社交网络危机信息识别及信息源预测研究

发布时间：2022-09-29 17:41

　　社交网络的流行,为信息的获取与交互提供了便利。特别是近几年来,随着手机微信、腾讯QQ等即时通讯工具的发展以及抖音、快手、新浪微博等新兴社交平台的崛起,信息的交互变得更加便捷。网络空间中存在的积极信息对个人及社会起到积极作用,促进经济发展、社会稳定和谐,而暴恐信息、涉政不实言论、谣言等危机信息的传播则会对经济,社会安全等造成巨大的威胁。因此,对社交网络中危机信息的分析与研究具有重要的现实意义。本文针对社交网络中的危机信息进行两方面的研究:一方面,针对危机信息的识别,提出了一种基于BP神经网络的识别模型;另一方面,对全网关注的危机信息源预测方法进行了分析与讨论,并根据危机信息的传播特征,提出了基于K-means的危机信息源预测算法。危机信息的识别,不仅依赖于危机信息本身的文本内容特征,其危机信息发布者的特征以及危机信息的传播特征对危机信息的识别也有很大的影响。本文根据危机信息的内容特征、用户特征以及传播特征,提出了一种基于BP神经网络的危机信息识别模型。首先,利用网络爬虫技术采集危机信息数据,对影响危机信息识别的关键特征进行提取,并对特征值进行定义与量化;其次,对危机信息数据进行人工标签化... 

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
    1.1 研究背景及意义
    1.2 研究现状
    1.3 本文研究内容
    1.4 论文结构安排
第二章 相关理论基础
    2.1 危机信息传播特性分析
    2.2 K-means算法
    2.3 BP神经网络
        2.3.1 网络结构
        2.3.2 学习过程
    2.4 本章小结
第三章 基于BP神经网络的危机信息识别模型
    3.1 危机信息定义
    3.2 危机信息特征分析
        3.2.1 内容特征
        3.2.2 用户特征
        3.2.3 传播特征
    3.3 基于BP神经网络的危机信息识别模型的构建
        3.3.1 模型选择
        3.3.2 模型构建
        3.3.3 模型训练
    3.4 实验设计与分析
        3.4.1 实验数据收集
        3.4.2 评价指标
        3.4.3 影响危机信息识别的特征因素分析
        3.4.4 实验结果
        3.4.5 对比实验
    3.5 本章小结
第四章 基于K-means的危机信息源预测方法
    4.1 有效距离的定义
    4.2 基于K-means的危机信息源预测算法
    4.3 实验分析与讨论
        4.3.1 实验数据收集
        4.3.2 实验结果
    4.4 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简介


【参考文献】：
期刊论文
[1]浅析微博热搜对公众舆论的影响——以乐清女孩乘滴滴顺风车遇害案为例[J]. 曹馨予.  新闻研究导刊. 2018(17)
[2]网络谣言特征分析与预测模型设计:基于用户信任视角[J]. 邓胜利,付少雄.  情报科学. 2017(11)
[3]基于情感分析的网络谣言识别方法[J]. 首欢容,邓淑卿,徐健.  数据分析与知识发现. 2017(07)
[4]“巴黎恐怖袭击事件”的网络言论倾向性分析[J]. 李倩.  新闻研究导刊. 2016(10)
[5]基于深层特征和集成分类器的微博谣言检测研究[J]. 毛二松,陈刚,刘欣,王波.  计算机应用研究. 2016(11)
[6]“扶老人被讹”事件一波三折的传播学思考[J]. 华汉泽.  新闻研究导刊. 2015(21)
[7]微博谣言识别研究[J]. 贺刚,吕学强,李卓,徐丽萍.  图书情报工作. 2013(23)
[8]谣言研究新方法:活跃度内容预测因子探究[J]. 熊炎.  现代传播(中国传媒大学学报). 2013(03)
[9]网络传播中的“谣言”现象研究[J]. 巢乃鹏,黄娴.  情报理论与实践. 2004(06)

硕士论文
[1]基于LSTM情感分析模型的微博谣言识别方法研究[D]. 陈帆.华中师范大学 2018



本文编号：3683027