隨著互聯(lián)網(wǎng)和移動(dòng)通信技術(shù)的持續(xù)發(fā)展,社交網(wǎng)絡(luò)不斷擴(kuò)大,社會(huì)進(jìn)入泛社交化時(shí)代。社交網(wǎng)絡(luò)不僅成為用戶發(fā)表觀點(diǎn)和分享信息的重要平臺(tái),也是媒體、企業(yè)發(fā)布新聞、推送廣告的關(guān)鍵載體。社交網(wǎng)絡(luò)的開(kāi)放性、互動(dòng)性、個(gè)性化和智能化等特點(diǎn)使得用戶觀點(diǎn)交互方式和演化過(guò)程更為復(fù)雜,影響群體意見(jiàn)形成的因素更為多樣。社交網(wǎng)絡(luò)的發(fā)展造成信息由單向線性傳播轉(zhuǎn)為節(jié)點(diǎn)間的互動(dòng)傳播,增加了用戶的參與性,其中轉(zhuǎn)發(fā)行為起到關(guān)鍵作用,促使信息形成二次或多次傳播。網(wǎng)絡(luò)輿論的形成和發(fā)展依賴于用戶的交互行為和信息的傳播方式,而傳統(tǒng)輿論的研究和模型不足以發(fā)現(xiàn)影響觀點(diǎn)演化和信息傳播的關(guān)鍵因素,更難以預(yù)測(cè)和掌握網(wǎng)絡(luò)輿論的發(fā)展。鑒于此,本文結(jié)合交叉學(xué)科的研究思想和方法,圍繞個(gè)體觀點(diǎn)交互行為,群體觀點(diǎn)演化過(guò)程、信息傳播機(jī)制,轉(zhuǎn)發(fā)行為及預(yù)測(cè)等問(wèn)題展開(kāi)研究。重點(diǎn)研究了社交網(wǎng)絡(luò)中媒體異質(zhì)性對(duì)于個(gè)體觀點(diǎn)交互的影響,探索觀點(diǎn)動(dòng)力學(xué)模型在實(shí)踐中的應(yīng)用,實(shí)證分析用戶的轉(zhuǎn)發(fā)行為,探索信息的轉(zhuǎn)發(fā)機(jī)制及轉(zhuǎn)發(fā)數(shù)據(jù)間的關(guān)系,建立轉(zhuǎn)發(fā)預(yù)測(cè)模型。論文的研究有助于理解網(wǎng)絡(luò)輿論的形成及發(fā)展過(guò)程,豐富復(fù)雜系統(tǒng)理論的研究?jī)?nèi)容,同時(shí)對(duì)網(wǎng)絡(luò)輿論控制和互聯(lián)網(wǎng)經(jīng)濟(jì)具有一定的指導(dǎo)意義。論文的研究工作得到了國(guó)家自然科學(xué)基金項(xiàng)目(No.61271308、61401015)、北京市教委應(yīng)用研究項(xiàng)目、中央高�；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金研究生創(chuàng)新項(xiàng)目和北京市重點(diǎn)實(shí)驗(yàn)室資助項(xiàng)目的支持。論文的主要工作和創(chuàng)新點(diǎn)如下:1.傳統(tǒng)的觀點(diǎn)動(dòng)力學(xué)模型將研究重點(diǎn)放在了普通用戶的異質(zhì)性上,而忽略了社交網(wǎng)絡(luò)中不同類型用戶的異質(zhì)性。論文研究了媒體用戶的特點(diǎn),建立了基于媒體異質(zhì)性的觀點(diǎn)交互演化模型。模型利用改進(jìn)型RAS對(duì)媒體觀點(diǎn)影響個(gè)體觀點(diǎn)的過(guò)程進(jìn)行描述,同時(shí)考慮到時(shí)間因素對(duì)信息傳播效率的影響,將時(shí)間變量引入觀點(diǎn)采納概率中,以反映觀點(diǎn)交互的時(shí)效性。對(duì)模型的仿真及數(shù)值結(jié)果表明:規(guī)則網(wǎng)絡(luò)中平均路徑長(zhǎng)度較大的特征使得媒體觀點(diǎn)傳播速度慢、范圍小,個(gè)體觀點(diǎn)交互頻率低,觀點(diǎn)演化易出現(xiàn)分裂現(xiàn)象;無(wú)標(biāo)度網(wǎng)絡(luò)中異構(gòu)性強(qiáng)、中心用戶多等特點(diǎn)使得媒體觀點(diǎn)傳輸效率高,個(gè)體觀點(diǎn)影響范圍廣,觀點(diǎn)演化易出現(xiàn)統(tǒng)一現(xiàn)象;觀點(diǎn)采納概率對(duì)四種網(wǎng)絡(luò)中的終態(tài)平均觀點(diǎn)值影響巨大,而有界信任閾值對(duì)規(guī)則網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)中的觀點(diǎn)演化影響較大;相比于節(jié)點(diǎn)度和聚類系數(shù),基于節(jié)點(diǎn)介數(shù)優(yōu)先的媒體位置選擇方式,其觀點(diǎn)影響力傳播速度快,范圍廣。2.觀點(diǎn)動(dòng)力學(xué)領(lǐng)域內(nèi)大量的研究關(guān)注了模型中的觀點(diǎn)更新規(guī)則,對(duì)于模型在實(shí)踐中的應(yīng)用研究較少。論文研究了觀點(diǎn)動(dòng)力學(xué)在廣告營(yíng)銷中的應(yīng)用,建立了在廣告影響下的觀點(diǎn)交互模型。模型充分結(jié)合了離散型觀點(diǎn)模型和連續(xù)型觀點(diǎn)模型的優(yōu)點(diǎn),考慮到朋友間影響力的遞減效應(yīng)以及記憶力對(duì)于個(gè)體觀點(diǎn)的衰減作用。并在模型中定義了廣告影響力和廣告覆蓋范圍等變量,研究在廣告影響下群體觀點(diǎn)的演化過(guò)程及關(guān)鍵影響因素。數(shù)值仿真結(jié)果表明:廣告影響力和廣告覆蓋范圍對(duì)于廣告?zhèn)鞑ビ兄愃频淖饔眯Ч?只有當(dāng)初始值大于一定閾值時(shí),廣告才會(huì)取得顯著的成效。在相同條件下,廣告覆蓋范圍比廣告影響力起著更重要的作用。然而真正決定廣告成功的關(guān)鍵因素是用戶活躍度,因?yàn)橛脩艋钴S度可以直接反映出用戶對(duì)于產(chǎn)品或者服務(wù)的認(rèn)可程度。本研究對(duì)于互聯(lián)網(wǎng)經(jīng)濟(jì)有一定的現(xiàn)實(shí)指導(dǎo)意義。3.轉(zhuǎn)發(fā)行為是社交網(wǎng)絡(luò)中信息擴(kuò)散的關(guān)鍵因素,傳統(tǒng)的信息傳播模型缺乏對(duì)轉(zhuǎn)發(fā)行為的定量分析,且大部分研究為靜態(tài)描述類模型。論文對(duì)大量轉(zhuǎn)發(fā)行為數(shù)據(jù)進(jìn)行了實(shí)證分析,并根據(jù)實(shí)證結(jié)論建立了動(dòng)態(tài)信息轉(zhuǎn)發(fā)模型。實(shí)證分析中發(fā)現(xiàn):轉(zhuǎn)發(fā)行為是普通用戶使用微博的主要行為;轉(zhuǎn)發(fā)深度服從冪律分布,且超過(guò)99%的轉(zhuǎn)發(fā)行為發(fā)生在三階轉(zhuǎn)發(fā)之內(nèi);轉(zhuǎn)發(fā)時(shí)間間隔近似服從指數(shù)分布。通過(guò)建立動(dòng)態(tài)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò),提出基于馬爾科夫過(guò)程的動(dòng)態(tài)信息轉(zhuǎn)發(fā)模型,模型采用連續(xù)時(shí)間變量,彌補(bǔ)了離散時(shí)間信息傳播模型在預(yù)測(cè)能力上的不足。通過(guò)仿真實(shí)驗(yàn),并與ARIMI模型對(duì)比,證明此動(dòng)態(tài)轉(zhuǎn)發(fā)模型具有更好的預(yù)測(cè)能力。此外轉(zhuǎn)發(fā)量作為評(píng)估用戶影響力的一個(gè)重要指標(biāo),模型還可以用來(lái)解決影響力最大化的問(wèn)題。4.傳統(tǒng)的轉(zhuǎn)發(fā)預(yù)測(cè)模型難以考慮到轉(zhuǎn)發(fā)數(shù)據(jù)間的關(guān)系,更缺乏對(duì)海量信息的處理能力。論文借助人工神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)處理上的優(yōu)勢(shì),建立了基于遺傳算法的分段式BP神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)發(fā)預(yù)測(cè)模型。分析轉(zhuǎn)發(fā)行為的數(shù)據(jù)特征,運(yùn)用統(tǒng)計(jì)學(xué)知識(shí)對(duì)轉(zhuǎn)發(fā)數(shù)據(jù)進(jìn)行分段,建立分段式BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。采用試湊法依次確定模型中隱藏層神經(jīng)元個(gè)數(shù)、輸入層個(gè)數(shù)、學(xué)習(xí)效率和動(dòng)量因子等參數(shù),從預(yù)測(cè)結(jié)果看分段式BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)曲線更加平滑,預(yù)測(cè)精度有了一定的提高。然后,利用遺傳算法在全局搜索最優(yōu)解問(wèn)題上的高效性,提出改進(jìn)型分段式預(yù)測(cè)模型。不僅擺脫了BP神經(jīng)網(wǎng)絡(luò)模型中試湊參數(shù)的不便,同時(shí)可以避免遺漏最佳的參數(shù)選擇。仿真結(jié)果表明改進(jìn)型模型大幅度提高了轉(zhuǎn)發(fā)行為的預(yù)測(cè)精度,為大規(guī)模行為預(yù)測(cè)提供了理論參考和實(shí)踐指導(dǎo)。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位年份】：2018
【中圖分類】：G206;TP18
【部分圖文】：

２．３．２平均觀點(diǎn)演化過(guò)程??為了進(jìn)一步探究不同網(wǎng)絡(luò)結(jié)構(gòu)和模型參數(shù)對(duì)于群體觀點(diǎn)演化過(guò)程的影響，在??仿真過(guò)程中統(tǒng)計(jì)每一步的平均觀點(diǎn)值繪制如圖２．３。網(wǎng)絡(luò)中的用戶總數(shù)為１０００個(gè)，??其中媒體用戶為２０個(gè)，不同網(wǎng)絡(luò)中節(jié)點(diǎn)的平均度值為１０，其它參數(shù)保持不變。從??２．２節(jié)中的公式（２．１５）可以分析出參數(shù)ｚ和時(shí)間變量Ｚ對(duì)觀點(diǎn)采納概率的影響較??大

其觀點(diǎn)值逐漸增加，因此網(wǎng)絡(luò)中平均觀點(diǎn)值的增加可以視為對(duì)媒體觀點(diǎn)影??響力的反映。??通過(guò)對(duì)圖２．９的仿真結(jié)果分析，發(fā)現(xiàn)在隨機(jī)網(wǎng)絡(luò)、小世界網(wǎng)絡(luò)和無(wú)標(biāo)度網(wǎng)絡(luò)中??均是基于節(jié)點(diǎn)介數(shù)的媒體位置選擇方式使得網(wǎng)絡(luò)中用戶的平均觀點(diǎn)上升最快

采用單一變量的實(shí)驗(yàn)方法，即除為值以外，其他變量保持不變。仿真中用戶的記憶??強(qiáng)度為２７到３１之間的隨機(jī)數(shù)，廣告覆蓋范圍是１９０，用戶活躍度是７５，組員數(shù)??量為４，ａ?＝?０．５。從仿真開(kāi)始到結(jié)束，圖３．１?（ａ）統(tǒng)計(jì)了外在表現(xiàn)為＜７，＝＋１的用??戶總數(shù)的變化情況，其中為分別等于〇．丨〇，〇．丨５，０．２０，０．２５，０．３０，０．３５，和０．４０。（在??＜賦值時(shí)，因用戶個(gè)體存在差異性，即對(duì)同一產(chǎn)品廣告所受影響不同，所以其具體??賦值過(guò)程為從０到＜的區(qū)間內(nèi)隨機(jī)選取一個(gè)數(shù)值作為個(gè)體受到的廣告影響力）從??圖中發(fā)現(xiàn)，表現(xiàn)積極（ｃｒ，?＝＋１）的用戶總數(shù)在很短的時(shí)間內(nèi)就達(dá)到了一個(gè)動(dòng)態(tài)穩(wěn)定狀??態(tài)，隨即在一個(gè)很小的范圍內(nèi)波動(dòng)。在仿真中為的值是連續(xù)的，然而最終的廣告影??響效果是分段的。當(dāng)?＜?的值相對(duì)較小時(shí)，其最終帶來(lái)的廣告影響效果很弱，而當(dāng)＜??的值相對(duì)較大時(shí)，其最終帶來(lái)的廣告影響效果很好。圖３．１?（ａ）上半部分的廣告制??作可以被認(rèn)為是“成功”的，而下半部分的那些廣告看起來(lái)是“失敗”的。在“成??功”或者“失敗”的廣告群中
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 鄧青;馬曄風(fēng);劉藝;張輝;;基于BP神經(jīng)網(wǎng)絡(luò)的微博轉(zhuǎn)發(fā)量的預(yù)測(cè)[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年12期

2 陳慧娟;鄭嘯;陳欣;;微博網(wǎng)絡(luò)信息傳播研究綜述[J];計(jì)算機(jī)應(yīng)用研究;2014年02期

3 吳曄;肖井華;吳智遠(yuǎn);楊俊忠;馬寶軍;;手機(jī)短信網(wǎng)絡(luò)的生長(zhǎng)過(guò)程研究[J];物理學(xué)報(bào);2007年04期

本文編號(hào)：2851922