隨著互聯(lián)網(wǎng)和移動通信技術(shù)的持續(xù)發(fā)展,社交網(wǎng)絡(luò)不斷擴(kuò)大,社會進(jìn)入泛社交化時代。社交網(wǎng)絡(luò)不僅成為用戶發(fā)表觀點和分享信息的重要平臺,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)的開放性、互動性、個性化和智能化等特點使得用戶觀點交互方式和演化過程更為復(fù)雜,影響群體意見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)點間的互動傳播,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)影響觀點演化和信息傳播的關(guān)鍵因素,更難以預(yù)測和掌握網(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,圍繞個體觀點交互行為,群體觀點演化過程、信息傳播機(jī)制,轉(zhuǎn)發(fā)行為及預(yù)測等問題展開研究。重點研究了社交網(wǎng)絡(luò)中媒體異質(zhì)性對于個體觀點交互的影響,探索觀點動力學(xué)模型在實踐中的應(yīng)用,實證分析用戶的轉(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)展過程,豐富復(fù)雜系統(tǒng)理論的研究內(nèi)容,同時對網(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家自然科學(xué)基金項目(No.61271308、61401015)、北京市教委應(yīng)用研究項目、中央高校基本科研業(yè)務(wù)費專項資金研究生創(chuàng)新項目和北京市重點實驗室資助項目的支持。論文的主要工作和創(chuàng)新點如下:1.傳統(tǒng)的觀點動力學(xué)模型將研究重點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,建立了基于媒體異質(zhì)性的觀點交互演化模型。模型利用改進(jìn)型RAS對媒體觀點影響個體觀點的過程進(jìn)行描述,同時考慮到時間因素對信息傳播效率的影響,將時間變量引入觀點采納概率中,以反映觀點交互的時效性。對模型的仿真及數(shù)值結(jié)果表明:規(guī)則網(wǎng)絡(luò)中平均路徑長度較大的特征使得媒體觀點傳播速度慢、范圍小,個體觀點交互頻率低,觀點演化易出現(xiàn)分裂現(xiàn)象;無標(biāo)度網(wǎng)絡(luò)中異構(gòu)性強(qiáng)、中心用戶多等特點使得媒體觀點傳輸效率高,個體觀點影響范圍廣,觀點演化易出現(xiàn)統(tǒng)一現(xiàn)象;觀點采納概率對四種網(wǎng)絡(luò)中的終態(tài)平均觀點值影響巨大,而有界信任閾值對規(guī)則網(wǎng)絡(luò)和無標(biāo)度網(wǎng)絡(luò)中的觀點演化影響較大;相比于節(jié)點度和聚類系數(shù),基于節(jié)點介數(shù)優(yōu)先的媒體位置選擇方式,其觀點影響力傳播速度快,范圍廣。2.觀點動力學(xué)領(lǐng)域內(nèi)大量的研究關(guān)注了模型中的觀點更新規(guī)則,對于模型在實踐中的應(yīng)用研究較少。論文研究了觀點動力學(xué)在廣告營銷中的應(yīng)用,建立了在廣告影響下的觀點交互模型。模型充分結(jié)合了離散型觀點模型和連續(xù)型觀點模型的優(yōu)點,考慮到朋友間影響力的遞減效應(yīng)以及記憶力對于個體觀點的衰減作用。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的演化過程及關(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,廣告才會取得顯著的成效。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,因為用戶活躍度可以直接反映出用戶對于產(chǎn)品或者服務(wù)的認(rèn)可程度。本研究對于互聯(lián)網(wǎng)經(jīng)濟(jì)有一定的現(xiàn)實指導(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。論文對大量轉(zhuǎn)發(fā)行為數(shù)據(jù)進(jìn)行了實證分析,并根據(jù)實證結(jié)論建立了動態(tài)信息轉(zhuǎn)發(fā)模型。實證分析中發(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)時間間隔近似服從指數(shù)分布。通過建立動態(tài)信息轉(zhuǎn)發(fā)網(wǎng)絡(luò),提出基于馬爾科夫過程的動態(tài)信息轉(zhuǎn)發(fā)模型,模型采用連續(xù)時間變量,彌補(bǔ)了離散時間信息傳播模型在預(yù)測能力上的不足。通過仿真實驗,并與ARIMI模型對比,證明此動態(tài)轉(zhuǎn)發(fā)模型具有更好的預(yù)測能力。此外轉(zhuǎn)發(fā)量作為評估用戶影響力的一個重要指標(biāo),模型還可以用來解決影響力最大化的問題。4.傳統(tǒng)的轉(zhuǎn)發(fā)預(yù)測模型難以考慮到轉(zhuǎn)發(fā)數(shù)據(jù)間的關(guān)系,更缺乏對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,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)測模型。分析轉(zhuǎn)發(fā)行為的數(shù)據(jù)特征,運用統(tǒng)計學(xué)知識對轉(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)測模型。采用試湊法依次確定模型中隱藏層神經(jīng)元個數(shù)、輸入層個數(shù)、學(xué)習(xí)效率和動量因子等參數(shù),從預(yù)測結(jié)果看分段式BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測曲線更加平滑,預(yù)測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)解問題上的高效性,提出改進(jìn)型分段式預(yù)測模型。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)測精度,為大規(guī)模行為預(yù)測提供了理論參考和實踐指導(dǎo)。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：G206;TP18
【部分圖文】：

２．３．２平均觀點演化過程??為了進(jìn)一步探究不同網(wǎng)絡(luò)結(jié)構(gòu)和模型參數(shù)對于群體觀點演化過程的影響，在??仿真過程中統(tǒng)計每一步的平均觀點值繪制如圖２．３。網(wǎng)絡(luò)中的用戶總數(shù)為１０００個，??其中媒體用戶為２０個，不同網(wǎng)絡(luò)中節(jié)點的平均度值為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和時間變量Ｚ對觀點采納概率的影響較??大

其觀點值逐漸增加，因此網(wǎng)絡(luò)中平均觀點值的增加可以視為對媒體觀點影??響力的反映。??通過對圖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)和無標(biāo)度網(wǎng)絡(luò)中??均是基于節(jié)點介數(shù)的媒體位置選擇方式使得網(wǎng)絡(luò)中用戶的平均觀點上升最快

采用單一變量的實驗方法，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。從仿真開始到結(jié)束，圖３．１?（ａ）統(tǒng)計了外在表現(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，因用戶個體存在差異性，即對同一產(chǎn)品廣告所受影響不同，所以其具體??賦值過程為從０到＜的區(qū)間內(nèi)隨機(jī)選取一個數(shù)值作為個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)在很短的時間內(nèi)就達(dá)到了一個動態(tài)穩(wěn)定狀??態(tài)，隨即在一個很小的范圍內(nèi)波動。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)?＜?的值相對較小時，其最終帶來的廣告影響效果很弱，而當(dāng)＜??的值相對較大時，其最終帶來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[J];清華大學(xué)學(xué)報(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)的生長過程研究[J];物理學(xué)報;2007年04期

本文編號：2851922