社交網(wǎng)絡(luò)的流行,為信息的獲取與交互提供了便利。特別是近幾年來(lái),隨著手機(jī)微信、騰訊QQ等即時(shí)通訊工具的發(fā)展以及抖音、快手、新浪微博等新興社交平臺(tái)的崛起,信息的交互變得更加便捷。網(wǎng)絡(luò)空間中存在的積極信息對(duì)個(gè)人及社會(huì)起到積極作用,促進(jìn)經(jīng)濟(jì)發(fā)展、社會(huì)穩(wěn)定和諧,而暴恐信息、涉政不實(shí)言論、謠言等危機(jī)信息的傳播則會(huì)對(duì)經(jīng)濟(jì),社會(huì)安全等造成巨大的威脅。因此,對(duì)社交網(wǎng)絡(luò)中危機(jī)信息的分析與研究具有重要的現(xiàn)實(shí)意義。本文針對(duì)社交網(wǎng)絡(luò)中的危機(jī)信息進(jìn)行兩方面的研究:一方面,針對(duì)危機(jī)信息的識(shí)別,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的識(shí)別模型;另一方面,對(duì)全網(wǎng)關(guān)注的危機(jī)信息源預(yù)測(cè)方法進(jìn)行了分析與討論,并根據(jù)危機(jī)信息的傳播特征,提出了基于K-means的危機(jī)信息源預(yù)測(cè)算法。危機(jī)信息的識(shí)別,不僅依賴于危機(jī)信息本身的文本內(nèi)容特征,其危機(jī)信息發(fā)布者的特征以及危機(jī)信息的傳播特征對(duì)危機(jī)信息的識(shí)別也有很大的影響。本文根據(jù)危機(jī)信息的內(nèi)容特征、用戶特征以及傳播特征,提出了一種基于BP神經(jīng)網(wǎng)絡(luò)的危機(jī)信息識(shí)別模型。首先,利用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)采集危機(jī)信息數(shù)據(jù),對(duì)影響危機(jī)信息識(shí)別的關(guān)鍵特征進(jìn)行提取,并對(duì)特征值進(jìn)行定義與量化;其次,對(duì)危機(jī)信息數(shù)據(jù)進(jìn)行人工標(biāo)簽化... 

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語(yǔ)對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
    1.3 本文研究?jī)?nèi)容
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論基礎(chǔ)
    2.1 危機(jī)信息傳播特性分析
    2.2 K-means算法
    2.3 BP神經(jīng)網(wǎng)絡(luò)
        2.3.1 網(wǎng)絡(luò)結(jié)構(gòu)
        2.3.2 學(xué)習(xí)過(guò)程
    2.4 本章小結(jié)
第三章 基于BP神經(jīng)網(wǎng)絡(luò)的危機(jī)信息識(shí)別模型
    3.1 危機(jī)信息定義
    3.2 危機(jī)信息特征分析
        3.2.1 內(nèi)容特征
        3.2.2 用戶特征
        3.2.3 傳播特征
    3.3 基于BP神經(jīng)網(wǎng)絡(luò)的危機(jī)信息識(shí)別模型的構(gòu)建
        3.3.1 模型選擇
        3.3.2 模型構(gòu)建
        3.3.3 模型訓(xùn)練
    3.4 實(shí)驗(yàn)設(shè)計(jì)與分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)收集
        3.4.2 評(píng)價(jià)指標(biāo)
        3.4.3 影響危機(jī)信息識(shí)別的特征因素分析
        3.4.4 實(shí)驗(yàn)結(jié)果
        3.4.5 對(duì)比實(shí)驗(yàn)
    3.5 本章小結(jié)
第四章 基于K-means的危機(jī)信息源預(yù)測(cè)方法
    4.1 有效距離的定義
    4.2 基于K-means的危機(jī)信息源預(yù)測(cè)算法
    4.3 實(shí)驗(yàn)分析與討論
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)收集
        4.3.2 實(shí)驗(yàn)結(jié)果
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
作者簡(jiǎn)介


【參考文獻(xiàn)】：
期刊論文
[1]淺析微博熱搜對(duì)公眾輿論的影響——以樂(lè)清女孩乘滴滴順風(fēng)車遇害案為例[J]. 曹馨予.  新聞研究導(dǎo)刊. 2018(17)
[2]網(wǎng)絡(luò)謠言特征分析與預(yù)測(cè)模型設(shè)計(jì):基于用戶信任視角[J]. 鄧勝利,付少雄.  情報(bào)科學(xué). 2017(11)
[3]基于情感分析的網(wǎng)絡(luò)謠言識(shí)別方法[J]. 首歡容,鄧淑卿,徐健.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(07)
[4]“巴黎恐怖襲擊事件”的網(wǎng)絡(luò)言論傾向性分析[J]. 李倩.  新聞研究導(dǎo)刊. 2016(10)
[5]基于深層特征和集成分類器的微博謠言檢測(cè)研究[J]. 毛二松,陳剛,劉欣,王波.  計(jì)算機(jī)應(yīng)用研究. 2016(11)
[6]“扶老人被訛”事件一波三折的傳播學(xué)思考[J]. 華漢澤.  新聞研究導(dǎo)刊. 2015(21)
[7]微博謠言識(shí)別研究[J]. 賀剛,呂學(xué)強(qiáng),李卓,徐麗萍.  圖書(shū)情報(bào)工作. 2013(23)
[8]謠言研究新方法:活躍度內(nèi)容預(yù)測(cè)因子探究[J]. 熊炎.  現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào)). 2013(03)
[9]網(wǎng)絡(luò)傳播中的“謠言”現(xiàn)象研究[J]. 巢乃鵬,黃嫻.  情報(bào)理論與實(shí)踐. 2004(06)

碩士論文
[1]基于LSTM情感分析模型的微博謠言識(shí)別方法研究[D]. 陳帆.華中師范大學(xué) 2018



本文編號(hào)：3683027