探索网络营销对商业经济的影响

网络具有信息传播功能,是一种新兴的宣传媒介,网络营销作为有别于传统营销方式的营销新途径,已经逐步被各个行业所接受、认可与利用.现阶段的网络营销手段主要包括网上营销、互联网营锖、在线营锖、网络行销、口碑营锖、视频营销、网络事件营销、社会化媒体营销、微博营销、博客营销等等.随着网络营销手段的不断翻新,他对我国商业经济的影响也越发引起我们的重视.     

企业微博营销传播效果评估指标研究

为弥补微博营销发展迅速的当下没有与之相匹配的效果评估系统这一缺失,以微博营销传播过程中的两个节点(信息传授双方)和两个过程(信息传播过程与影响过程)为逻辑框架,提出微博营销传播效果的评估系统假设。并以信息的传授双方为分析重点,运用抽样调查法,归纳影响微博营销传播效果的二级指标及三级指标,构建完整的效果评估系统。     

个人微博用户网络的节点中心性研究

以新浪个人微博用户为研究对象,建立了一个"关注"与"被关注"的有向网络.将节点度、紧密度、介数和K-壳4个社会网络指标应用到微博有向网络,研究了个人微博用户网络中节点的中心性,得到网络中重要性用户,分析了他们在信息传播中的作用和在网络中所表现出来的特性,体现出该用户的兴趣爱好.研究了社会网络指标与度之间的相关性,体现出网络各指标之间的关系.研究结果有助于识别个人微博用户网络的关键节点,进而分析信息在个人微博用户网络中的传播.     

基于复杂社会网络的微博营销理论

随着微博以及电子商务的快速发展,微博营销已经成为企业不可忽视的重要的网络营销和新型的信息传播方式.在传染病模型中SIR模型的基础上,结合微博网络具有无标度网络性质的这一特点,对该信息传播过程进行数学建模.并由计算得出平均场方程,再通过拟合参数,用Matlab对信息传播过程进行模拟.研究"唤醒率"对信息传播速度及最终规模的影响.企业可以通过采取相应措施来控制参数,扩大营销规模,更加高效地对微博营销这一"新媒体营销"进行推广和发展.     

基于灰色预测的微博网络信息传播模型

微博网络信息传播具有动态、复杂、无规律性,因此难以进行信息传播的预测与控制.由于灰色理论在解决少数据、贫信息、不确定性问题具有一定的优势,本文提出了一种基于灰色神经网络的微博网络信息传播模型.模型将传播过程中动态、不确定因素作为扩展BP神经网络的输入参数,进行训练并预测信息传播的结果规律.仿真结果表明微博网络中信息传播在一般情况下具有初期传播平稳、中期传播迅速、后期逐渐缓慢形成稳定的传播规律.该模型对于微博网络上信息传播预测及控制具有一定的应用价值.     

CIC模型下基于社区检测的谣言抑制最大化方法

随着电子设备的日益普及和信息扩散的便利性,在线社交网络为各种负面信息的传播提供了高效的媒介.谣言是社交媒体上负面信息的突出形式之一,会引发社会动荡,造成经济损失,因此,快速有效地抑制谣言传播成为当前社交网络研究领域中的一个热点.提出一种有效的谣言抑制传播方法,从网络中选取多个正种子节点来传播真相,抑制谣言的传播.首先采用竞争性独立级联（Conpetitive Independent Cascade,CIC）模型来同时传播谣言和真相;其次,提出一种基于标签传播的社区检测算法对社交网络进行分解,并为各个社区分配正种子节点预算;最后,创新地提出节点强度来衡量网络中节点的重要性,并利用节点强度在各个社区中选取抑制谣言传播的初始正种子集.实验证明,该方法能达到与贪婪算法相匹配的抑制效果,且运行时间比贪婪算法快三个数量级.     

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.     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

基于XGBoost模型的融合多特征微博信息传播预测方法

为了有效地监管网络舆情,辅助管理人员进行决策,微博信息传播预测方法的研究具有重要应用价值。针对传统微博信息传播预测方法存在指标单一、预测效果较差问题,提出一种基于XGBoost模型的融合多特征微博信息传播预测方法。首先,分析微博传播网络和用户节点特性,提取出博主特征、微博内容特征、传播特征3类特征并构建数据集;接着,基于XGBoost方法分别构建微博累计转发量预测模型和微博最大转发深度预测模型;最后,通过模型在测试数据集上的平均绝对误差验证模型的预测效果。通过与线性回归等传统的预测方法比较分析可以看出,提出的预测方法能够取得良好的预测效果。     

微博意见领袖在信息传播中的社会责任——以新浪微博为例

微博作为一种创新型网络社交平台,以其"短、灵、快"的传播特点,占据信息传播的上峰,影响着传统媒体的报道架构和我们的生活与沟通方式。在当今的网络时代微博意见领袖传播的信息直接影响着社会及风险秩序。为此,我们必须加强对微博言论的约束力和责任意识,以保证微博传递正能量,提升社会的信任度。     

微博营销在旅游目的地的应用探析

旅游微博作为旅游界一种新兴的传播方式,它逐渐改变着人们出行旅游的方式,以其低成本、实时性强、互动性高等特点,迅速成为旅游目的地进行营销的全新平台,引起了企业和学者们的广泛关注.通过微博营销的特点,结合旅游目的地分析微博营销的发展问题,从而提出组建微博营销专业团队、持久性适度发布高质量信息、借热点问题增强与粉丝互动、实施资源媒介的整合营销、开展网络公关等策略.     

加权网络上的多信息传播研究

分别在GBBV加权网络和实际数据集上研究了2条信息的传播特性。假定2条信息的传播率相同,信息自身的吸引力不同,其中信息1的吸引力高,信息2的吸引力低,通过实验发现:在网络平均度为6~8时最不利于处于低吸引力信息2的传播;当网络平均度小于8时,信息2的传播范围随着网络平均边权值的增大而增加。本文提出几种增加低吸引力信息2的初始传播源提升其传播范围的方法,并对这几种方法的效果进行比较,结果发现在稀疏网络中,按大度节点降序增加初始传播源的方法,效果更加显著,只需增加少量初始传播源就可使信息2的传播范围超过信息1。     

基于密度峰值聚类标签传播的社区发现方法

社区发现的目标是发现复杂网络的结构、行为和组织形式。标签传播算法是一种快速有效的社区发现算法,然而在初始的标签传播算法中,节点的结构信息和特征信息没有得到充分利用,且存在标签传播过程不稳定的问题。针对上述问题,文章提出了一种基于改进的密度峰值聚类算法和标签传播算法的有向加权复杂网络社区发现算法(DPC-LPA)。该算法首先根据节点的结构和特征对其进行加权,充分利用了结构信息和特征信息;然后,采用改进的密度峰值聚类算法来寻找网络的社区中心,并据此构建初始社区,提高了社区划分的质量;其次,基于节点相似度和节点权重,合理确定标签传播的更新顺序,并通过衡量节点间标签传播的强度来完成标签传播,解决了标签传播算法不稳定的问题。最后,在CiteSeer、Cora、WebKB和SCHOLAT真实数据集上,将DPC-LPA算法与DCN、WCF-LPA、CLPE算法进行对比实验。实验结果证明了DPC-LPA算法的可行性和有效性：从模块度来看,利用DPC-LPA算法划分的社区具有更加显著的社区结构;从调整兰德系数来看,DPC-LPA算法的社区划分质量更稳定;从运行时间来看,DPC-LPA算法具有较高的效率。     

一种新的基于社区结构的影响最大化方法

基于传播网络的结构性,提出一种新的基于社区结构的影响最大化方法AMICS.该方法先利用已有社区挖掘算法识别出隐藏在网络中的社区结构,然后迭代选择跨越社区数最多的k个节点作为影响的初始传播者最大化影响的社区覆盖.在小型网络和中等规模网络数据集上的实验表明,该算法比传统的影响最大化方法更具优势.     

一种改进的微博网络信息传播与预测模型

微博的快速发展使得人们进入自媒体时代,也为信息的快速传播创造了有利条件.提出一种考虑到直接免疫的改进SIR模型,利用该模型研究微博信息的传播规律并对微博信息进行预测.实验结果表明,与微博标准SIR传播模型相比,提出的改进SIR模型能更有效地反映微博信息传播规律,并且能更准确地对微博信息传播进行预测.     

时变传播规则下的危机信息ISKS-ISK两阶段传播模型及仿真

分析了真实信息和谣言在传播结构和时序上的不均匀性,发现危机信息在社会传播网络上的传播规则是时变的.提出了时变传播规则下危机信息的ISKS-ISK两阶段传播模型.通过仿真发现,网络规模对危机信息传播影响很小,而初始传播节点数量、信息传播率、权威渠道发布真实信息的时间是影响危机信息传播速度和范围的主要因素.因此,从源头控制传播者数量、尽早通过权威渠道发布危机真实信息是减少危机中谣言危害的有效举措.     

微博分析研究综述

微博,是当前重要的社会信息传播平台之一,具有易操作、传播快等特点,人们可以通过微博直接快速地表达对突发事件、公众人物、热门产品等的观点。为了利用海量微博信息,需要综合多种分析方法挖掘其潜在价值。综述了当前微博分析领域的研究现状,提出了自主研发的微博分析系统,探讨了未来微博分析的研究方向。首先,介绍了微博分析的主要技术方法,包括利用微博开放平台和利用网络爬虫技术。利用微博提供的开放接口,可以方便快捷地获取微博信息,如微博内容、用户评论、用户个人详情、粉丝数、关注数等。但也存在诸多限制,如每小时只能抓取有限次数、微博平台并不开放所有信息资源等。利用网络爬虫技术可以获取更多信息,如基于全网的网络爬虫的信息采集技术可以覆盖更广的范围,基于主题的网络爬虫的信息采集技术可以选择性爬取预先设定的主题等。其次,介绍了目前微博分析的热点问题,包括微博用户行为和微博内容两方面。微博用户行为分析包括:1)传播网络研究,利用Gephi等可视化工具,呈现出微博在传播过程中的传播路径、传播范围、关键转发节点等信息,可用于预测未来传播情况;2)传播因素研究,通过分析用户行为,揭示信息传播的可能原因;3)用户影响力分析,不同学者给出不同的度量方法,而要精准地评价用户影响力需要综合考虑多方面因素,如粉丝数、转发数、被提及数、回复、社会关系等。关于微博内容的分析包括:1)微博文本预处理,包括分词和去停用词2个步骤;2)微博热点话题发现,常用方法包括基于词频的统计方法和文本聚类方法,这两种方法都有利于提高发现热点话题的效果,但没有考虑到话题动态演变的特性;3)情感分析,也被称为观点挖掘,一直是微博研究领域的热点问题,可以利用微博表情图片抽取情感词,并结合构建语义词典和机器学习的方法对微博进行情感分类,最终判断微博情感极性,可用于舆情监控、商业预测和产品选择等方面。再次,提出了自主研发的微博分析系统——阅微,重点介绍了其情感分析、地域分布和传播图3个模块。情感分析模块,基于情感词典的方法对用户的评论内容进行情感分类;地域分布模块,提取参与用户的地理位置信息并加以统计分析,呈现出微博传播在全国范围内的分布情况;传播图模块,利用可视化手段展现微博信息的传播扩散情况,如转发关系、转发层级、转发范围等情况。最后,归纳全文,从技术和应用2个方面归纳微博分析的挑战问题:可从技术上突破微博接口资源限制,提高微博分析的效率和精准度;同时从微博应用方面发展事件监控、管理和商业方面的应用。     

大规模网络中多传播源的重叠影响力问题研究

计算机和Internet的快速发展推动了网络科学的研究.信息传播是网络研究领域的热点,信息传播的一个关键问题是初始信息源的选择,传统的方法通过衡量节点重要性的指标(节点度、介数、邻居节点的重要性等),然后根据单一节点的重要性从大到小排序,依次选择重要节点.针对单一节点的传播能力,传统的方法具有很好的效果,但是在多传播源选择时效果并不好.本文首先分析了传统方法的不足,并指出多节点的综合影响力没有提高是由于节点影响力的重叠效应.在此基础上,本文提出了一个衡量多节点综合影响力的指标,然后通过贪婪算法选择多个传播源节点.实际网络上的仿真实验表明,针对传染病模型(SIR),本文提出的方法能够选择更优的多传播源节点.进一步研究发现这些驱动节点间的平均距离更大,稀疏性更高,表明增加传播源节点的稀疏性能够降低节点的重叠影响力,因此综合影响力得到提高.     

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.     

结合Chirp信号的单向广播机制水下无线传感器网络时间同步算法

水下无线传感器网络(underwater wireless sensor networks, UWSNs)的时间同步主要面临两大挑战,分别是水声传播时延较长和节点的移动性.针对水下无线传感器网络时间同步问题,提出了一种结合Chirp信号的单向广播机制的跨层时间同步(Chirp-based broadcasting time synchronization, CB-Sync)算法. CB-Sync算法在物理层利用Chirp扩频信号的时钟频偏与相偏来减少因节点移动性带来的误差.此外, CB-Sync算法采用周期性的单向广播机制来同步邻居节点,邻居节点根据收到的广播信息,通过两次线性回归得到时钟的初始频偏与相偏,最后利用最小梯度下降算法来减少多普勒频移带来的误差,以提高最终的时间同步精度.仿真实验结果表明, CB-Sync算法具有更为高效的能量利用效率和时间同步精度.