社交媒体信息传播与情感计算
发布时间:2020-08-27 23:21
【摘要】:随着互联网技术的飞速发展,尤其是移动互联工具的兴起,在线社交媒体已成为网民传播信息和表达情感的主要途径。伴随而来的谣言肆意传播等网络舆情问题,对社会的稳定发展带来了极大的隐患。如何对互联网上信息的传播进行有效监控、对网络谣言及时制止、对社会情绪进行正确引导已成为当前亟待解决的问题。本文主要面向社交媒体的信息传播及谣言分类问题展开研究。文中前两章对该问题的研究现状和基础技术进行了介绍,针对现有研究的不足,在第三、四两章分别就信息的传播与舆情的演化、谣言立场分析和谣言的真实性检测提出相应解决方法。本文的主要贡献如下:(1)对于信息传播的研究,我们提出基于多智能体的仿真方法。以复杂网络为基础,提出网民传播意愿模型,对网民的信息传播行为进行建模。然后对政府、网民和媒体进行基于多智能体的建模,设计个体行为与交互规则。最后将网民传播模型与主体交互模型相结合,并且通过实证证明模型的有效性。(2)对于谣言立场分析任务,从特征模板出发,针对语料特点从三个维度挖掘特征,提升了传统分类方法作用于在该任务上的分类效果。针对传统方法没有有效利用原始谣言信息以及语料结构的问题,我们提出两种新的模型,一种是将分类问题用序列标注的方法来解决,将树结构语料处理为序列形式样本,基于LSTM的多种变体进行序列标注实验;然后提出另一种模型,将数据进行不同方式的拼接之后结合Attention机制进行序列分类,本文提出的模型在相关数据集上取得了较好的实验效果。(3)对于谣言真实性预测任务,在限定资源下,使用新的特征模板采用支持向量分类取得目前最好效果,然后在非限定资源下结合立场检测做了一定探索。
【学位授予单位】:南京理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:G206;TP391.1
【图文】:
网络模型的发展经历了从规则网络、随机图到现在的小世界网络、无标度网络等网逡逑络模型。小世界性和无标度性是目前最典型的复杂网络的特征,在小世界网络中,节点逡逑间的平均路径长度很短,聚集系数比较高,该种性质一般称为小世界性,如图2.1左。逡逑聚集系数指一个点的邻接点之间相互连接的程度,例如在社交网络中你的朋友们相互认逡逑识的程度。无标度性指的是在网络中节点的度分布服从幂律分布,因为幂律分布具有标逡逑度不变性,所以称为无标度分布,如图2.1右。逡逑小世界网络的平均聚集系数大于随机网络,平均节点距离小于规则网络。构造方法逡逑有两种:WS构造方法和NW方法。WS方法是:先构造一个规则网络,以一定概率p将逡逑网络中存在的连接打乱重连。当p邋=邋l时,得到的就是随机网络。0<p<l时得到的是逡逑小世界网络。NW方法与WS方法不同的是将重连改为添加操作。网络结构图如下:逡逑?|逡逑|逦1逦逦逡逑图2.1两种复杂网络模型逡逑无标度网络的构建方法简称BA无标度法:从个节点的初始随机网络开始,每次逡逑增加一个新的节点
2.2.2谣言分类系统架构逡逑一个完整的谣言分类系统应包含多个模块。在此我们定义一个完整的谣言分类模型逡逑至少包含四个模块,分别是:检测、跟踪、立场分析、真实性分类,如图2.2:逡逑逦邋逦1逦3.邋Stance邋Ctassi-邋4.邋Veracity邋Clas-逡逑1.邋Detection逦2.邋Tracking逦fication逦sification逡逑input:逦丨邋njmt:逦Input:逦Input:逡逑stream邋of邋posts.逦stream邋of邋rumour逦stream邋of邋relevant逦posts邋linked邋to邋a邋ru-逡逑Output:逦posts.逦posts.逦mour.逡逑each邋post邋labelled逦Output:逦Output:逦Ou^>ut:逡逑as邋rumour邋or邋non-逦each邋post邋labelled邋as逦posts邋labelled邋for逦rumour-level邋verac-逡逑rumour.逦relevant邋or邋not.逦support,邋deny[,逦ity邋as邋true,邋false邋or逡逑逦逦邋逦J邋query,邋comment]逦unverified.逡逑图2.2谣言分类系统架构图逡逑(1)
为政府对舆情的监管提供决策思路。该研宄的创新点在于从个体角度对信息逡逑传播过程和观点交互过程建模进行了结合,对个体间的交互进行了全面多样的设计。逡逑具体步骤按照图3.1所示进行:逡逑第一步,选用合适的复杂网络作为仿真的媒介;逡逑第二步,对网络节点进行初始化,以及仿真环境参数的配置;逡逑第三步,开始仿真过程,此过程是由信息传播与观点交互相结合的一个过程;逡逑第四步,根据仿真过程的可视输出,我们能从微观或者宏观不同角度观测到智能体逡逑的状态的演变,适时的进行人工干预;逡逑第五步,模型运行到预期时间时停止;模型中信息传播与观点交互的过程是迭代进逡逑行的。逡逑可视输出逡逑i邋[逡逑i逦i逡逑I逦i逡逑i逦邋邋i逡逑i逦i逡逑C逦信息传播逦|逦逦逡逑逦邋]邋I逦终止逡逑观点交互邋J逦>逡逑i逡逑i逦邋邋i逡逑i逦i逡逑i逦_逦邋邋逦j逡逑参数调整逡逑图3.1仿真流程图逡逑该章节的组织结构如下:逡逑首先,我们构建了一个无标度网络,并且提出了一个基于网络进行信息传播的模型。逡逑其次
本文编号:2806748
【学位授予单位】:南京理工大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:G206;TP391.1
【图文】:
网络模型的发展经历了从规则网络、随机图到现在的小世界网络、无标度网络等网逡逑络模型。小世界性和无标度性是目前最典型的复杂网络的特征,在小世界网络中,节点逡逑间的平均路径长度很短,聚集系数比较高,该种性质一般称为小世界性,如图2.1左。逡逑聚集系数指一个点的邻接点之间相互连接的程度,例如在社交网络中你的朋友们相互认逡逑识的程度。无标度性指的是在网络中节点的度分布服从幂律分布,因为幂律分布具有标逡逑度不变性,所以称为无标度分布,如图2.1右。逡逑小世界网络的平均聚集系数大于随机网络,平均节点距离小于规则网络。构造方法逡逑有两种:WS构造方法和NW方法。WS方法是:先构造一个规则网络,以一定概率p将逡逑网络中存在的连接打乱重连。当p邋=邋l时,得到的就是随机网络。0<p<l时得到的是逡逑小世界网络。NW方法与WS方法不同的是将重连改为添加操作。网络结构图如下:逡逑?|逡逑|逦1逦逦逡逑图2.1两种复杂网络模型逡逑无标度网络的构建方法简称BA无标度法:从个节点的初始随机网络开始,每次逡逑增加一个新的节点
2.2.2谣言分类系统架构逡逑一个完整的谣言分类系统应包含多个模块。在此我们定义一个完整的谣言分类模型逡逑至少包含四个模块,分别是:检测、跟踪、立场分析、真实性分类,如图2.2:逡逑逦邋逦1逦3.邋Stance邋Ctassi-邋4.邋Veracity邋Clas-逡逑1.邋Detection逦2.邋Tracking逦fication逦sification逡逑input:逦丨邋njmt:逦Input:逦Input:逡逑stream邋of邋posts.逦stream邋of邋rumour逦stream邋of邋relevant逦posts邋linked邋to邋a邋ru-逡逑Output:逦posts.逦posts.逦mour.逡逑each邋post邋labelled逦Output:逦Output:逦Ou^>ut:逡逑as邋rumour邋or邋non-逦each邋post邋labelled邋as逦posts邋labelled邋for逦rumour-level邋verac-逡逑rumour.逦relevant邋or邋not.逦support,邋deny[,逦ity邋as邋true,邋false邋or逡逑逦逦邋逦J邋query,邋comment]逦unverified.逡逑图2.2谣言分类系统架构图逡逑(1)
为政府对舆情的监管提供决策思路。该研宄的创新点在于从个体角度对信息逡逑传播过程和观点交互过程建模进行了结合,对个体间的交互进行了全面多样的设计。逡逑具体步骤按照图3.1所示进行:逡逑第一步,选用合适的复杂网络作为仿真的媒介;逡逑第二步,对网络节点进行初始化,以及仿真环境参数的配置;逡逑第三步,开始仿真过程,此过程是由信息传播与观点交互相结合的一个过程;逡逑第四步,根据仿真过程的可视输出,我们能从微观或者宏观不同角度观测到智能体逡逑的状态的演变,适时的进行人工干预;逡逑第五步,模型运行到预期时间时停止;模型中信息传播与观点交互的过程是迭代进逡逑行的。逡逑可视输出逡逑i邋[逡逑i逦i逡逑I逦i逡逑i逦邋邋i逡逑i逦i逡逑C逦信息传播逦|逦逦逡逑逦邋]邋I逦终止逡逑观点交互邋J逦>逡逑i逡逑i逦邋邋i逡逑i逦i逡逑i逦_逦邋邋逦j逡逑参数调整逡逑图3.1仿真流程图逡逑该章节的组织结构如下:逡逑首先,我们构建了一个无标度网络,并且提出了一个基于网络进行信息传播的模型。逡逑其次
【参考文献】
相关期刊论文 前10条
1 吴鹏;杨爽;张晶晶;高庆宁;;突发事件网络舆情中网民群体行为演化的Agent建模与仿真研究[J];现代图书情报技术;2015年Z1期
2 王小立;;智能多Agent网络的微信信息传播仿真研究[J];现代图书情报技术;2015年06期
3 宋彪;朱建明;黄启发;;基于群集动力学和演化博弈论的网络舆情疏导模型[J];系统工程理论与实践;2014年11期
4 强韶华;吴鹏;;突发事件网络舆情演变过程中网民群体行为仿真研究[J];现代图书情报技术;2014年06期
5 任立肖;张亮;张春莉;;无标度网络机制下网络舆情传播演化规律分析[J];现代情报;2014年02期
6 吴凯;季新生;刘彩霞;;基于行为预测的微博网络信息传播建模[J];计算机应用研究;2013年06期
7 胡隆基;密启慧;许晶;;基于多智能体模型的微博舆论形成研究[J];情报杂志;2012年08期
8 王根生;;网络舆情群体极化动力模型与仿真分析[J];情报杂志;2012年03期
9 贺筱媛;胡晓峰;;基于Agent的Web网信息传播仿真模型[J];系统仿真学报;2010年10期
10 尼古拉斯·迪方佐;普拉尚·博尔迪亚;艾彦;;流言、传言和都市传说[J];第欧根尼;2008年01期
本文编号:2806748
本文链接:https://www.wllwen.com/xinwenchuanbolunwen/2806748.html