基于符号网络的微博关键用户发现研究
发布时间：2021-07-01 09:43
随着互联网技术的推广普及和社交网络的快速发展,微博用户爆发式增长,微博信息量也逐渐激增,在这种情况下,及时准确地找到信息传播中的关键用户,无论是对于加快信息传播的广告投放和市场营销,还是抑制信息扩散的谣言控制和舆情预警都有着至关重要的意义。但目前微博用户发现领域还存在以下问题:1)现有微博关键用户发现研究中,多数研究对象都是普通的无符号网络,忽略了用户间存在的支持/反对关系,无法得出准确的关键用户结果;2)现有符号网络的关键用户发现研究中,缺乏面向有向符号网络的用户识别方法,无法满足在微博有向符号网络中发现关键用户的需求;3)现有关键用户发现规则多与意见领袖识别规则类似,选择节点影响力排行靠前的用户为关键用户,无法满足实际应用中的多样要求。针对以上问题,本文的核心工作主要包括三个部分:（1）构建了基于微博转发情感极性的符号网络模型。结合情感词典与语义规则对微博转发文本进行情感极性分类,将得到的正负向结果对应符号网络连边的“+”“-”,同时将用户活跃度和用户可信度的归一加权结果对应符号网络的节点权重,从而构建出微博有向符号网络,并通过对比实验证明本文所使用情感极性分类方法的优越性。（2）...
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
论文组织架构图
本文使用了理论研究与实证分析相结合的研究方法。前期广泛搜索浏览与研究内容相关的国内外文献，找出最有价值的部分文献详细阅读，在了解相关理论基础与研究现状的基础上，发现能够切实解决研究问题的具体方法。本文选择情感词典与语义规则相结合的文本情感极性分类方法解决微博转发内容情感极性分类问题，并以此作为符号网络连边属性的构建依据，结合节点权重构建出基于微博转发情感极性的符号网络模型；使用被节点权重改进状态转移矩阵后的 PageRank 方法，结合符号网络节点度中心性，计算出节点正负影响力，并依据制定的规则发现关键用户。同时，本文使用网络爬虫爬取真实微博数据进行实证研究，通过与其他方法的实验对比，验证了所提出模型的有效性。具体技术路线如图 1-2 所示。
第 2 章 国内外研究现状由第 1 章绪论可知，本文的主要研究目的是提出一个基于符号网络的微博关键用户发现研究，其中符号网络的连边符号属性是根据微博转发内容的情感极性分类结果获取的，因此，本文从符号网络研究现状、情感极性分类研究现状以及社交网络的关键用户发现研究现状这三个与主体研究内容相关的方面来介绍国内外相关研究现状并指出其中存在的问题，具体内容如图 2-1 所示。
【参考文献】：
期刊论文
[1]社会网络中关键节点的识别——基于符号网络的PageRank算法改进[J]. 陈晓威,史昱天. 数据分析与知识发现. 2017(08)
[2]微博社会网络用户节点重要性排序[J]. 张贤坤,荚佳,宋琛,高新雅. 计算机工程与设计. 2016(08)
[3]语义规则与表情加权融合的微博情感分析方法[J]. 赵天奇,姚海鹏,方超,张俊东,张培颖. 重庆邮电大学学报(自然科学版). 2016(04)
[4]微博舆情社会网络关键节点识别与应用研究[J]. 王曰芬,杭伟梁,丁洁. 情报资料工作. 2016(03)
[5]基于符号网络的两阶段融合社区发现算法[J]. 胡心专,郭景峰,赵月,梁浩. 小型微型计算机系统. 2016(05)
[6]基于交互意见和地位理论的符号网络链接预测模型[J]. 王鑫,王英,左万利. 计算机研究与发展. 2016(04)
[7]社交网络正、负影响力计算——基于符号网络的PageRank算法改进[J]. 顾洁,胡安安,刘旭,黄丽华. 情报学报. 2015 (07)
[8]融合表情符号的微博文本倾向性分析[J]. 刘培玉,张艳辉,朱振方,荀静. 山东大学学报(理学版). 2014(11)
[9]基于极性词典的中文微博客情感分类[J]. 王勇,吕学强,姬连春,肖诗斌. 计算机应用与软件. 2014(01)
[10]符号网络研究综述[J]. 程苏琦,沈华伟,张国清,程学旗. 软件学报. 2014(01)
硕士论文
[1]社交网络中意见领袖挖掘及其对社区演化的影响分析[D]. 曹林林.山东师范大学 2017
[2]面向中文微博文本的情感极性判别方法研究[D]. 李杉.中国民航大学 2017
[3]基于卷积神经网络的图文情感分析技术研究[D]. 吴琼.华侨大学 2017
[4]基于RBC和符号网络在线社会团队推荐机制设计与仿真[D]. 金国跃.广东工业大学 2016
[5]BBS中组织拓扑结构研究和意见领袖识别[D]. 夏霖.华中科技大学 2011
本文编号：3258904
【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
论文组织架构图
本文使用了理论研究与实证分析相结合的研究方法。前期广泛搜索浏览与研究内容相关的国内外文献，找出最有价值的部分文献详细阅读，在了解相关理论基础与研究现状的基础上，发现能够切实解决研究问题的具体方法。本文选择情感词典与语义规则相结合的文本情感极性分类方法解决微博转发内容情感极性分类问题，并以此作为符号网络连边属性的构建依据，结合节点权重构建出基于微博转发情感极性的符号网络模型；使用被节点权重改进状态转移矩阵后的 PageRank 方法，结合符号网络节点度中心性，计算出节点正负影响力，并依据制定的规则发现关键用户。同时，本文使用网络爬虫爬取真实微博数据进行实证研究，通过与其他方法的实验对比，验证了所提出模型的有效性。具体技术路线如图 1-2 所示。
第 2 章 国内外研究现状由第 1 章绪论可知，本文的主要研究目的是提出一个基于符号网络的微博关键用户发现研究，其中符号网络的连边符号属性是根据微博转发内容的情感极性分类结果获取的，因此，本文从符号网络研究现状、情感极性分类研究现状以及社交网络的关键用户发现研究现状这三个与主体研究内容相关的方面来介绍国内外相关研究现状并指出其中存在的问题，具体内容如图 2-1 所示。
【参考文献】：
期刊论文
[1]社会网络中关键节点的识别——基于符号网络的PageRank算法改进[J]. 陈晓威,史昱天. 数据分析与知识发现. 2017(08)
[2]微博社会网络用户节点重要性排序[J]. 张贤坤,荚佳,宋琛,高新雅. 计算机工程与设计. 2016(08)
[3]语义规则与表情加权融合的微博情感分析方法[J]. 赵天奇,姚海鹏,方超,张俊东,张培颖. 重庆邮电大学学报(自然科学版). 2016(04)
[4]微博舆情社会网络关键节点识别与应用研究[J]. 王曰芬,杭伟梁,丁洁. 情报资料工作. 2016(03)
[5]基于符号网络的两阶段融合社区发现算法[J]. 胡心专,郭景峰,赵月,梁浩. 小型微型计算机系统. 2016(05)
[6]基于交互意见和地位理论的符号网络链接预测模型[J]. 王鑫,王英,左万利. 计算机研究与发展. 2016(04)
[7]社交网络正、负影响力计算——基于符号网络的PageRank算法改进[J]. 顾洁,胡安安,刘旭,黄丽华. 情报学报. 2015 (07)
[8]融合表情符号的微博文本倾向性分析[J]. 刘培玉,张艳辉,朱振方,荀静. 山东大学学报(理学版). 2014(11)
[9]基于极性词典的中文微博客情感分类[J]. 王勇,吕学强,姬连春,肖诗斌. 计算机应用与软件. 2014(01)
[10]符号网络研究综述[J]. 程苏琦,沈华伟,张国清,程学旗. 软件学报. 2014(01)
硕士论文
[1]社交网络中意见领袖挖掘及其对社区演化的影响分析[D]. 曹林林.山东师范大学 2017
[2]面向中文微博文本的情感极性判别方法研究[D]. 李杉.中国民航大学 2017
[3]基于卷积神经网络的图文情感分析技术研究[D]. 吴琼.华侨大学 2017
[4]基于RBC和符号网络在线社会团队推荐机制设计与仿真[D]. 金国跃.广东工业大学 2016
[5]BBS中组织拓扑结构研究和意见领袖识别[D]. 夏霖.华中科技大学 2011
本文编号：3258904
本文链接：https://www.wllwen.com/jingjilunwen/xmjj/3258904.html
