隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,人們?nèi)粘＝涣鞣绞揭惨欢ǔ潭壬习l(fā)生了轉(zhuǎn)變。更多的人開始嘗試使用網(wǎng)絡(luò)聊天軟件作為社交媒體進(jìn)行新一輪的交友。然而,互聯(lián)網(wǎng)技術(shù)雖然拓寬了當(dāng)下群體的交流方式,但也一定程度由于快速的信息傳播,與之伴隨一定程度上的各類情緒傳播。互聯(lián)網(wǎng)技術(shù)的快節(jié)奏交友方式,也將其伴隨的情緒推廣速度加快,從而特別容易造成網(wǎng)民的群體情緒。再眾多的群體情緒中,負(fù)面情緒的影響最為顯著,若不能做到及時(shí)地發(fā)現(xiàn),并對(duì)其加以控制,必將會(huì)對(duì)社會(huì)造成一定程度上的危害,更有可能引發(fā)一定的群體性問(wèn)題,甚至衍生成次生社會(huì)問(wèn)題。針對(duì)網(wǎng)絡(luò)情緒感染造成影響較為嚴(yán)重,且存在較為普及。本文選取了Vent數(shù)據(jù)集作為此次情緒感染的研究對(duì)象。因?yàn)閂ent這款半匿名社交平臺(tái)上用戶是匿名發(fā)布個(gè)人情緒的,收集的數(shù)據(jù)真實(shí)性較高,針對(duì)性較強(qiáng),該數(shù)據(jù)集是公開數(shù)據(jù)集且數(shù)據(jù)完整,滿足個(gè)性化分析需求。接著介紹了處理Vent數(shù)據(jù)集的基本方法;然后,對(duì)數(shù)據(jù)集進(jìn)行預(yù)處理,查看常用情緒類別,建立用戶網(wǎng)絡(luò)結(jié)構(gòu)圖與用戶活躍度圖。通過(guò)用戶網(wǎng)絡(luò)圖可以發(fā)現(xiàn)少數(shù)用戶擁有大量好友,大部分用戶擁有少量好友,好友網(wǎng)絡(luò)具有稀疏性。從關(guān)聯(lián)性分析的角度,運(yùn)用統(tǒng)計(jì)計(jì)量的方法將Vent...

【文章頁(yè)數(shù)】：84 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 研究意義
        1.2.1 理論意義
        1.2.2 實(shí)際意義
    1.3 研究?jī)?nèi)容和方法
        1.3.1 研究?jī)?nèi)容
        1.3.2 研究方法
    1.4 研究現(xiàn)狀
        1.4.1 國(guó)外研究
        1.4.2 國(guó)內(nèi)研究
        1.4.3 研究現(xiàn)狀評(píng)述
    1.5 論文結(jié)構(gòu)和創(chuàng)新點(diǎn)
        1.5.1 論文結(jié)構(gòu)
        1.5.2 創(chuàng)新點(diǎn)
2 處理Vent數(shù)據(jù)集情緒感染分類的基本方法
    2.1 deepwalk算法
    2.2 支持向量機(jī)
    2.3 邏輯回歸預(yù)測(cè)模型
    2.4 隨機(jī)森林預(yù)測(cè)模型
    2.5 本章小結(jié)
3 Vent數(shù)據(jù)集介紹及預(yù)處理
    3.1 數(shù)據(jù)集介紹
    3.2 實(shí)驗(yàn)環(huán)境
    3.3 Vent數(shù)據(jù)集預(yù)處理
    3.4 Vent用戶網(wǎng)絡(luò)結(jié)構(gòu)
        3.4.1 Vent用戶活躍度
        3.4.2 Vent用戶網(wǎng)絡(luò)關(guān)系
    3.5 度分布
    3.6 本章小結(jié)
4 Vent中情緒感染與事件關(guān)聯(lián)性分析
    4.1 關(guān)聯(lián)性分析流程
    4.2 新聞事件數(shù)據(jù)采集及預(yù)處理
    4.3 共現(xiàn)知識(shí)圖譜分析
    4.4 關(guān)聯(lián)性分析
    4.5 本章小結(jié)
5 Vent中的情緒感染及模型分析
    5.1 實(shí)證流程圖
    5.2 數(shù)據(jù)處理
    5.3 模型指標(biāo)
    5.4 模型對(duì)比
    5.5 基于支持向量機(jī)的情緒感染研究
    5.6 本章小結(jié)
6 結(jié)論以及展望
    6.1 結(jié)論
    6.2 展望
參考文獻(xiàn)
附錄A 數(shù)據(jù)集整理
附錄B 度分布
附錄C 數(shù)據(jù)集預(yù)處理
附錄D 參數(shù)篩選
附錄E deepwalk處理數(shù)據(jù)
附錄F 邏輯回歸
附錄G 隨機(jī)森林
附錄H 支持向量機(jī)
附錄I Snow NLP情感分詞
附錄J 共現(xiàn)矩陣
附錄K 國(guó)外新聞情感分布圖
附錄L 用戶負(fù)面情緒感染比率圖



本文編號(hào)：3768257