隨著互聯(lián)網(wǎng)技術(shù)、通信技術(shù)的快速發(fā)展,網(wǎng)絡(luò)上出現(xiàn)了大量的社交網(wǎng)絡(luò)平臺(tái),微博是其中具有代表性的。由于微博的即時(shí)性、自主性以及互動(dòng)性等特點(diǎn)能夠?qū)鹘y(tǒng)媒體的不足進(jìn)行改進(jìn)并突破,因此得到了極大的發(fā)展,已經(jīng)成為互聯(lián)網(wǎng)用戶發(fā)布、分享信息的重要途徑,逐漸演變成為大眾化的互聯(lián)網(wǎng)輿論平臺(tái)。而也正是由于其發(fā)言方式更自由、更多樣,輿情事件的爆發(fā)往往呈現(xiàn)病毒擴(kuò)散式,給輿情監(jiān)控帶來(lái)巨大的挑戰(zhàn)。本文面向社交網(wǎng)絡(luò)中不同領(lǐng)域的輿情傳播與控制的問(wèn)題開(kāi)展研究,將從領(lǐng)域劃分、用戶影響力度量以及不同領(lǐng)域的輿論控制三個(gè)具體的問(wèn)題開(kāi)展研究:首先,研究了適用于面向微博用戶的用戶領(lǐng)域劃分方法。用戶的領(lǐng)域劃分主要依據(jù)其所發(fā)布的微博,而由于微博平臺(tái)的特點(diǎn),發(fā)布的微博都是短文本。對(duì)短文本分類技術(shù)進(jìn)行了研究,在研究的基礎(chǔ)上,針對(duì)短文本具有主題聚焦性差和特征稀疏的問(wèn)題,提出了一種結(jié)合詞向量、LDA主題模型以及CNN的短文本分類算法,將詞向量與LDA主題模型訓(xùn)練得到的主題向量拼接后輸入到CNN中,使得詞、文本之間的聯(lián)系得到加強(qiáng),從而實(shí)現(xiàn)精準(zhǔn)可靠的短文本分類,為本文后續(xù)工作奠定了理論基礎(chǔ)。其次,研究了微博中關(guān)鍵用戶挖掘的方法�？紤]到在微博網(wǎng)絡(luò)中,近... 

【文章來(lái)源】：南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

中國(guó)網(wǎng)民各類互聯(lián)網(wǎng)應(yīng)用的使用率

信息、事件應(yīng)能及時(shí)發(fā)現(xiàn)并監(jiān)控，必要時(shí)需要控制這些信息的傳播。微博輿情控制一般是通過(guò)影響力大的用戶即重要節(jié)點(diǎn)進(jìn)行控制，如何在海量數(shù)據(jù)下的網(wǎng)絡(luò)中對(duì)用戶的影響力進(jìn)行評(píng)估從而準(zhǔn)確檢測(cè)出影響力大的用戶，已經(jīng)成為微博信息傳控中非常重要的研究課題[8]，同時(shí)如何通過(guò)影響力大的用戶來(lái)實(shí)現(xiàn)輿情控制也是一個(gè)重題，具體包括一下三個(gè)研究問(wèn)題：1）研究適用于面向微博用戶的用戶領(lǐng)域劃分方法在現(xiàn)實(shí)生活中某個(gè)人在一個(gè)領(lǐng)域有很大的影響力，發(fā)表的言論在這個(gè)領(lǐng)域具有權(quán)威性響力很大，但是對(duì)于這個(gè)領(lǐng)域之外的人來(lái)說(shuō)，可能不認(rèn)識(shí)并會(huì)覺(jué)得這個(gè)人的言論對(duì)于自無(wú)影響。在微博平臺(tái)上乃至互聯(lián)網(wǎng)平臺(tái)上同樣如此，用戶在不同的領(lǐng)域和行業(yè)的活躍度，其影響力大小也應(yīng)該存在區(qū)別，因此為了更加精確的評(píng)估一個(gè)用戶在各個(gè)領(lǐng)域的影響力用多維屬性來(lái)評(píng)估用戶影響力，這個(gè)多維屬性就是指的多領(lǐng)域，如體育、娛樂(lè)等，具體 1.2 所示。最終為了實(shí)現(xiàn)根據(jù)輿情所屬的領(lǐng)域采用本領(lǐng)域的權(quán)威用戶、重要用戶來(lái)進(jìn)行的控制。上述方法為后續(xù)的用戶影響力評(píng)估及控制奠定了基礎(chǔ)。

南京郵電大學(xué)碩士研究生學(xué)位論文 第本分類、社交網(wǎng)絡(luò)分析等研究方法對(duì)面向微博輿情控制的社交網(wǎng)絡(luò)中用戶的領(lǐng)域劃網(wǎng)絡(luò)中用戶影響力的研究以及不同領(lǐng)域的輿論控制三個(gè)具體的問(wèn)題開(kāi)展研究。具體系如圖 1.3 所示。在此研究框架下開(kāi)展研究，首先針對(duì)所要研究的問(wèn)題查閱資料，了解最新的研并對(duì)已有的研究進(jìn)行歸納總結(jié)，為本文的研究提供相應(yīng)的理論基礎(chǔ)。通過(guò)歸納總結(jié)前研究的不足以及研究方向，最終提出本文的創(chuàng)新點(diǎn)。然后對(duì)社交網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行分挖掘社交網(wǎng)絡(luò)上信息傳播的關(guān)鍵因素。挖掘用戶的各種屬性對(duì)社交網(wǎng)絡(luò)輿情信息傳播提出相對(duì)應(yīng)問(wèn)題的解決算法，根據(jù)算法計(jì)算得到的結(jié)果，解決本文所提出的相關(guān)研并進(jìn)行實(shí)驗(yàn)驗(yàn)證。

【參考文獻(xiàn)】：
期刊論文
[1]Microblog Topic Mining Based on FR-DATM[J]. LIU Bingyu,WANG Cuirong,WANG Yiran,ZHANG Kun,WANG Cong.  Chinese Journal of Electronics. 2018(02)
[2]詞向量與LDA相融合的短文本分類方法[J]. 張群,王紅軍,王倫文.  現(xiàn)代圖書(shū)情報(bào)技術(shù). 2016(12)
[3]考慮互惠邊的微博網(wǎng)絡(luò)信息傳播模型及最有影響力節(jié)點(diǎn)排序算法[J]. 闞長(zhǎng)江,宋玉蓉,付文豪.  情報(bào)學(xué)報(bào). 2016 (12)
[4]基于事件卷積特征的新聞文本分類[J]. 夏從零,錢濤,姬東鴻.  計(jì)算機(jī)應(yīng)用研究. 2017(04)
[5]Rapid identifying high-influence nodes in complex networks[J]. 宋波,蔣國(guó)平,宋玉蓉,夏玲玲.  Chinese Physics B. 2015(10)
[6]在線社會(huì)網(wǎng)絡(luò)的測(cè)量與分析[J]. 徐恪,張賽,陳昊,李海濤.  計(jì)算機(jī)學(xué)報(bào). 2014(01)
[7]社會(huì)計(jì)算:大數(shù)據(jù)時(shí)代的機(jī)遇與挑戰(zhàn)[J]. 孟小峰,李勇,祝建華.  計(jì)算機(jī)研究與發(fā)展. 2013(12)
[8]基于移動(dòng)社交網(wǎng)絡(luò)的謠言傳播動(dòng)力學(xué)研究[J]. 王輝,韓江洪,鄧林,程克勤.  物理學(xué)報(bào). 2013(11)
[9]一種面向情感分析的微博表情情感詞典構(gòu)建及應(yīng)用[J]. 王文遠(yuǎn),王大玲,馮時(shí),李任斐,王琳.  計(jì)算機(jī)與數(shù)字工程. 2012(11)
[10]在線社交網(wǎng)絡(luò)中謠言的傳播與抑制[J]. 顧亦然,夏玲玲.  物理學(xué)報(bào). 2012(23)

博士論文
[1]面向微博突發(fā)話題的輿情分析若干關(guān)鍵技術(shù)研究[D]. 董國(guó)忠.哈爾濱工程大學(xué) 2017
[2]社交網(wǎng)絡(luò)輿情傳播與控制研究[D]. 于淼.哈爾濱工程大學(xué) 2016

碩士論文
[1]結(jié)合影響力分析的微博輿情溯源研究[D]. 米昂.北京交通大學(xué) 2015
[2]微博語(yǔ)境下的公民政治參與研究[D]. 包和平.寧波大學(xué) 2013
[3]網(wǎng)絡(luò)群體性事件與政府應(yīng)對(duì)[D]. 吳祎琪.西北大學(xué) 2013
[4]基于主題模型和混合模型的微博客交叉話題發(fā)現(xiàn)研究[D]. 詹勇.西南交通大學(xué) 2013
[5]微博名人戰(zhàn)略研究[D]. 戴麗娟.暨南大學(xué) 2011



本文編號(hào)：3567421