社会媒体实体关联网络的复杂性研究

发布时间：2017-05-01 15:14

  本文关键词：社会媒体实体关联网络的复杂性研究，由笔耕文化传播整理发布。

【摘要】：随着Web2.0概念的深入人心，博客、社交网络、微博等社会媒体相继出现并逐渐盛行，互联网社会媒体逐渐成为人们日常生活中重要的交流平台。复杂网络的研究近年来取得了较大的发展，其复杂性探索逐渐成为热门的研究课题，为我们认识和探索客观世界提供了全新的科学视角和新方法。将复杂网络研究方法应用于社会媒体实体关联网络的复杂性研究是一次探索性的尝试。本课题的研究目的就是通过对社会媒体中的实体进行提取，构建基于实体关联关系的复杂网络并对其进行深入研究分析，以期达到对社会媒体实体网络更深入的认识。 首先，，介绍了社会媒体与复杂网络的基本概念，并对基于复杂网络的社会媒体研究进行了详细的综述。其次，从维基百科中抽取了人物关系知识网络，计算其网络参数，研究其小世界性和无标度性，发现人物关系知识网络是一个典型的复杂网络，符合真实社会网络中的小世界特性和无标度特性，具有和其它社会网络类似的网络特征。采用复杂网络中心性研究方法对网络进行中心性分析，挖掘网络中的重要节点，发现当代的基本都集中在娱乐圈，古代的基本都是著名政治风云人物，这与维基百科的词条是由网络用户自由编撰的，其内容的丰富程度符合普通百姓的兴趣点是密切相关的。最后对网络进行社团检测，并深入分析了典型社团中成员的特点，发现同一社团中的成员聚集在一起是可以解释的，他们或者属于同一家族，或者从事同一职业，或者经历共同历史事件，从而验证了利用社团检测方法挖掘出的社团的合理性。这一研究方法对于推动维基百科知识网络的更深层次、更细粒度研究具有一定意义。 再次，对微博话题词网络进行深入研究分析。近年来对于话题分析与计算的研究主要集中在话题的检测与跟踪，对于话题关联关系的形式分析、话题宏观分布规律发现等方面的研究目前还未开展。本文首次将复杂网络的方法应用到话题宏观分布规律发现的研究中。研究其网络拓扑关系，发现微博话题词网络是一个典型的复杂网络，符合真实社会网络中的小世界效应和无标度特性，具有和其他社会网络类似的网络特征。利用multilevel算法对其进行社区检测，发现网络具有明显的社区特征，社区内部规律明显，属于同一个社区内部的话题词的相关度比较高。最后提出一种基于复杂网络的微博话题舆情热点发现方法，该方法利用复杂网络发现中心节点的能力并结合话题词频数变化趋势，可以有效的发现当前时间内的热点话题，并可以对其热度进行定量评估。 最后，对所做工作进行了总结与展望，提出了使用复杂网络的分析方法对后续话题演化规律进行分析的可能性，为以后的研究指明了方向。
【关键词】：社会媒体 维基百科 微博 复杂网络 语言网络 社区检测
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP393.092;O157.5
【目录】：

• 摘要5-7
• ABSTRACT7-9
• 目录9-11
• 第一章 概论11-14
• 1.1 研究背景与意义11-12
• 1.2 本文研究内容12-13
• 1.3 本文组织结构13-14
• 第二章 基于复杂网络的社会媒体研究综述14-25
• 2.1 社会媒体14-16
• 2.1.1 各种形式的社会媒体14
• 2.1.2 社会媒体的特点14-16
• 2.2 复杂网络16-19
• 2.2.1 复杂网络构建方式16-17
• 2.2.2 复杂网络理论基础17-19
• 2.3 社会媒体是一种复杂网络19
• 2.4 社会媒体复杂网络综述19-23
• 2.4.1 基于维基百科的知识网络研究综述19-21
• 2.4.2 社会媒体中的话题研究综述21-22
• 2.4.3 基于复杂网络的自然语言研究综述22-23
• 2.5 本章小结23-25
• 第三章 维基百科人物关系网络的复杂性分析25-37
• 3.1 数据来源及网络构建25-26
• 3.1.1 数据来源25
• 3.1.2 网络构建25-26
• 3.2 网络整体特性分析26-28
• 3.2.1 全网络分析26-27
• 3.2.2 最大连通子图分析27-28
• 3.3 重要节点分析28-31
• 3.3.1 点度中心度28-29
• 3.3.2 介数中心度29-30
• 3.3.3 接近中心度30-31
• 3.4 网络的小世界和无标度特性31-32
• 3.4.1 小世界特性31
• 3.4.2 无标度特性31-32
• 3.5 社团分析32-36
• 3.5.1 社团检测算法32-33
• 3.5.2 社团检测33-36
• 3.6 本章小结36-37
• 第四章 微博话题词网络的复杂性分析37-54
• 4.1 微博文本获取和预处理37-38
• 4.1.1 文本获取37-38
• 4.1.2 文本预处理38
• 4.2 微博话题词网络的构建38-40
• 4.2.1 话题词提取38-39
• 4.2.2 话题词网络构建39-40
• 4.3 话题词网络的复杂性分析40-48
• 4.3.1 全网络分析40-41
• 4.3.2 最大弱连通子图分析41-42
• 4.3.3 小世界特性42
• 4.3.4 无标度特性42-43
• 4.3.5 度相关性与同配性43-44
• 4.3.6 社团检测44-48
• 4.4 微博话题舆情热点分析48-53
• 4.4.1 话题热度49-50
• 4.4.2 实验结果及分析50-53
• 4.5 本章小结53-54
• 第五章 总结与工作展望54-57
• 5.1 工作总结54-55
• 5.2 未来展望55-57
• 致谢57-58
• 参考文献58-62
• 附录62-63
• 详细摘要63-66

【参考文献】

中国期刊全文数据库 前10条

1 刘海涛;;翻译的复杂网络视角[J];北华大学学报(社会科学版);2010年04期

2 赵飞;周涛;张良;马鸣卉;刘金虎;余飞;查一龙;李睿琪;;维基百科研究综述[J];电子科技大学学报;2010年03期

3 刘知远;郑亚斌;孙茂松;;汉语依存句法网络的复杂网络性质[J];复杂系统与复杂性科学;2008年02期

4 韦洛霞;李勇;康世勇;罗诗裕;;汉语词组网的组织结构与无标度特性[J];科学通报;2005年15期

5 刘海涛;;语言复杂网络的聚类研究[J];科学通报;2010年Z2期

6 陈芯莹;刘海涛;;汉语句法网络的中心节点研究[J];科学通报;2011年10期

7 刘知远;孙茂松;;汉语词同现网络的小世界效应和无标度特性[J];中文信息学报;2007年06期

8 洪宇;张宇;刘挺;李生;;话题检测与跟踪的评测及研究综述[J];中文信息学报;2007年06期

9 马彬;洪宇;陆剑江;姚建民;朱巧明;;基于线索树双层聚类的微博话题检测[J];中文信息学报;2012年06期

10 李劲;张华;吴浩雄;向军;;基于特定领域的中文微博热点话题挖掘系统BTopicMiner[J];计算机应用;2012年08期

中国硕士学位论文全文数据库 前1条

1 杨yN;Wiki知识网络的网络特性与演化模型研究[D];浙江理工大学;2013年

  本文关键词：社会媒体实体关联网络的复杂性研究，由笔耕文化传播整理发布。

本文编号：339170