隨著互聯(lián)網(wǎng)技術(shù)的推廣普及和社交網(wǎng)絡(luò)的快速發(fā)展,微博用戶爆發(fā)式增長,微博信息量也逐漸激增,在這種情況下,及時(shí)準(zhǔn)確地找到信息傳播中的關(guān)鍵用戶,無論是對(duì)于加快信息傳播的廣告投放和市場營銷,還是抑制信息擴(kuò)散的謠言控制和輿情預(yù)警都有著至關(guān)重要的意義。但目前微博用戶發(fā)現(xiàn)領(lǐng)域還存在以下問題:1)現(xiàn)有微博關(guān)鍵用戶發(fā)現(xiàn)研究中,多數(shù)研究對(duì)象都是普通的無符號(hào)網(wǎng)絡(luò),忽略了用戶間存在的支持/反對(duì)關(guān)系,無法得出準(zhǔn)確的關(guān)鍵用戶結(jié)果;2)現(xiàn)有符號(hào)網(wǎng)絡(luò)的關(guān)鍵用戶發(fā)現(xiàn)研究中,缺乏面向有向符號(hào)網(wǎng)絡(luò)的用戶識(shí)別方法,無法滿足在微博有向符號(hào)網(wǎng)絡(luò)中發(fā)現(xiàn)關(guān)鍵用戶的需求;3)現(xiàn)有關(guān)鍵用戶發(fā)現(xiàn)規(guī)則多與意見領(lǐng)袖識(shí)別規(guī)則類似,選擇節(jié)點(diǎn)影響力排行靠前的用戶為關(guān)鍵用戶,無法滿足實(shí)際應(yīng)用中的多樣要求。針對(duì)以上問題,本文的核心工作主要包括三個(gè)部分:（1）構(gòu)建了基于微博轉(zhuǎn)發(fā)情感極性的符號(hào)網(wǎng)絡(luò)模型。結(jié)合情感詞典與語義規(guī)則對(duì)微博轉(zhuǎn)發(fā)文本進(jìn)行情感極性分類,將得到的正負(fù)向結(jié)果對(duì)應(yīng)符號(hào)網(wǎng)絡(luò)連邊的“+”“-”,同時(shí)將用戶活躍度和用戶可信度的歸一加權(quán)結(jié)果對(duì)應(yīng)符號(hào)網(wǎng)絡(luò)的節(jié)點(diǎn)權(quán)重,從而構(gòu)建出微博有向符號(hào)網(wǎng)絡(luò),并通過對(duì)比實(shí)驗(yàn)證明本文所使用情感極性分類方法的優(yōu)越性。（2）... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：58 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

論文組織架構(gòu)圖

本文使用了理論研究與實(shí)證分析相結(jié)合的研究方法。前期廣泛搜索瀏覽與研究內(nèi)容相關(guān)的國內(nèi)外文獻(xiàn)，找出最有價(jià)值的部分文獻(xiàn)詳細(xì)閱讀，在了解相關(guān)理論基礎(chǔ)與研究現(xiàn)狀的基礎(chǔ)上，發(fā)現(xiàn)能夠切實(shí)解決研究問題的具體方法。本文選擇情感詞典與語義規(guī)則相結(jié)合的文本情感極性分類方法解決微博轉(zhuǎn)發(fā)內(nèi)容情感極性分類問題，并以此作為符號(hào)網(wǎng)絡(luò)連邊屬性的構(gòu)建依據(jù)，結(jié)合節(jié)點(diǎn)權(quán)重構(gòu)建出基于微博轉(zhuǎn)發(fā)情感極性的符號(hào)網(wǎng)絡(luò)模型；使用被節(jié)點(diǎn)權(quán)重改進(jìn)狀態(tài)轉(zhuǎn)移矩陣后的 PageRank 方法，結(jié)合符號(hào)網(wǎng)絡(luò)節(jié)點(diǎn)度中心性，計(jì)算出節(jié)點(diǎn)正負(fù)影響力，并依據(jù)制定的規(guī)則發(fā)現(xiàn)關(guān)鍵用戶。同時(shí)，本文使用網(wǎng)絡(luò)爬蟲爬取真實(shí)微博數(shù)據(jù)進(jìn)行實(shí)證研究，通過與其他方法的實(shí)驗(yàn)對(duì)比，驗(yàn)證了所提出模型的有效性。具體技術(shù)路線如圖 1-2 所示。

第 2 章 國內(nèi)外研究現(xiàn)狀由第 1 章緒論可知，本文的主要研究目的是提出一個(gè)基于符號(hào)網(wǎng)絡(luò)的微博關(guān)鍵用戶發(fā)現(xiàn)研究，其中符號(hào)網(wǎng)絡(luò)的連邊符號(hào)屬性是根據(jù)微博轉(zhuǎn)發(fā)內(nèi)容的情感極性分類結(jié)果獲取的，因此，本文從符號(hào)網(wǎng)絡(luò)研究現(xiàn)狀、情感極性分類研究現(xiàn)狀以及社交網(wǎng)絡(luò)的關(guān)鍵用戶發(fā)現(xiàn)研究現(xiàn)狀這三個(gè)與主體研究內(nèi)容相關(guān)的方面來介紹國內(nèi)外相關(guān)研究現(xiàn)狀并指出其中存在的問題，具體內(nèi)容如圖 2-1 所示。

【參考文獻(xiàn)】：
期刊論文
[1]社會(huì)網(wǎng)絡(luò)中關(guān)鍵節(jié)點(diǎn)的識(shí)別——基于符號(hào)網(wǎng)絡(luò)的PageRank算法改進(jìn)[J]. 陳曉威,史昱天.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(08)
[2]微博社會(huì)網(wǎng)絡(luò)用戶節(jié)點(diǎn)重要性排序[J]. 張賢坤,莢佳,宋琛,高新雅.  計(jì)算機(jī)工程與設(shè)計(jì). 2016(08)
[3]語義規(guī)則與表情加權(quán)融合的微博情感分析方法[J]. 趙天奇,姚海鵬,方超,張俊東,張培穎.  重慶郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(04)
[4]微博輿情社會(huì)網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)識(shí)別與應(yīng)用研究[J]. 王曰芬,杭偉梁,丁潔.  情報(bào)資料工作. 2016(03)
[5]基于符號(hào)網(wǎng)絡(luò)的兩階段融合社區(qū)發(fā)現(xiàn)算法[J]. 胡心專,郭景峰,趙月,梁浩.  小型微型計(jì)算機(jī)系統(tǒng). 2016(05)
[6]基于交互意見和地位理論的符號(hào)網(wǎng)絡(luò)鏈接預(yù)測模型[J]. 王鑫,王英,左萬利.  計(jì)算機(jī)研究與發(fā)展. 2016(04)
[7]社交網(wǎng)絡(luò)正、負(fù)影響力計(jì)算——基于符號(hào)網(wǎng)絡(luò)的PageRank算法改進(jìn)[J]. 顧潔,胡安安,劉旭,黃麗華.  情報(bào)學(xué)報(bào). 2015 (07)
[8]融合表情符號(hào)的微博文本傾向性分析[J]. 劉培玉,張艷輝,朱振方,荀靜.  山東大學(xué)學(xué)報(bào)(理學(xué)版). 2014(11)
[9]基于極性詞典的中文微博客情感分類[J]. 王勇,呂學(xué)強(qiáng),姬連春,肖詩斌.  計(jì)算機(jī)應(yīng)用與軟件. 2014(01)
[10]符號(hào)網(wǎng)絡(luò)研究綜述[J]. 程蘇琦,沈華偉,張國清,程學(xué)旗.  軟件學(xué)報(bào). 2014(01)

碩士論文
[1]社交網(wǎng)絡(luò)中意見領(lǐng)袖挖掘及其對(duì)社區(qū)演化的影響分析[D]. 曹林林.山東師范大學(xué) 2017
[2]面向中文微博文本的情感極性判別方法研究[D]. 李杉.中國民航大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的圖文情感分析技術(shù)研究[D]. 吳瓊.華僑大學(xué) 2017
[4]基于RBC和符號(hào)網(wǎng)絡(luò)在線社會(huì)團(tuán)隊(duì)推薦機(jī)制設(shè)計(jì)與仿真[D]. 金國躍.廣東工業(yè)大學(xué) 2016
[5]BBS中組織拓?fù)浣Y(jié)構(gòu)研究和意見領(lǐng)袖識(shí)別[D]. 夏霖.華中科技大學(xué) 2011



本文編號(hào)：3258904