本文選題：社交網(wǎng)絡(luò)　切入點(diǎn)：網(wǎng)絡(luò)輿情　出處：《哈爾濱工業(yè)大學(xué)》2017年博士論文　論文類型：學(xué)位論文

【摘要】：隨著計(jì)算機(jī)網(wǎng)絡(luò)科學(xué)以及社交網(wǎng)絡(luò)的迅速發(fā)展,網(wǎng)絡(luò)用戶數(shù)量的規(guī)模呈指數(shù)式爆炸增長(zhǎng),網(wǎng)絡(luò)上用戶、事件、輿論等相關(guān)數(shù)據(jù)海量增加。新浪、搜狐等大型網(wǎng)站的微博等,成為人們信息傳播與獲取的主要平臺(tái)。伴隨著信息化建設(shè)的高速發(fā)展,政府決策者和相關(guān)職能部門的管理者對(duì)網(wǎng)絡(luò)媒體的輿論導(dǎo)向提出需求,使網(wǎng)絡(luò)輿論的發(fā)現(xiàn)及管理成為需要解決的問(wèn)題。因此,近年來(lái)關(guān)于在線輿情管理的相關(guān)研究和實(shí)踐也取得了很大的進(jìn)展,目前的研究主要是關(guān)于網(wǎng)絡(luò)輿情信息發(fā)現(xiàn)的研究,其數(shù)據(jù)來(lái)源各種各樣,數(shù)據(jù)量大小不統(tǒng)一,國(guó)內(nèi)外學(xué)者的研究主要針對(duì)Twitter、新浪等社交媒體,并側(cè)重方法的研究。本文的研究主要集中在我國(guó)微博社交媒體的輿情信息組織管理及數(shù)據(jù)挖掘,其研究主要遵循網(wǎng)絡(luò)輿情的生命周期結(jié)構(gòu)與發(fā)展過(guò)程的規(guī)律,立足于網(wǎng)絡(luò)受眾的群體觀點(diǎn)形成理論,研究?jī)?nèi)容包括以下幾個(gè)方面:(1)基于社交網(wǎng)絡(luò)的輿情信息搜索和抽取研究。明確界定社交網(wǎng)絡(luò)輿情信息的概念,系統(tǒng)分析了網(wǎng)絡(luò)輿情信息的產(chǎn)生范圍、來(lái)源、特點(diǎn)。在此基礎(chǔ)上,確定了本文研究的數(shù)據(jù)來(lái)源,即社交網(wǎng)絡(luò)媒體新浪微博各輿情多發(fā)的主題欄目,獲取方式是爬取或API端口獲得;同時(shí),提出了按照網(wǎng)絡(luò)輿情事件歸納的主題意見對(duì)稱詞方式來(lái)搜索和組織輿情信息,建立了基于受眾個(gè)性化行為搜索的輿情檢索方式,建立了輿情信息的搜索、清洗、抽取、存儲(chǔ)的方法,為社交網(wǎng)絡(luò)輿情信息組織管理提供了有效方法。(2)社交網(wǎng)絡(luò)輿情群體受眾偏好的建模和挖掘研究。網(wǎng)絡(luò)主體興趣與價(jià)值取向往往成為引發(fā)網(wǎng)絡(luò)輿情的重要前提。本文通過(guò)微博內(nèi)容的分析,從輿情事件中個(gè)體的角度建立微博受眾偏好模型,達(dá)到控制把握具有微博受眾個(gè)性特征的關(guān)注度;本文建立了微博信息的文本特征向量的表示方式,構(gòu)建了由微博特征詞及其對(duì)應(yīng)權(quán)值的微博文本特征向量空間,建立了輿情群體受眾的偏好的文本SVM多分類模型。(3)社交網(wǎng)絡(luò)輿論事件中意見領(lǐng)袖的發(fā)現(xiàn)方法研究。意見領(lǐng)袖在社交網(wǎng)絡(luò)輿情生命周期中產(chǎn)生極其重要的作用。本文采用受眾評(píng)論文本信息間的文本相似性及情感相似性建立受眾關(guān)系網(wǎng)絡(luò),對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行累計(jì)積分,提出了在建立的框架體系內(nèi)積分值最高的受眾即是最有言論影響力的意見領(lǐng)袖的挖掘方法。根據(jù)最新社交網(wǎng)絡(luò)的欄目主題結(jié)構(gòu),構(gòu)建了獨(dú)立主題及復(fù)雜交叉主題復(fù)雜網(wǎng)絡(luò)意見領(lǐng)袖挖掘模型,并通過(guò)實(shí)驗(yàn)驗(yàn)證該方法在社交網(wǎng)絡(luò)輿情意見領(lǐng)袖挖掘過(guò)程的有效性。(4)社交網(wǎng)絡(luò)輿情中社群意見及社群結(jié)構(gòu)的發(fā)現(xiàn)方法研究。本文基于LDA算法對(duì)評(píng)論文本的情感和區(qū)域分布進(jìn)行挖掘,產(chǎn)生了社群意見,并采用交叉熵方法對(duì)社群結(jié)構(gòu)挖掘。在社群意見發(fā)現(xiàn)模型的建立中,提出了采用構(gòu)造情感語(yǔ)句樹方法挖掘網(wǎng)絡(luò)輿情文本信息中正向最大傾向語(yǔ)句,該方法通過(guò)主題模型迭代提煉受眾群體意見的主題詞。最后,對(duì)社交網(wǎng)絡(luò)群體意見及結(jié)構(gòu)挖掘模型的有效性也進(jìn)行了實(shí)驗(yàn)驗(yàn)證。
[Abstract]:......
【學(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.1;TP393.09

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖云鵬;李松陽(yáng);劉宴兵;;一種基于社交影響力和平均場(chǎng)理論的信息傳播動(dòng)力學(xué)模型[J];物理學(xué)報(bào);2017年03期

2 徐文亭;肖強(qiáng);張卓群;王春莉;;大數(shù)據(jù)條件下政府輿情監(jiān)測(cè)的挑戰(zhàn)與對(duì)策[J];決策與信息;2016年06期

3 譚晉秀;何躍;;基于k-means文本聚類的新浪微博個(gè)性化博文推薦研究[J];情報(bào)科學(xué);2016年04期

4 馬梅;劉東蘇;李慧;;基于大數(shù)據(jù)的網(wǎng)絡(luò)輿情分析系統(tǒng)模型研究[J];情報(bào)科學(xué);2016年03期

5 李建飛;;一種基于大數(shù)據(jù)的網(wǎng)絡(luò)輿情監(jiān)測(cè)軟件架構(gòu)[J];新聞知識(shí);2016年02期

6 林崇責(zé);;輿情大數(shù)據(jù)的場(chǎng)景化應(yīng)用[J];浙江經(jīng)濟(jì);2016年03期

7 黃微;劉英杰;王潔晶;韓瑞雪;;大數(shù)據(jù)網(wǎng)絡(luò)輿情信息情感維度要素的關(guān)聯(lián)模型構(gòu)建[J];圖書情報(bào)工作;2015年21期

8 楊海龍;;論大數(shù)據(jù)背景下的網(wǎng)絡(luò)輿情監(jiān)測(cè)[J];情報(bào)探索;2015年10期

9 燕道成;姜超;;大數(shù)據(jù)時(shí)代網(wǎng)絡(luò)輿情研究綜述[J];視聽;2015年09期

10 桂斌;楊小平;朱建林;張中夏;肖文韜;;基于意群劃分的中文微博情感傾向分析研究[J];中文信息學(xué)報(bào);2015年03期

相關(guān)碩士學(xué)位論文 前1條

1 顧潔瑩;基于SNA的高校突發(fā)事件網(wǎng)絡(luò)輿情演進(jìn)機(jī)理研究[D];哈爾濱工程大學(xué);2012年

，

本文編號(hào)：1636801