本文關鍵詞：社交網(wǎng)絡話題生存預測研究

  更多相關文章： 社交網(wǎng)絡 話題影響力 生存分析 群體觀點極化 微博

【摘要】：隨著Web2.0技術的產(chǎn)生,人類使用互聯(lián)網(wǎng)的方式已由簡單的信息瀏覽與網(wǎng)頁搜索轉變?yōu)橛脩糁g關系的構建與維護。各類社交網(wǎng)絡應用的出現(xiàn),例如論壇、維基、博客、微博、微信等,正在深刻改變著人們的溝通與生活方式。在線社交網(wǎng)絡平臺具有互動性高、群體參與性強等特點。眾多內容的匯聚、觀點的融合,使得在線話題的產(chǎn)生成為可能。有影響力的話題受到網(wǎng)民的關注程度高、觀點傾向性明確且觀點認同度高,是網(wǎng)絡輿情產(chǎn)生的萌芽。對于互聯(lián)網(wǎng)用戶甚至社會觀點的形成具有十分重要及深遠的影響。因此,對社交網(wǎng)絡中話題的發(fā)展趨勢進行分析與預測是十分必要的。 目前,對于社交網(wǎng)絡話題生存分析與預測的相關研究仍處于起步階段,針對該問題研究的不足,本研究以新浪微博海量客觀數(shù)據(jù)為研究實例,以在線社交網(wǎng)絡群體討論的話題為研究對象,分別從社交網(wǎng)絡話題影響力、話題持續(xù)性與話題方向性三個角度,對社交網(wǎng)絡話題的生存進行研究。相關成果如下： 1.提出了微博話題影響指數(shù)(topic-I index)這一概念。分別從參與者維度、話題維度與網(wǎng)絡維度構建指標大類,通過主成分分析法對各指標權重進行客觀賦值,最終得到微博話題影響指數(shù)的7個主成分以及該指數(shù)的計算方法。旨在對微博話題影響力大小進行評價并對其發(fā)展趨勢進行預判。 2.采用建立生存分析模型的方法,對社交網(wǎng)絡話題的持續(xù)性進行研究與分析,最終得到對話題生存時長影響程度最大的變量為話題圖片信息量,其次為網(wǎng)民關注度和話題管理者知名度等。并通過計算個體的預后指數(shù)將不同流失程度的話題劃分為不同的危險組,同時計算不同話題的期望生存曲線。最后根據(jù)相關科學方法將話題分為4類,并分別對每一類話題進行回歸分析,探索對于不同類型的話題,哪些因素對于因變量的影響程度更大。旨在預測與控制網(wǎng)絡話題時間層面的發(fā)展動向。 3.結合群體極化的產(chǎn)生機理,對網(wǎng)絡話題的觀點發(fā)展方向進行分析。研究發(fā)現(xiàn),對于話題是否可能產(chǎn)生極化影響程度最大的因素依次為群體同質性、話題敏感度、話題模糊度與話題公共度、初始被影響用戶等。對于企業(yè)把握消費者動態(tài)、政府把握輿情傳播具有極大的應用價值,從而激勵話題的正面?zhèn)鬟f,干預輿論的負面擴散。 本研究為社交網(wǎng)絡話題管理者提供更好的話題管理建議,對于網(wǎng)絡信息的擴散與控制具有積極的引導與借鑒意義。
【關鍵詞】：社交網(wǎng)絡 話題影響力 生存分析 群體觀點極化 微博
【學位授予單位】：北京郵電大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：F49
【目錄】：

• 摘要4-6
• ABSTRACT6-10
• 第一章 緒論10-14
• 1.1 研究背景10-11
• 1.2 研究目的及意義11-12
• 1.3 研究內容及技術路線12-13
• 1.4 論文組織結構13-14
• 第二章 文獻綜述14-24
• 2.1 相關概念界定14-15
• 2.1.1 話題影響力14
• 2.1.2 群體觀點極化14-15
• 2.2 相關研究述評15-21
• 2.2.1 話題影響力構成因素解析15-17
• 2.2.2 生存時長預測相關研究17-18
• 2.2.3 群體觀點極化相關研究18-21
• 2.3 方法論綜述21-22
• 2.3.1 主成分分析法21
• 2.3.2 生存分析法21-22
• 2.3.3 計量經(jīng)濟學模型22
• 2.4 本章小結22-24
• 第三章 社交網(wǎng)絡話題影響力解析及應用研究24-37
• 3.1 數(shù)據(jù)采集說明24-29
• 3.1.1 數(shù)據(jù)來源24-25
• 3.1.2 數(shù)據(jù)采集流程25-29
• 3.2 話題影響力評價模型29-34
• 3.2.1 評價指標構建29-31
• 3.2.2 基于主成分分析法的權重計算31-34
• 3.3 社交網(wǎng)絡話題影響力評價應用與管理預測34-36
• 3.4 本章小結36-37
• 第四章 社交網(wǎng)絡話題持續(xù)性預測研究37-59
• 4.1 研究設計與模型構建37-44
• 4.1.1 模型總體設計38-39
• 4.1.2 模型變量設計與建立39-42
• 4.1.3 實證模型構建42-43
• 4.1.4 進一步的討論：話題分類研究43-44
• 4.2 模型分析與討論44-57
• 4.2.1 模型結果分析44-48
• 4.2.2 針對話題生存時長的生存率預測分析48-51
• 4.2.3 考慮話題分類的擴展模型結果分析51-55
• 4.2.4 社交因素的中介性效應模型分析55-57
• 4.3 模型穩(wěn)健性檢驗57-58
• 4.4 本章小結58-59
• 第五章 社交網(wǎng)絡話題方向性預測研究59-69
• 5.1 研究設計與模型構建59-64
• 5.1.1 模型總體設計59-60
• 5.1.2 模型變量設計與建立60-62
• 5.1.3 實證模型構建62-64
• 5.2 模型分析與討論64-67
• 5.2.1 模型結果分析64-65
• 5.2.2 話題方向性分析模型預測評估65-67
• 5.3 模型診斷67-68
• 5.4 本章小結68-69
• 第六章 總結與展望69-72
• 6.1 研究成果與理論意義69-70
• 6.2 研究實踐意義70-71
• 6.3 研究不足與展望71-72
• 參考文獻72-77
• 致謝77-78
• 攻讀學位期間發(fā)表的學術論文目錄78

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 杜詩雨;齊佳音;;在線社交網(wǎng)絡結構對信息傳播的影響研究——以北京郵電大學某實驗室為例[J];北京郵電大學學報(社會科學版);2013年06期

2 李保利,俞士汶;話題識別與跟蹤研究[J];計算機工程與應用;2003年17期

3 勞從生;李秀;脫建勇;;生存分析在網(wǎng)絡產(chǎn)品用戶中的應用[J];計算機工程與應用;2006年21期

4 張虹;鐘華;趙兵;;基于數(shù)據(jù)挖掘的網(wǎng)絡論壇話題熱度趨勢預報[J];計算機工程與應用;2007年31期

5 白貴;王秋菊;;微博意見領袖影響力與其構成要素間的關系[J];河北學刊;2013年02期

6 馬俊;周剛;許斌;黃永忠;;基于個人屬性特征的微博用戶影響力分析[J];計算機應用研究;2013年08期

7 丁兆云;賈焰;周斌;唐府;;社交網(wǎng)絡影響力研究綜述[J];計算機科學;2014年01期

8 于國鋒;趙同峰;;生存分析在課程調研數(shù)據(jù)分析中的應用[J];遼寧高職學報;2014年01期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 張彥超;社交網(wǎng)絡服務中信息傳播模式與輿論演進過程研究[D];北京交通大學;2012年

，

本文編號：526548