论文部分内容阅读
近年来,社会网影响传播问题被研究者们广泛关注。特别是基于情感的社会网传播问题,对社交网络谣言传播的监控,以及对用户情感和大众情感的分析与预测,都有着非常重要的研究价值。本文研究了基于情感的社会网影响传播问题,主要包括以下几个方面:一、基于情感的社会网传播模型及影响最大化问题研究心理学表明,情感能够影响人们的行为。为了准确的刻画受到情感因素影响的社会网传播过程,本文提出了基于情感的社会网传播模型E-IC模型,将用户的情感融入到整个传播过程中,获得并计算用户情感传播概率,使传播过程更符合传播规律。根据E-IC模型提出了基于情感的影响力最大化问题。并给出近似算法EMS-Greedy和启发式算法EMS-Heuristic,通过大规模真实数据集上的实验验证了E-IC模型的合理性和算法的有效性。二、基于情感的谣言阻隔及影响最小化问题研究近年来,自由的信息发布模式彻底颠覆了传统的媒体传播模式,,谣言及负面信息经过网络的传播,往往就会在极短的时间内形成一股强大的舆论力量。本文根据这一现象,结合多种谣言传播规律,通过确定舆论情感和个人情感差异,构建基于情感的谣言阻隔模型,并根据信息传播规律定义舆论情感。根据模型提出基于情感的谣言阻隔及影响最小化问题。并给出近似算法EDMIN-G和启发式算法EDMIN-H。通过真实数据集上的实验验证了复合传播概率以及舆论定义的合理性和算法的有效性。三、基于情感的热点话题预测模型研究有效的预测话题的流行趋势已变成社会网商业模式中的重要组成部分,同时也是舆情风险监控的重要内容之一。本文以此为背景提出了基于情感的微博热点话题预测模型Epth模型。模型首先将文本向量化并对海量微博数据进行分类,随后通过文本提取用户情感向量和定义时间向量,再利用动作日志和随机游走算法获取传播序列,再利用长短型记忆网络网络进行数据训练,根据转发阈值变化预测微博是否能够成为热门。通过真实的数据集上的实验,验证了基于情感的热点话题预测模型能够有效的预测微博的传播趋势,与仅基于拓扑结构的预测模型相比,预测准确率有明显优势。