论文部分内容阅读
随着科学技术的不断发展,信息传播的主要渠道由报纸、电视等传统媒体逐步转向网络媒体,使人们获取、发布和传递信息更加高效、便捷。以微博为代表的网络社交媒体在为信息流动与共享创造便利环境的同时,也加速了社会安全事件的传播和网络舆情的扩散,为不法分子和境外敌对势力散布不实言论、引发公众负面情绪等提供了可乘之机。因此,开展网络社交媒体中社会安全事件的传播分析,预测社会安全事件的传播趋势,对网络舆情监控有重要的辅助作用,也对保障网络空间安全和维护社会稳定具有十分重要的意义。本文将新浪微博作为研究对象,对微博中社会安全事件的影响力评估、微博用户的转发行为预测和事件传播路径的预测进行了探索和研究,研究工作从事件的传播分析到预测,形成了一套面向社会安全事件传播监控的模型和系统。本文主要的研究内容和成果如下:(1)社会安全事件微博资源库建设方法研究提出了一种面向社会安全事件的微博数据爬取方法。通过对网络爬虫和微博平台的研究,利用Scrapy爬虫框架和新浪微博API构建了基于社会安全事件检索条件的微博数据爬取系统;针对网络文本的特点,在构建的用户词典、广告词典的基础上,设计了微博文本预处理策略,实现了垃圾微博的过滤和有效微博文本的分词,完成了社会安全事件微博资源库的建设。(2)微博中社会安全事件影响力评估方法研究提出了一种基于微博的社会安全事件影响力评估方法。通过分析微博信息传播的特点,构建了社会安全事件传播有向图,并依事件传播有向图构建了重点传播用户影响力计算模型和事件传播量计算方法,在此基础上,结合事件重点传播用户、传播量和传播速度三个方面构建了社会安全事件影响力评估方法。实验表明,该模型提取的重点传播用户具有较强的代表性,事件影响力评估效果较好。(3)微博用户转发行为预测方法研究提出了一套微博用户转发预测的特征体系和面向社会安全事件的用户转发行为预测模型。通过分析微博用户个人兴趣和行为习惯,从用户的属性特征、社交特征和事件特征方面构建了用户转发预测特征体系,利用TF-IDF抽取关键词语对用户兴趣和事件信息进行表示,采用词向量和余弦相似度计算方法实现了用户的相似度计算。在特征体系基础上,利用SVM分类模型构建了面向社会安全事件的用户转发行为预测模型。实验表明,微博用户转发预测特征体系能够较好地表征了用户的行为特点,在用户转发行为预测方面具有较高的准确率。(4)微博中社会安全事件传播路径预测方法研究提出了一种基于微博的社会安全事件传播路径预测模型。利用新浪微博中用户的关注与被关注关系构建了社交网络关系图,并在该图基础上分析了社会安全事件从初始到结束的传播流程。针对独立级连模型传播分析的特点,构建了IC-PPM传播路径预测模型,针对线性阈值模型传播分析的特点,改进了用户转发行为预测模型,并构建了LT-PPM传播路径预测模型。实验表明,线性阈值模型比独立级连模型能更好地模拟现实生活中社会安全事件的传播特点,LT-PPM比IC-PPM的性能更好。最后,在SSM架构下利用Bootstrap框架和Vue框架搭建了社会安全事件传播分析系统。系统由社会安全事件信息库、事件影响力计算、传播用户分析、重点传播用户展示和传播路径分析五个模块组成,可以对新浪微博中社会安全事件进行传播分析和可视化展示。