近年來,隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展和日益普及,社交網(wǎng)絡(luò)在網(wǎng)絡(luò)活動中發(fā)揮著越來越重要的作用。然而與傳統(tǒng)媒體有較為正規(guī)的獲取和驗證信息的渠道,互聯(lián)網(wǎng)中的每個參與者都擁有相對自由的話語權(quán),可以發(fā)布和傳遞信息,因此信息的真?zhèn)尉碗y以辨別。虛擬的環(huán)境、真實的生活,為國家安全、社會穩(wěn)定提出了前所未有的挑戰(zhàn)。國內(nèi)外都存在著部分可疑勢力利用社交網(wǎng)絡(luò)傳遞流言,煽動騷亂。在社交網(wǎng)絡(luò)的信息傳播的研究中,如何挖掘出有影響力的用戶并對于消息來源進行搜索與追蹤,對信息的傳播、切斷傳播、信息推薦都是很有意義的。本文完成的主要工作如下:(1)利用基于在線社交網(wǎng)絡(luò)的群智感知技術(shù),獲取社交網(wǎng)絡(luò)中的用戶情境信息,包括時間特征、位置特征及事件的動作變量、目標變量等社交特征,為社交用戶中意見領(lǐng)袖的挖掘奠定基礎(chǔ)。采用社交網(wǎng)絡(luò)中所提供的接口,獲取用戶在特定時間內(nèi)的微博內(nèi)容及屬性,并根據(jù)國民安全相關(guān)的事件關(guān)鍵字對收集的微博進行了篩選和分類,從中提取了微博特征并存儲。(2)提出了結(jié)合層次結(jié)構(gòu)和情感分析的意見領(lǐng)袖挖掘方法。以信息流量樹為存儲結(jié)構(gòu)計算用戶影響力,信息流量樹是一種頻繁模式樹思想下的緊縮的數(shù)據(jù)結(jié)構(gòu)。采用用戶微博文本的情感分析,計算用戶威脅程度,綜合用戶的影響力和威脅得分,挖掘出威脅國民安全的意見領(lǐng)袖。利用最大化影響力傳播模型優(yōu)化意見領(lǐng)袖列表,使挖掘的結(jié)果更精準。實驗結(jié)果表明,采用結(jié)合層次結(jié)構(gòu)的情感分析的意見領(lǐng)袖算法,在平均準確率方面相比平均提高了 21%,經(jīng)過最大化影響力傳播模型的分析后,在MAP方面提高了 5倍,在NDCG方面也有顯著提高。(3)提出了基于位置的主題詞與用戶來源搜索算法,對社交網(wǎng)絡(luò)中威脅國民安全的來源進行了搜索與追蹤。通過詞語的位置和相關(guān)詞典匹配危險言論信息,搜索得到滿足用戶需求的危險言論結(jié)果向量和威脅性較高的用戶群體。結(jié)合用戶信息傳播過程,搜索得出可能的威脅來源用戶集合,并重點監(jiān)控來源用戶。采用改進的SIS模型BFS方法,分析威脅來源用戶的受眾狀態(tài),分析和追蹤社交網(wǎng)絡(luò)中威脅國民安全言論的傳播行為特征。實驗結(jié)果表明,采用本文提出的算法在用戶來源搜索方面MAP平均提高了54%,在召回率和準確率方面提高了4%和 25%。(4)設(shè)計并實現(xiàn)在線社交網(wǎng)絡(luò)中威脅國民安全來源的搜索與追蹤系統(tǒng)。針對不同算法進行統(tǒng)一的展示與結(jié)果分析。系統(tǒng)分為三個模塊,分別是社交網(wǎng)絡(luò)大數(shù)據(jù)采集模塊、社交網(wǎng)絡(luò)意見領(lǐng)袖集合挖掘模塊和社交網(wǎng)絡(luò)威脅國民安全來源追蹤模塊。系統(tǒng)運行良好,功能較為全面,交互界面友好。
【學(xué)位單位】：北京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.3
【部分圖文】：

本章主要利用三種方法進行數(shù)據(jù)采集，分別為微博ＡＰＩ數(shù)據(jù)接口、網(wǎng)絡(luò)爬蟲逡逑和開放數(shù)據(jù)集，完成社交網(wǎng)絡(luò)時空數(shù)據(jù)的爬取任務(wù)，獲取新浪微博為主的相關(guān)數(shù)逡逑據(jù)。數(shù)據(jù)采集的過程如圖３－１所示。逡逑＋申請通行證及秘鑰一？微博ＡＰＩ采集數(shù)據(jù)一逡逑國民安邐微博邐微博逡逑全相關(guān)邋，１邐，｜使用Ｓｃｒａｙ模型采集｜邐數(shù)據(jù)邐數(shù)據(jù)逡逑事件關(guān)—＾N�。挥脩粜畔⒁惶卣鳎蕹醪藉义湘I字邐提取邐過濾逡逑網(wǎng)絡(luò)下載邐，邐逡逑１邐微博數(shù)據(jù)邐￣￣邐邐逡逑微博逡逑數(shù)據(jù)邐數(shù)據(jù)庫逡逑分類￣＂，存儲逡逑過濾逡逑圖３－１社交網(wǎng)絡(luò)數(shù)據(jù)的采集過程逡逑收集的微博數(shù)據(jù)內(nèi)容為微博文本、微博發(fā)布時間、微博發(fā)布地點、微博轉(zhuǎn)發(fā)逡逑文本、微博轉(zhuǎn)發(fā)數(shù)量、微博評論數(shù)量、微博點贊數(shù)量和對應(yīng)的微博用戶ｉｄ，微博逡逑用戶內(nèi)容為用戶ｉｄ、用戶昵稱、用戶所在地點、用戶所發(fā)微博數(shù)量、用戶關(guān)注數(shù)逡逑量和用戶粉絲數(shù)量。逡逑在微博數(shù)據(jù)的特征提取中，主要是指社交特征和用戶特征兩方面。社交特征逡逑是指微博傳播網(wǎng)絡(luò)相關(guān)的屬性，例如轉(zhuǎn)發(fā)量、評論量、點贊量等涉及到用戶之間逡逑交互動作的數(shù)據(jù)。用戶特征則是指與當前用戶相關(guān)的特征

（Ｓｃｈｅｄｕｌｅｒ）、用于下載網(wǎng)頁內(nèi)容的下載器（Ｄｏｗｎｌｏａｄｅｒ）和用于提取網(wǎng)頁內(nèi)容的逡逑爬蟲（Ｓｐｉｄｅｒｓ）等基本組件，除此之外還有持久化處理數(shù)據(jù)的運輸管道和位于不同逡逑組件之間處理請求及響應(yīng)的中間件。本章具體的爬蟲框架如圖３－３所示。逡逑本章使用的Ｓｃｒａｐｙ運行流程如下：逡逑（１）

ｆｉ是．逡逑（ＪＳＯＮ格式（逡逑ｉｉｉｍｓｓｉ逡逑圖３－２使用微博ＡＰＩ獲取數(shù)據(jù)的流程圖逡逑３．１．２使用網(wǎng)絡(luò)爬蟲獲取微博用戶數(shù)據(jù)逡逑在下載公開的微博數(shù)據(jù)集后，微博的主要信息以ｊｓｏｎ數(shù)組的形式存儲在ｔｘｔ逡逑文件中，包括發(fā)布時間、文本內(nèi)容、圖像鏈接等。通過提取數(shù)據(jù)中的用戶ｉｄ構(gòu)逡逑成用戶列表，構(gòu)造ＵＲＬ，采用爬蟲工具從網(wǎng)頁中獲取相關(guān)的用戶信息。逡逑網(wǎng)絡(luò)爬蟲是指在互聯(lián)網(wǎng)絡(luò)上抓取所需信息的數(shù)據(jù)獲取的工具。本節(jié)使用的爬逡逑蟲軟件主要為以ｐｙｔｈｏｎ開發(fā)的一個快速的屏幕和網(wǎng)頁抓取框架ｓｃｒａｐｙ，用于從逡逑界面源代碼中提取結(jié)構(gòu)化的數(shù)據(jù)。Ｓｃｒａｐｙ主要使用了異步Ｔｗｉｓｔｅｄ網(wǎng)絡(luò)庫來處理逡逑網(wǎng)絡(luò)通訊，包括了用來處理整個系統(tǒng)的數(shù)據(jù)流的引擎、用于決定ＵＲＬ的調(diào)度器逡逑（Ｓｃｈｅｄｕｌｅｒ）、用于下載網(wǎng)頁內(nèi)容的下載器（Ｄｏｗｎｌｏａｄｅｒ）和用于提取網(wǎng)頁內(nèi)容的逡逑爬蟲（Ｓｐｉｄｅｒｓ）等基本組件，除此之外還有持久化處理數(shù)據(jù)的運輸管道和位于不同逡逑組件之間處理請求及響應(yīng)的中間件。本章具體的爬蟲框架如圖３－３所示。逡逑本章使用的Ｓｃｒａｐｙ運行流程如下：逡逑（１）

【參考文獻】

相關(guān)期刊論文 前10條

1 徐杰;王菊韻;張海云;;基于復(fù)雜網(wǎng)絡(luò)的社交網(wǎng)絡(luò)用戶影響力研究[J];中國傳媒大學(xué)學(xué)報(自然科學(xué)版);2017年02期

2 游新年;劉群;;基于傳染病模型的微博信息傳播預(yù)測研究[J];計算機應(yīng)用與軟件;2016年05期

3 韓忠明;張夢;譚旭升;段大高;司慧琳;;基于自激點過程的網(wǎng)絡(luò)熱點話題傳播模型[J];計算機學(xué)報;2016年04期

4 方星;黃培清;黃新華;;突發(fā)事件中不實信息傳播的傳染病模型研究[J];中國安全科學(xué)學(xué)報;2015年11期

5 吳峴輝;張暉;趙旭劍;李波;楊春明;;基于用戶行為網(wǎng)絡(luò)的微博意見領(lǐng)袖挖掘算法[J];計算機應(yīng)用研究;2015年09期

6 楊善林;王佳佳;代寶;李旭軍;姜元春;劉業(yè)政;;在線社交網(wǎng)絡(luò)用戶行為研究現(xiàn)狀與展望[J];中國科學(xué)院院刊;2015年02期

7 樊興華;趙靜;方濱興;李欲曉;;影響力擴散概率模型及其用于意見領(lǐng)袖發(fā)現(xiàn)研究[J];計算機學(xué)報;2013年02期

8 李玉貞;胡勇;熊熙;馬曉娟;張敏;;微博意見領(lǐng)袖的評估模型[J];信息安全與通信保密;2013年02期

9 祝帥;鄭小林;陳德人;;論壇中的意見領(lǐng)袖自動發(fā)現(xiàn)算法研究[J];系統(tǒng)工程理論與實踐;2011年S2期

10 肖宇;許煒;夏霖;;網(wǎng)絡(luò)社區(qū)中的意見領(lǐng)袖特征分析[J];計算機工程與科學(xué);2011年01期

相關(guān)碩士學(xué)位論文 前6條

1 吳靚嬋媛;基于社區(qū)發(fā)現(xiàn)的網(wǎng)絡(luò)輿情熱點主題識別研究[D];南京理工大學(xué);2017年

2 周國兵;最少門結(jié)構(gòu)的循環(huán)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用[D];南京大學(xué);2016年

3 王歡歡;社交網(wǎng)絡(luò)影響力最大化的研究[D];南京航空航天大學(xué);2016年

4 耿大偉;基于Python技術(shù)的校園網(wǎng)搜索引擎的設(shè)計與實現(xiàn)[D];燕山大學(xué);2015年

5 楊旭穎;基于SEIR的社交網(wǎng)絡(luò)信息傳播模型的研究[D];西安電子科技大學(xué);2014年

6 李合莉;多層在線社交網(wǎng)絡(luò)信息傳播模型研究[D];山東財經(jīng)大學(xué);2013年

本文編號：2828852