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.     

网络社交媒体环境下女性旅游探店决策行为影响因素研究

社交媒体日益成为旅游者获取旅游信息的主要来源,并很大程度上影响着旅游动机和决策.通过分发调查问卷收集相关信息数据,并运用SPSSAU进行数据分析、建立模型和检验假设.聚焦网络社交平台对女性探店旅游决策行为的影响因素,发现女性进行旅游决策时较多考虑意见领袖以及信息内容,对平台系统方面关注相对较少,三者对决策行为均产生显著影响.最后为旅游市场的发展提供了科学合理的建议.     

社交媒体环境下意见领袖研究进展

该文通过阅读并梳理大量文献资料,对社交媒体环境下意见领袖的研究成果进行归纳提取,总结了意见领袖的识别过程,从一般网络意见领袖和青年网络意见领袖两个角度分别探讨了意见领袖的新时代特征,分析了意见领袖在社交媒体中的作用等相关问题,能够为后续正确引导意见领袖,发挥意见领袖在网络信息传播的作用等研究提供参考。     

基于超图的社交网络中的预算影响力最大化

影响力最大化问题是在线社交网络中的热点问题,然而社交网络的结构错综复杂,传统的影响力最大化问题并没有考虑社交网络中的群体影响.针对以上不足,利用有向超图刻画社交用户之间的群体影响,提出一种基于有向超图的预算影响力最大化问题.该问题是在有向超图的社交网络中,在给定预算下,寻找高影响力用户作为种子节点集,使得其最终的传播范围最大化.分析了该问题是NP-hard的且目标函数是非次模函数,提出了改进的贪婪算法和交换启发式算法进行求解,并分析了改进贪婪算法的近似比.通过将所提的算法应用到三个在线社交网络数据集中进行实验,验证了算法的正确性和良好性能.结果表明,改进贪婪算法基础上的交换启发式算法具有明显的性能优势.     

在线社交网络用户分析研究综述

在对国内外在线社交网络用户分析相关研究归纳总结的基础上,综述了在线社交网络用户分析的最新进展,主要包括通过用户影响力和用户偏好进行用户行为分析、采用隐式和显式的分类方法对用户属性预测算法进行综述,简述了基于用户属性特征或(和)用户关系拓扑结构的用户分类研究进展,并分析了动态社交网络、并行算法及社交用户语义信息给在线社交网络用户分析所带来的机遇和挑战,对该研究方向上的发展趋势进行了展望.     

基于中心化的非线性舆论演化模型同步分析

为研究意见领袖对舆论演化的影响,文章构造了具有中心的规则网络结构,借助矩阵理论和非线性系统的Lyapunov稳定性理论,分析了网络的结构、局部的非线性动力学行为、个体之间的不同交互方式对舆论演化的影响,并获得了舆论演化达到同步时各参数之间的解析关系。理论和仿真结果表明:当个体局部的动力系统稳定时,意见领袖的作用主要体现在对同步收敛速度的影响;当个体局部的动力系统稳定性较弱或在某些不稳定区域时,意见领袖比普通人群对网络达到同步的调节能力更强。     

在线社会网络用户影响力研究的文献计量分析

为探析我国在线社会网络用户影响力研究的动态,以中国知网(CNKI)数据库收录的194篇相关文献为对象,基于文献计量和社会网络分析理论,使用统计分析和网络科学方法对该主题研究的特征、热点、作者、机构及其合作关系进行分析.研究表明:该主题研究具有典型的学科交叉性质,得到了计算机科学、管理学、数学等多个学科的关注;研究热点比较集中,在社交平台方面对微博的研究最多,在用户影响力方面以信息传播、意见领袖、网络舆情为主,在研究方法上以复杂网络、社会网络中的关键节点识别、PageRank算法为主;学者合作网络和机构合作网络稀疏,呈现小团队特征.将为从事相关领域研究的学者选题、团队建设等提供决策参考.     

基于竞争性SIR模型的电力社会耦合网络谣言影响研究

为研究智能电网与在线社交网络耦合过程中,智能电网面对来自在线社交网络中谣言电价传播威胁问题,基于SIR模型分析谣言传播与控制的优势,构建了基于SIR模型的竞争性谣言与辟谣信息传播模型来表征在线社交网络中的谣言传播与控制过程来研究受谣言影响用户集合,接着以Louvain算法思想将在线社交网络用户社区化建模出电力网与在线社交网“部分一对多”耦合网络,针对所构建的模型设计了一种考虑不同用电群体的受影响用户负荷变化,对电力系统负荷变化的影响方法;进一步在IEEE30节点系统与Facebook在线社交网络构造的耦合网络中,得出不同的辟谣信息的开始传播时间、种子节点数量等因素在谣言传播情况下对电力系统负荷变化以及输电线路线路过载风险率的都具有显著影响.     

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.     

网络舆论形成过程中意见领袖形成模型研究

网络舆论形成过程中意见领袖将极大地影响网络舆论的走向.为了从网络话题参与 者中选出意见领袖,在分析网络舆论话题参与者基本属性的基础上,构造了话题参与者的"属 性矩阵",进而提出意见领袖形成模型的综合评价与排序算法,并通过示例说明了应用该模型 的基本步骤和计算方法.模型具有一定的理论指导意义和实际使用价值.     

基于用户相似度度量的有效社区Leader选举方法

社交网络社区Leader 选举,即识别社区内影响力最大用户,是社交网络结构分析重要任务之一,在识别意见领袖、增进社区融合等方面具有重要的理论和应用研究价值.传统的社区Leader 选举技术如UserRank和PeopleRank,主要基于社交网络链接分析实现,忽略了用户本身属性的相似度度量.因此得到的社区Leader不能有效保证其社区代表性.本文提出了一种新的用户关系建模方法,将传统的链接分析和用户属性相似度度量融合,有效识别具有代表性的高影响力用户.实验结果表明,提出的方法不仅可以选举出社区内部具有代表性的高影响力Leader 用户,还可以通过社区Leader 选举使得社区内其他用户的查询效率得到有效提高.     

融合作者与文献影响力的科技论文推荐方法

近年来,随着科技论文数量爆炸式增长,研究人员难以定位到感兴趣的科技论文,因此面向作者的科技论文推荐方法随之产生.传统的科技论文推荐方法没有充分考虑科研社交网络中作者与文献影响力等信息,无法为作者推荐高质量的科技论文.为此,本文提出了一种融合作者与文献影响力的科技论文推荐方法,在经典矩阵分解推荐方法基础上,融入作者与文献影响力等信息来进行科技论文的推荐.首先,在科研社交网络中对科技论文按主题聚类;其次,在每一个特定类别中计算作者与文献影响力;最后,增强作者和科技论文的矩阵分解,从而预测对作者的推荐情况.本文抓取了科研社交网络DBLLP上的数据进行了实验,实验结果表明,与其它传统科技论文推荐方法相比,文中所提的方法在M_(AE)和E_(RMS)两个评价指标上都取得了较好的推荐结果,并且能够有效提升科研社交网络中科技论文推荐的准确性.     

基于图神经网络的社交网络影响力预测算法

近十年来,通过社交网络（如微博、推特）分享信息已经成为人们日常生活中不可缺少的一个环节,如何有效地预测信息传播的影响力成为社交网络研究中的重要课题,不论是识别病毒式营销和虚假新闻还是精确推荐和在线广告都有许多应用.目前,一些应用深度学习进行社交网络影响力预测的方法已经取得了一定进展,但在进行深度学习时仍会面临以下难点：用户通常具有不同的行为和兴趣并且他们同时通过不同的渠道进行互动;用户之间的关系难以检测和形式化表达.传统的社交网络影响力预测方法通过设计复杂的规则来手动提取用户及其所处网络的特征信息,这一方法的有效性严重依赖于设置规则的专业性,所以很难将某一领域的规则推广到其他领域的应用中去.基于深度神经网络模型,设计一种端到端的神经网络来学习用户的隐藏特征信息以预测其社交网络影响力.首先通过图嵌入的方式对用户的局部网络进行特征提取,然后将特征向量作为输入对图神经网络进行训练,从而对用户的社会表征进行预测.该方法的创新之处：运用图卷积和图关注方法,将社交网络中用户的特征属性和其所处局域网络特征相结合,大大提高了模型预测的精度.通过在推特、微博、开放知识图谱等数据集上的大量实验,证明该方法...     

考虑用户意愿的符号网络净积极影响力最大化问题

影响力最大化是近年来广泛研究的社交网络的核心问题.然而之前的研究较少考虑用户的意愿以及用户之间的友好或敌对关系.因此综合考虑这些因素,针对符号网络提出了考虑用户意愿的净积极影响力最大化问题,该问题可以描述如下：利用符号网络来刻画用户具有友好(积极)和敌对(消极)关系的社交网络,每个用户对传播的信息有自己的意愿,目标是要从网络中选择k个用户,使得最终的净积极影响的用户数量最多.通过对问题的细致分析,建立了考虑用户意愿的传播模型,证明了该模型下净积极影响力最大化问题是非次模和非单调的,随后给出了基于概率驱动的结构感知的求解算法,通过在三个数据集上的实验表明,利用提出的算法找到的种子集有更好的净积极影响力.     

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.     

电力社会耦合网络面对虚假信息传播的鲁棒性研究

为研究在电力社会耦合网络中电力社交用户受到虚假信息影响的后耦合网络的鲁棒性变化,基于用户自身的影响力以及虚假信息影响力,考虑虚假信息免疫节点,改进了信息传播的独立级联传播模型,将网络中受影响节点与耦合网络鲁棒性计算的渗流模型相结合,并在此基础上拓展了1种电力社会耦合网络鲁棒性评估指标.通过仿真实验模拟发现改进的独立级联模型传播模型避免了影响的随机性,影响结果合理,耦合网络鲁棒性计算的理论值与实际验证值相符,电力社会耦合网络鲁棒性评估指标结论与耦合网络鲁棒性变化情况符合,结果表明,社交网络中初始影响节点比例对耦合网络的鲁棒性具有一定影响,且电力-Facebook耦合网络的鲁棒性优于电力-Last FM耦合网络.     

基于SNA的突发事件网络舆情意见领袖传播影响力

突发事件处置过程中伴随着舆情管控的缺失,尤其是网络舆情传播中的意见领袖极易引导舆论走向,处置不当则会引发衍生事件等问题。为更好地引导和管控突发事件网络舆情提出切实可行的方法,以突发事件“湖北十堰燃气爆炸”为例,通过Gephi可视化分析了突发事件网络舆情意见领袖的传播规律及传播影响力,运用UCINET从网络密度、网络中心性、凝聚子群3个维度探讨了意见领袖的传播影响力。结果表明：“湖北十堰燃气爆炸”网络舆情传播的整体关联度较低,传播网络结构较为松散,信息流通性较低;传播者之间交互性不够紧密,意见领袖及其他传播者之间信息交流不够密切、关联程度不够高;得出此次突发事件网络舆情传播影响力较大的5名意见领袖。基于SNA从网络密度、网络中心性、凝聚子群3个维度研究突发事件网络舆情意见领袖传播影响力是可行的,为政府引导和管控突发事件网络舆情的传播及消除负面影响提供理论参考。     

基于贝叶斯网络的企业社交网络招聘风险评价

伴随着社交网络平台的多样化发展,社交网络招聘已成为企业关注的热点.为了有效降低企业社交网络招聘的风险,采用流程图法,结合文献研究结果和专家意见,全面分析了社交网络招聘中的风险因素,进而建立企业社交网络招聘的风险评价指标体系.基于贝叶斯网络方法提出企业社交网络招聘风险的评价模型,将模型应用于企业社交招聘风险评价的实际算例,计算得出社交网络各招聘阶段风险及招聘总风险,按照风险发生概率的大小进行排序,并提出相应的防范对策及建议,验证了评价方法的有效性.     

COT:一种连续时间序列建模的社区发现算法

研究基于交互及内容数据发现交往密切的交互社区,以及这些社区如何随时间发展变化,对于网络营销、内容推荐等应用具有重要意义。已有的基于内容与链接分析的混合模型大都未能对交互行为中广泛存在、且显著影响社区结构的时序信息进行统一建模分析。基于贝叶斯图模型,提出了一种可综合考虑交互信息、网络结构以及交互行为时间信息的社区发现模型COT(community over time),可用于从在线社交网络的交互数据中发现具有特定主题倾向及周期性行为模式的动态交互社区。模型采用Gibbs采样进行贝叶斯统计推断,通过在新浪微博真实数据集上的实验验证,可以有效应用于在线社交网络中并取得较高的精细度和可解释性。     

基于SIS模型的群体社交网络舆情演化仿真

针对群体社交网络舆情演化时,目前方法获取关键节点中的数据较为困难,导致无法准确获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,存在演化精度低的问题,提出基于聚类算法与易感-感染-易感(SIS:Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。在群体社交网络中采用PageRank算法获取关键节点,利用聚类算法对关键节点中的数据聚类进行处理,在此基础上构建SIS模型,并通过其完成群体社交网络的舆情演化仿真。实验结果表明,该方法可准确地获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,演化仿真精度高。