微博双向“关注”网络节点中心性及传播 影响力的分析

根据新浪微博的实际数据, 建立了两个基于双向“关注”的用户关系网络, 通过分析网络拓扑统计特征, 发现二者均具有小世界、无标度特征. 通过对节点度、紧密度、介数和k-core 四个网络中心性指标进行实证分析, 发现节点度服从分段幂率分布; 介数相比其他中心性指标差异性最为显著; 两个网络均具有明显的层次性, 但不是所有度值大的节点核数也大; 全局范围内各中心性指标之间存在着较强的相关性, 但在度值较大的节点群这种相关性明显减弱. 此外, 借助基于传染病动力学的SIR信息传播模型来分析四种指标在刻画节点传播能力方面的差异性, 仿真结果表明, 选择具有不同中心性指标的初始传播节点, 对信息传播速度和范围均具有不同影响; 紧密度和k-core较其他指标可以更加准确地描述节点在信息传播中所处的网络核心位置, 这有助于识别信息传播拓扑网络中的关键节点.     

在线社会网络的数据采集方法的研究

在线社会网络是一个由亿万级用户及联接关系构成的大规模集合,其中以新浪微博为典型代表,目前已经成为人们日常交流的重要方式.如何在新浪微博中分析其用户的特征和网络拓扑结构成为研究在线社会网络的基础,利用新浪微博开放平台提供的API采集数据,实验证明,该方法切实可行.     

政府与民间科普组织微博科学传播的比较研究——以“@上海科普”与“@科学松鼠会”为例

本文分别选取政府科普组织和民间科普组织中的典型微博各一个,首先从阶段运营数据方面进行监测和比较,再深入到两个典型微博的内容、表现形式等方面考察二者的异同,在此基础上提出促进政府科普组织微博科学传播的对策建议。     

基于微博的地震后舆情监控系统设计研究

基于微博的地震后舆情监控系统的构建,可以对地震舆情信息进行监控和管理,并对震后信息进行实时发布,并为抗震救灾工作提供重要的辅助决策支持。在满足微博功能设计的基本需求基础上,采用Web技术对地震后舆情监控系统进行设计,为系统的应用提供了重要的技术支持。本文对系统设计采用的相关技术进行了分析,在满足基于微博的地震后舆情监控系统功能应用基本需求的基础上,结合Web技术对地震舆情信息系统的结构和功能进行了设计和研究。     

User-Level Sentiment Evolution Analysis in Microblog

People＇s attitudes towards public events or products may change overtime,rather than staying on the same state.Understanding how sentiments change overtime is an interesting and important problem with many applications.Given a certain public event or product,a user＇s sentiments expressed in microblog stream can be regarded as a vector.In this paper,we define a novel problem of sentiment evolution analysis,and develop a simple yet effective method to detect sentiment evolution in user-level for public events.We firstly propose a multidimensional sentiment model with hierarchical structure to model user＇s complicate sentiments.Based on this model,we use FP-growth tree algorithm to mine frequent sentiment patterns and perform sentiment evolution analysis by Kullback-Leibler divergence.Moreover,we develop an improve Affinity Propagation algorithm to detect why people change their sentiments.Experimental evaluations on real data sets show that sentiment evolution could be implemented effectively using our method proposed in this article.     

微博传播波的函数解析实证研究

为定量地揭示微博传播行为内在的时间演化规律,将微博转发量随时间的变化定义为微博传播波.根据微博传播网络的结构,将微博传播波分解为由若干"大V"所引发的微博传播子波.通过实证,发现了微博传播子波所遵从的统一的指数衰减函数形式.最终实现了将微博传播行为重构为一系列指数衰减函数的叠加,并对该函数中各参数的意义及影响因素进行了初步的探讨.     

基于微博API的分布式抓取技术

随着微博用户的迅猛增长,越来越多的人希望从用户的行为和微博内容中挖掘有趣的模式.针对如何对微博数据进行有效合理的采集,提出了基于微博API的分布式抓取技术,通过模拟微博登录自动授权,合理控制API的调用频次,结合任务分配控制器高效地获取微博数据.该分布式抓取技术还结合时间触发和内存数据库技术实现重复控制,避免了数据的重复爬取和重复存储,提高了系统的性能.本分布式抓取技术具有可扩展性高、任务分配明确、效率高、多种爬取策略适应不同的爬取需求等特点.新浪微博数据爬取实例验证了该技术的可行性.     

微博在环境科技传播中的应用研究——以新浪微博@环保董良杰环境科技微博为例

作为新媒体的典型代表,近年来微博发展非常迅速,能够有效地克服环境科技传播的时效性和交互性问题,降低环保科普的投入成本。以新浪微博@环保董良杰为环境科技微博案例,分析表明环境科技专业微博可以发展成为人气微博,上午6：00—10：00是发布微博的黄金时段,高质量的微博文源于网页新浪微博“原创”,话题紧扣环境热点、语言生动幽默、分析有理有据、观点言简意赅且富有强烈责任感是专业微博的重要生命力。环境科技微博面临着缺乏有效监管、专业性不足、“评论”与“转发”比例失衡、不能取代环境科技传播传统媒体等问题,应鼓励环境科技专家和专业机构开设微博,积极参与环境科技传播和互动,充分发挥微博优势服务环保科普。     

社交网络挖掘方案研究

随着社交网络普及,社交网络的数据获取成为首先要解决的问题。针对如何获取社交网站的数据,提出了基于API和网络爬虫的两种方法。通过采取对比试验,分别用两种方式在单位时间内抓取微博,比较抓取的微博条数。实验结果表明,基于API抓取的速度比较快,但是稳定性和数据完整性欠佳;基于网路爬虫方式抓取的速度比较慢,但是稳定性和数据完整性较好。最后提出通过采用两种方式相结合的方式,能够进一步提高抓取效率。     

一种微博用户情感影响者发现模型

情感在微博网络中传播并感染用户,对微博网络甚至现实世界都有重要影响.发现具有情感影响力的用户(情感影响者)对社会管理或制定市场策略等具有重要意义.本文建立了包含两种节点(用户,微博)和三种关系(转发,关注,发帖)的异质微博网络,利用微博情感相似性和用户情感行为相似性将其转化为只包含用户节点的同质网络,进而在该网络中使用随机游走模型发现情感影响者.贡献包含以下方面:利用微博情感相似性和用户的情感行为相似性验证了本文所构建微博网络的情感同配性,确认了情感影响在该网络中存在;提出EmotionRank模型用以寻找情感影响者;基于微博数据的实验结果有效验证了该模型的有效性和优越性.