顾秋阳¹，琚春华^2,3，鲍福光²

1. 浙江工业大学管理学院,杭州 310023; 2. 浙江工商大学管理工程与电子 商务学院, 杭州 310018; 3. 浙江工商大学统计学院, 杭州 310018

出版日期:2020-09-25发布日期:2020-11-16

The Discovery Method of Public Opinion Source in Social Network Services with the Intensity of User Relationship

GU Qiuyang¹ ,JU Chunhua ^2,3, BAO Fuguang²

1.School of Management, Zejiang University of Technology, Hangzhou 310023; 2. School of Management Scince & Engineering, Zhejiang Gongshang University, Hangzhou 310018; 3. Institute of Statistics, Zhejiang Gongshang University, Hangzhou 310018

Online:2020-09-25Published:2020-11-16







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

近年来, 社交网络已成为用户普遍分享信息和交流互动的媒介, 这使得社交 网络中的舆情信息传播具有速度快、覆盖范围广等特征. 但是, 由于存在较多破坏性强、非理 性的负面舆情信息, 故社交网络舆情信源的发现和控制受到了学术界与相关监管者的广泛关注. 文章针对社交网络中节点间关系强度不确定、舆情信源定位困难等问题提出了一种两阶段的舆情信源发现方法, 以传统社交网络SI模型为基础, 融入用户关系强度进行优化, 在异质网络环境下结合概率加权图和宽度优先搜索树进行建模, 并结合Louvain算法进行算法设计, 最后利用BA无标度网络和真实社交网络用户数据集进行算法比较. 实验结果表明, 文章所提舆情信源发现算法从运行效率和准确率来看都优于现有的信源定位算法.

分享此文:

()

[1]	吴宝, 池仁勇. 融入情感分析与用户热度的社交网络用户可信度量方法[J]. 系统科学与数学, 2021, 41(4): 1091-1107.
[2]	杨靛青，韩清云. 基于TOPSIS的网络舆情态势等级模糊多指标综合评价模型[J]. 系统科学与数学, 2020, 40(8): 1352-1364.
[3]	李振鹏，陈碧珍，罗静宇. 基于文本挖掘的网络舆情分类研究[J]. 系统科学与数学, 2020, 40(5): 813-826.
[4]	李振鹏，黄帅. 基于LDA主题模型的网络舆情研究[J]. 系统科学与数学, 2020, 40(3): 434-447.
[5]	顾秋阳，琚春华，鲍福光. 融入用户群体行为的移动社交网络舆情传播动态演化模型研究[J]. 系统科学与数学, 2020, 40(12): 2278-2296.
[6]	陈业华，白静，王立山. 基于随机模型的群体性突发事件舆情演化研究[J]. 系统科学与数学, 2017, 37(11): 2232-2244.
[7]	曹丽娜，唐锡晋. BBS话题的地理分布分析[J]. 系统科学与数学, 2016, 36(5): 671-682.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13966