔逊相关系数计算评分矩阵评分值与网络行为数据相似度,依据计算得出的相似度以协同过滤为核心来检出需要推荐的社交网络用户数据内容,其次利用Top-N法生成用户邻居集,最后实现社交网络用户行为数据内容周期推荐。实验测试结果表明,所提算法的相似度计算准确率较高,网络用户行为数据周期推荐结果精度可高达97.2%,且推荐结果召回率高、耗时低,提高了社交网络个性化服务质量。     

网络直播平台收入确认问题研究

<正>网络直播行业目前正处于高速发展阶段,移动互联网以及大数据技术的广泛应用催生了行业更加多元化的营销模式。现阶段,网络直播营销以“直播+虚拟礼物”“直播+广告”“直播+电商”三种模式为主。网络直播平台充分利用用户流量,挖掘社交媒体的商业价值并将其转化为营业收入,但网络直播也给企业的收入确认带来难题。基于上述背景,本文对网络直播平台现状进行了充分分析,阐述了当前平台收入确认存在的问题,并提出了一些对策建议,旨在使企业能够在网络直播平台高速发展的阶段更好地把握机遇、应对挑战,保证企业会计信息的准确性。     

常见中文社交平台中网络欺凌语言的检测分析

当今中文社交平台中网络欺凌语言十分盛行,而传统的平台管理员人工审核的方式已无法有效地对其进行检测与分析.为解决这一难题,首先,我们提取了十几个典型的中文社交平台中的部分样本进行人工标注,构建了一个训练数据集.然后,我们分别使用朴素贝叶斯、支持向量机、长短期记忆神经网络构建分类模型,对未标注的数据进行分类识别处理.实验表明:选取的分类模型均能有效地识别出网络欺凌语言,其准确率分别是0.87,0.79,0.88.其中长短期记忆神经网络综合效果最佳.由此得出的结论为:借助大数据手段建立的分类模型,能快速地检测出社交平台上的原始数据中网络欺凌语言的存在.最后,我们对含有网络欺凌语言的评论与用户等级、发表时间等属性上的相关性做了分析,并拟合出高斯分布模型.