基于事件检测的微博社交网络社区识别方法研究

发布时间：2021-12-29 10:17

　　社区识别是社交网络分析领域的重要研究内容,近年来得到了各领域研究者的广泛关注。社区是网络中的密集群组,满足同一社区内部节点间的链接相对紧密,不同社区节点间的链接相对稀疏。由于社区结构的这一特性,社区识别被广泛应用于舆情分析、蠕虫控制、商品推荐等应用系统。微博是典型的社交网络,随着移动互联网的快速发展,微博已经融入到人们的日常工作和生活当中,成为舆情产生和传播的重要场所。和传统的社交网络社区识别不同,在微博中人们会针对不同的事件,以简短、便捷的方式发表自己的观点与见解,因此如果单纯的以网络的结构特征作为社区识别的优化目标,而忽略用户对特定主题的情感倾向性,会导致生成的社区结构稳定性较差,增加了社区碎片化的可能性。为了解决这一问题,提出一种基于事件检测的微博社交网络社区挖掘框架（Event-based Community Miner,ECM）,认为理想的社区结构内部成员应当对特定的社会事件持有相近的情感倾向,具体研究内容包括:1.微博事件提取。本部分研究利用滑动窗口跟踪微博文本流入,用KMedoids算法将微博帖子聚类为事件集,根据事件集中帖子的转发数、评论数以及粉丝数计算出事件的影响力,... 

【文章来源】：哈尔滨理工大学黑龙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

基于朋友关系的在线社交网络Fig.1-1Friendship-basedonlinesocialnetworks

六度分割理论示意图

无标度网络

【参考文献】：
期刊论文
[1]种子节点贪婪扩张的重叠社区发现方法[J]. 李艳,贺静,武优西.  小型微型计算机系统. 2019(05)
[2]基于微博社交平台的舆情分析[J]. 盛成成,朱勇,刘涛.  智能计算机与应用. 2019(01)
[3]互联网化社会结构的赋权分析[J]. 杜鹏,王梓霈尔,任文肖.  新闻研究导刊. 2018(24)
[4]一种新的微博社区发现算法[J]. 杨长春,刘玲,李雪佳,吕晨,顾寰.  计算机应用与软件. 2017(03)
[5]基于动态主题模型融合多维数据的微博社区发现算法[J]. 刘冰玉,王翠荣,王聪,王军伟,王兴伟,黄敏.  软件学报. 2017(02)
[6]基于用户紧密度的微博网络社区发现算法[J]. 韦庆杰,李京腾,汪雨.  计算机应用与软件. 2016(09)
[7]基于神经网络的微博情感分析[J]. 苏小英,孟环建.  计算机技术与发展. 2015(12)
[8]基于标签传播概率的重叠社区发现算法[J]. 刘世超,朱福喜,甘琳.  计算机学报. 2016(04)
[9]社交网络结构特性分析及建模研究进展[J]. 许进,杨扬,蒋飞,金舒原.  中国科学院院刊. 2015(02)
[10]基于相似度的微博社交网络的社区发现方法[J]. 孙怡帆,李赛.  计算机研究与发展. 2014(12)

博士论文
[1]最大信息系数改进算法及其在铁路事故分析中的应用[D]. 邵福波.北京交通大学 2016
[2]在线社会网络的结构化分析方法及应用研究[D]. 杨海陆.哈尔滨工程大学 2015

硕士论文
[1]基于文本情感的微博舆情分析系统设计与实现[D]. 杨康.西北大学 2018
[2]有向网络的社区发现算法研究[D]. 张博.电子科技大学 2013



本文编号：3555928