基于微博平台的社交网络舆情分析方法

发布时间：2020-07-12 06:06

【摘要】：近年来,微博平台快速发展,逐渐形成一个很大的网络媒体。通过微博评论参与各种热门话题,能比传统媒体更早地做出话题检测,以此挖掘舆论观点的反应。针对大众话题互动背后的文本对象主题,分析其内在的语义相关性,不仅具有很高的理论研究价值,也存在着巨大的社会、经济价值。传统的话题检测方法主要适用于传统媒体的文本,对于处理微博短文本稀疏的结构效果不明显,论文提出了基于文本聚类的模型检测方法和主题分析模型。在该方法中,首先根据微博特有的数据结构,进行预处理。并针对数据稀疏的问题,基于词向量利用聚类算法来丰富数据结果信息。最后,在传统的潜在狄利克雷主题分配(LDA)模型基础上进行扩展。与传统算法相比较,论文提出的方法在新浪微博测试语料集上取得了更好的性能,效果优于单一的聚类算法或话题检测模型。在提出基于文本聚类和主题模型进行话题检测的基础上,又提出了基于Pagerank微博信息传播影响力评价模型,该模型可重点关注微博信息传输过程中数据结构的传输质量,从中总结出影响微博用户行为特征的三个方面,也即用户节点活跃度、用户节点受关注度、用户节点质量。最终将三者的加权平均值与微博节点的粉丝数量平衡后引入PageRank算法进行计算,经过比较发现,该方法优于传统PageRank网页排名方法。论文最后,通过对具体实例进行分析研究,设计实现了舆情分析原型系统,验证了论文提出的话题检测方法与影响力评估模型的可行性。
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：G206
【图文】：

文本聚类,文本转换,自然语言,分析流程

图２．１文本聚类分析流程逡逑聚类分析的第一步，需要将自然语言文文本中的特征值抽取出来构造出特征要文本专业领域的知识进行参与，从出特征值矩阵。逡逑历了第一步的特征值抽取之后，就可Ｗ聚类算法通常考虑的方面不同，因而到不同的聚类结果。聚类算法一般考虑用模型的方法等。目前聚类算法的种小密度和全局参数考虑在内，但却没有均，因而会造成聚类质量的下降；基于达到终止条件形成有层次类别的效果；７逡逑

传播网络,节点图,信息,可视化

本节选取新浪微博社区＠人民日报在２０１４年３月８日发布的有关马航ＭＨ３７０航班失联逡逑的信息为研究对象。该条微博信息的转发数量达到了二十二万，该微博下的评论数量超过了逡逑两万，是一个讨论和转发较为活跃的微博信息，图３．２为此微博信息在传播中的节点网络结逡逑构图：逡逑蠢逡逑．‘╁义希垮危澹悍义希义希В危澹В拷裕拷诼危义掀澹危苠澹檬″义希3?图３．２微博传播网络节点图逡逑W３．２中的每个节点代表一条微博信息，连线间的关系代表转发关系，该图表可视化地逡逑１８逡逑

趋势图,变化趋势,实验结果,趋势

１０逦２０逦３０逦４０逦５０逦６０逦７０逦８０逦９０逦１００逡逑图３．６邋Ｋ值变化趋势逡逑图３．６是实验结果随着Ｋ值的改变而变化的趋势。不同实验数据集的大小不同，最合适逡逑的Ｋ值的大小也会改变。我们从上图中可Ｗ看出，最适宜本文中数据集的Ｋ＝４０。故本文下逡逑面的研究都是基于Ｋ＝４０的基础的。逡逑实验采用３．５．２节中介绍的评测标准作为相应算法的性能指标。对比结果如图３．７所示。逡逑０．７邋—Ｉ——WW －ｉ逡逑０．６邋—邋ＩＨ逦逦——｜Ｈ—逡逑０．５＾逦■逦：邋＾邋■ＨＷ逡逑Ｉ二＝逡逑０邋９—逦＼邋：邋．．．．逦逦逦邋ＷＫＳｍ逡逑；Ｍ逦Ｉ．邋］邋．逦：？■邋Ｉ邋Ｉ逡逑准确率逦召回率逦ｆ值逡逑图３．７邋ＬＤＡ与本文算法性能测评对比逡逑Ｗ上实验数据可Ｗ得到Ｗ下结论：首先，相较于单纯的ＬＤＡ算法，本论文提出的分析模逡逑型在各项性能指标上都有较大的提高。这主要是因为本文的算法考虑了微博数据自身结构化逡逑的信息，采用了基于特征扩展的技术，丰富了原始数据的特征信息。其次，引入微博信息中逡逑涉及的超文本连接中信息，可Ｗ较大的提高话题提取性能。在单一的ＬＤＡ话题检测算法中，逡逑没有引入基于词向量的聚类技术，使得数据矩阵高度稀疏也是使得算法没能达到满意结果的逡逑原因。因此，本文算法中提出的基于引入微博数据结构化信息１＾及聚类算法的话题检测方法，逡逑虽然增加了计算的复杂度

【相似文献】