面向符号社交网络的意见领袖挖掘技术研究
发布时间：2021-09-22 18:26
社交网络中的意见领袖是指具有较高声望的用户,他们活跃在社交网络平台上,发布对社会热点的看法并对舆论进行引导。准确地识别意见领袖,能够帮助政府及时掌握舆情动向并控制网络舆情。当前,意见领袖挖掘方法大多是基于用户属性的方法或基于网络结构的方法,往往只考虑了用户的属性特征或行为特征,忽略了用户的关系特征。因此,本文对社交网络评论文本的情感分析技术进行了研究,从而更精确地得出用户的关系特征。同时,结合用户的属性特征和行为特征,提出了一种基于多特征融合的意见领袖挖掘方法。具体的工作如下:（1）本文提出了一种基于并行混合神经网络的评论文本情感分析方法。一方面,针对评论文本特征难以充分提取的问题,本文利用卷积神经网络提取文本的局部特征,利用融合注意力机制的双向长短期记忆网络提取与文本上下文相关的全局特征,并将两种特征进行充分融合;另一方面,针对分布式词向量缺少对情感信息和分类贡献度关注的问题,本文将情感权重融入到TF-IDF算法中,结合分布式词向量生成加权词向量。在新浪微博评论的数据集上评测该方法的性能,实验结果表明该方法的macroF1值达到了90.75%,能够较为精确地识别...
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１－１本文的主要研究内容??研究内容具体如下：??
?〇?２??ｚＯ＾￣￣－ｐｊ＊－Ｏ?１３??图２－１符号社交网络示意图??２．２意见领袖??意见领袖是指具有较高声望的用户，其往往具有独立的见解和出色的文字能力，发??表一些关于对社会热点、突发事件的言论，影响网络中的其他用户。此外，意见领袖往??往是较为活跃的用户，经常出没在社交网络平台上。这些特点使得在信息的传播和舆论??的发展中，意见领袖起到了至关重要的作用。在信息传播中，意见领袖能够对信息作出??客观合理的解释，并推动信息在社交网络中的传播。在舆论的发展中，意见领袖往往引??导了舆论的走向。??社交网络意见领袖的类型比较多样。一方面，他们可以是那些著名的人，例如商业??界精英人士、某领域的专家、出色的新闻工作者等。若在他们擅长或者工作的领域中，??他们往往具有较多的支持者，具备成为意见领袖的基矗但是在一些别的领域，他们也??可能成为一名普通的网民。另一方面，意见领袖也可以是我们中的任何一员，包括朋友、??家人、同事等，都可能会在某些话题中发表的言论被大量网民所关注和评论，并左右网??民的看法。只要他的观点够明确，思维够独特，并且能够在网络中起到引导舆论方向的??作用，这时他就成为了该话题中的意见领袖。??本文根据意见领袖的特点，将传播能力和支持者比例作为衡量意见领袖的指标。传??播能力越强的意见领袖，在信息的传播中起到的作用越大，其观点能够传播给越多的用??户。支持者比例越高的意见领袖，其观点获得越多用户的支持。只有传播能力强且支持??者比例高的用户才能成为社交网络中的意见领袖，进而引导舆论的方向。??８??
将网页进行排序而计算网页重要性的技术，之后被关键词提取｜４５］、社??区发现Ｉ４６］、学术影响力评估［４７】和意见领袖挖掘［４８］等领域所应用。其主要思想基于两个假??设：网页重要性假设和用户浏览假设。网页重要性假设：一个网页的重要性将会平均传??递到它所链接的网页，一个网页的重要性由链入的网页传递而来。用户浏览假设：用户??随机访问一个网页后，会沿着超链接方向向前访问网页。因此，一个节点的重要性由链??向它的节点决定，一个有较多重要节点链入的节点会有较高的重要性。??⑩?Ｇ??图２－２节点和链接关系示例??图２－２是包含５个节点和９个链接关系的网络拓扑图。各个节点的ＰａｇｅＲａｎｋ值平均??分配给它所链向的节点，而各个节点的ＰａｇｅＲａｎｋ值由所有链入节点的ＰａｇｅＲａｎｋ值传递??而来。以节点ａ为例，节点ａ的ＰａｇｅＲａｎｋ值是节点ｄ平均分配到节点ａ、节点ｂ和节点??ｃ的，而节点ａ的ＰａｇｅＲａｎｋ值又平均分配给节点ｂ、节点ｄ和节点ｅ。各节点的ＰａｇｅＲａｎｋ??值的计算方法如公式（２－１）所示。??ＰＲ（ｕ，）?＝?（＼－ｄ）?＋?ｄｘ?Ｙ?＇＂ｎ＂１。一＾＾／）?（２－１）??ｕ，＾ｕ，）Ｎ（ＯＵＴ｛＜Ｕｊ））??其中，尸７？（ｗ，）表示ｗ，的ＰａｇｅＲａｎｋ值；７／ＶＯＯ表示链向ｗ，的节点集合；Ｗ（Ｏｆ／ｒ（ｗ，））??表示＼链向的节点数；ｄ为阻尼系数，其代表的意义是，节点在任意时刻沿着链接方向??继续访问其它节点的概率；１－?Ｊ是指节点在任意时刻停止沿着链接方向访问其它节点而??随机跳转到某个节点的概率。??９??
【参考文献】：
期刊论文
[1]虚拟学习社区中意见领袖识别模型研究[J]. 许睿,李艳翠,訾乾龙,李宗儒,张平川. 计算机技术与发展. 2020(05)
[2]知乎平台用户影响力分析与关键意见领袖挖掘[J]. 郭博,许昊迪,雷水旺. 图书情报工作. 2018(20)
[3]面向新浪微博的意见领袖挖掘算法[J]. 刘俊杰,马畅,邵维龙,韩东红,夏利. 计算机与现代化. 2018(09)
[4]基于情感倾向性分析的微博意见领袖识别模型[J]. 陈志雄,王时绘,高榕. 计算机科学. 2018(05)
[5]双通道卷积神经网络在文本情感分析中的应用[J]. 李平,戴月明,吴定会. 计算机应用. 2018(06)
[6]基于SVM的高维混合特征短文本情感分类[J]. 王义真,郑啸,后盾,胡昊. 计算机技术与发展. 2018(02)
[7]基于BLSTM的维吾尔语文本情感分析[J]. 王树恒,吐尔根·依布拉音,卡哈尔江·阿比的热西提,艾山·吾买尔,古丽尼格尔·阿不都外力. 计算机工程与设计. 2017(10)
[8]基于情感分析的社交网络意见领袖的识别——以汽车论坛为例[J]. 朱茂然,林星凯,陆頲,王洪伟,王伟. 情报理论与实践. 2017(06)
[9]一种基于联合深度神经网络的食品安全信息情感分类模型[J]. 刘金硕,张智. 计算机科学. 2016(12)
[10]基于多维特征分析的社交网络意见领袖挖掘[J]. 曹玖新,陈高君,吴江林,刘波,周涛,胥帅,朱子青. 电子学报. 2016(04)
本文编号：3404187
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：67 页
【学位级别】：硕士
【部分图文】：
图１－１本文的主要研究内容??研究内容具体如下：??
?〇?２??ｚＯ＾￣￣－ｐｊ＊－Ｏ?１３??图２－１符号社交网络示意图??２．２意见领袖??意见领袖是指具有较高声望的用户，其往往具有独立的见解和出色的文字能力，发??表一些关于对社会热点、突发事件的言论，影响网络中的其他用户。此外，意见领袖往??往是较为活跃的用户，经常出没在社交网络平台上。这些特点使得在信息的传播和舆论??的发展中，意见领袖起到了至关重要的作用。在信息传播中，意见领袖能够对信息作出??客观合理的解释，并推动信息在社交网络中的传播。在舆论的发展中，意见领袖往往引??导了舆论的走向。??社交网络意见领袖的类型比较多样。一方面，他们可以是那些著名的人，例如商业??界精英人士、某领域的专家、出色的新闻工作者等。若在他们擅长或者工作的领域中，??他们往往具有较多的支持者，具备成为意见领袖的基矗但是在一些别的领域，他们也??可能成为一名普通的网民。另一方面，意见领袖也可以是我们中的任何一员，包括朋友、??家人、同事等，都可能会在某些话题中发表的言论被大量网民所关注和评论，并左右网??民的看法。只要他的观点够明确，思维够独特，并且能够在网络中起到引导舆论方向的??作用，这时他就成为了该话题中的意见领袖。??本文根据意见领袖的特点，将传播能力和支持者比例作为衡量意见领袖的指标。传??播能力越强的意见领袖，在信息的传播中起到的作用越大，其观点能够传播给越多的用??户。支持者比例越高的意见领袖，其观点获得越多用户的支持。只有传播能力强且支持??者比例高的用户才能成为社交网络中的意见领袖，进而引导舆论的方向。??８??
将网页进行排序而计算网页重要性的技术，之后被关键词提取｜４５］、社??区发现Ｉ４６］、学术影响力评估［４７】和意见领袖挖掘［４８］等领域所应用。其主要思想基于两个假??设：网页重要性假设和用户浏览假设。网页重要性假设：一个网页的重要性将会平均传??递到它所链接的网页，一个网页的重要性由链入的网页传递而来。用户浏览假设：用户??随机访问一个网页后，会沿着超链接方向向前访问网页。因此，一个节点的重要性由链??向它的节点决定，一个有较多重要节点链入的节点会有较高的重要性。??⑩?Ｇ??图２－２节点和链接关系示例??图２－２是包含５个节点和９个链接关系的网络拓扑图。各个节点的ＰａｇｅＲａｎｋ值平均??分配给它所链向的节点，而各个节点的ＰａｇｅＲａｎｋ值由所有链入节点的ＰａｇｅＲａｎｋ值传递??而来。以节点ａ为例，节点ａ的ＰａｇｅＲａｎｋ值是节点ｄ平均分配到节点ａ、节点ｂ和节点??ｃ的，而节点ａ的ＰａｇｅＲａｎｋ值又平均分配给节点ｂ、节点ｄ和节点ｅ。各节点的ＰａｇｅＲａｎｋ??值的计算方法如公式（２－１）所示。??ＰＲ（ｕ，）?＝?（＼－ｄ）?＋?ｄｘ?Ｙ?＇＂ｎ＂１。一＾＾／）?（２－１）??ｕ，＾ｕ，）Ｎ（ＯＵＴ｛＜Ｕｊ））??其中，尸７？（ｗ，）表示ｗ，的ＰａｇｅＲａｎｋ值；７／ＶＯＯ表示链向ｗ，的节点集合；Ｗ（Ｏｆ／ｒ（ｗ，））??表示＼链向的节点数；ｄ为阻尼系数，其代表的意义是，节点在任意时刻沿着链接方向??继续访问其它节点的概率；１－?Ｊ是指节点在任意时刻停止沿着链接方向访问其它节点而??随机跳转到某个节点的概率。??９??
【参考文献】：
期刊论文
[1]虚拟学习社区中意见领袖识别模型研究[J]. 许睿,李艳翠,訾乾龙,李宗儒,张平川. 计算机技术与发展. 2020(05)
[2]知乎平台用户影响力分析与关键意见领袖挖掘[J]. 郭博,许昊迪,雷水旺. 图书情报工作. 2018(20)
[3]面向新浪微博的意见领袖挖掘算法[J]. 刘俊杰,马畅,邵维龙,韩东红,夏利. 计算机与现代化. 2018(09)
[4]基于情感倾向性分析的微博意见领袖识别模型[J]. 陈志雄,王时绘,高榕. 计算机科学. 2018(05)
[5]双通道卷积神经网络在文本情感分析中的应用[J]. 李平,戴月明,吴定会. 计算机应用. 2018(06)
[6]基于SVM的高维混合特征短文本情感分类[J]. 王义真,郑啸,后盾,胡昊. 计算机技术与发展. 2018(02)
[7]基于BLSTM的维吾尔语文本情感分析[J]. 王树恒,吐尔根·依布拉音,卡哈尔江·阿比的热西提,艾山·吾买尔,古丽尼格尔·阿不都外力. 计算机工程与设计. 2017(10)
[8]基于情感分析的社交网络意见领袖的识别——以汽车论坛为例[J]. 朱茂然,林星凯,陆頲,王洪伟,王伟. 情报理论与实践. 2017(06)
[9]一种基于联合深度神经网络的食品安全信息情感分类模型[J]. 刘金硕,张智. 计算机科学. 2016(12)
[10]基于多维特征分析的社交网络意见领袖挖掘[J]. 曹玖新,陈高君,吴江林,刘波,周涛,胥帅,朱子青. 电子学报. 2016(04)
本文编号：3404187
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3404187.html
