發(fā)布時間：2020-05-07 12:06

【摘要】：互聯網為信息的傳播提供了各種各樣的平臺,信息傳播的過程中同時也伴隨著影響力的傳播。對信息傳播過程中的影響力進行分析可以應用到如:廣告投放、商品營銷、輿情控制等方面,網絡中影響力的傳播情況則是通過影響力傳播模型來進行分析的。由于影響力傳播的廣泛應用,目前已經有不少針對影響力傳播模型的研究。本文從影響力傳播入手,重點研究了動態(tài)網絡中的影響力傳播模型。目前,對于影響力傳播模型的研究大多是在靜態(tài)網絡下進行的,但是在靜態(tài)網絡中,網絡的結構、節(jié)點的狀態(tài)都是不變的,這對影響力傳播的分析造成了局限使得分析出來的結果與實際的傳播情況不一致。在動態(tài)網絡中進行影響力傳播模型的研究會使影響力傳播的結果更加精確,但是有幾個需要解決的問題:第一,節(jié)點激活閾值的確定;第二,節(jié)點激活概率的計算。本文主要是對激活概率的計算方法進行了改進,通過對現有模型的深入學習和對社交網絡中信息傳播的影響因素的分析,加入情感傾向到激活概率的計算公式中,然后對傳播過程中的情感的轉變進行分析得到傳播過程中的情感轉換率進一步改進激活概率計算公式,將改進后的激活概率計算公式加入到獨立級聯模型中,使之能夠適應網絡的動態(tài)變化。通過新浪微博API進行數據的抓取,總共包含15000條微博數據來對改進后的獨立級聯模型進行驗證。通過評價指標來對模型的傳播效果進行評價,并與原模型進行比較證實了改進后的獨立級聯模型可以更有效的預測影響力的傳播情況。
【圖文】：

圖 2.1 國內外主流的社交網站界是一個由相互連接的部分組成的復雜系統(tǒng)，各部分自身構成了多數情況下社交網絡都能反映這一點。社會網絡分析是一個豐富社會學、社會心理學、人類學、物理學、數學、計算機科學等多領域，不同科學領域的研究人員通過合作受益匪淺[18]。社交網絡構建的，可以被定義為一組社會實體，如人、群體和組織，他們系或交互模式。這些網絡通常由數學圖形來建模，其中頂點代表社它們之間建立的聯系，這種網絡的底層結構是社交網絡分析的研絡分析方法和技術旨在發(fā)現社交網絡中個體行為之間的交互模式的重點在于網絡中實體之間的關系，而不是實體本身，在更廣泛的這種技術的主要目標是研究社交網絡中關系的內容和模式，以便關系以及這些關系的含義。社交網絡分析的任務包括使用統(tǒng)計措響力的、有聲望和處于網絡中心的節(jié)點；通過鏈路分析算法識別樞

節(jié)點 b 會在下一時刻被激活，而節(jié)點 c 則不會被激活；如圖3.1(c)所示，在 t=2 時節(jié)點 b 已經變成激活狀態(tài)，它也會試圖去激活其鄰居節(jié)點，在 t=1 時沒有被激活的節(jié)點 c 在節(jié)點 a、b 和節(jié)點 d 的共同影響下也被成功激活；最后圖 3.1(d)表示的是傳播的最終狀態(tài)，因為，節(jié)點 c 和節(jié)點 d 無法成功激活節(jié)點e，，整個網絡中已經沒有節(jié)點可以被激活，所以傳播過程到此結束。(a) t0 時刻傳播狀態(tài) (b) t1 時刻傳播狀態(tài)(c) t2 時刻傳播狀態(tài) (d) 傳播最終狀態(tài)圖 3.1 線性閾值模型傳播過程3.2 線性閾值模型閾值的決定因素線性閾值模型中，節(jié)點的閾值反映的是節(jié)點被成功影響的可能性大小，在原模型中節(jié)點閾值的選取是隨機的。然而，在實際的網絡中用戶是否可能受影響是會受到各方面的因素影響的。本節(jié)中將節(jié)點相似度、節(jié)點在網絡中的重要度兩項作為閾值的影響因素，對閾值的取值范圍進行進一步的確定。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP393.09

【參考文獻】

相關期刊論文 前10條

1 梁軍;柴玉梅;原慧斌;昝紅英;劉銘;;基于深度學習的微博情感分析[J];中文信息學報;2014年05期

2 郭靜;曹亞男;周川;張鵬;郭莉;;基于線性閾值模型的影響力傳播權重學習[J];電子與信息學報;2014年08期

3 吳信東;李毅;李磊;;在線社交網絡影響力分析[J];計算機學報;2014年04期

4 賀飛艷;何炎祥;劉楠;劉健博;彭敏;;面向微博短文本的細粒度情感特征抽取方法[J];北京大學學報(自然科學版);2014年01期

5 任卓明;邵鳳;劉建國;郭強;汪秉宏;;基于度與集聚系數的網絡節(jié)點重要性度量方法研究[J];物理學報;2013年12期

6 周勝臣;瞿文婷;石英子;施詢之;孫韻辰;;中文微博情感分析研究綜述[J];計算機應用與軟件;2013年03期

7 陸文星;王燕飛;;中文文本情感分析研究綜述[J];計算機應用研究;2012年06期

8 汪小帆;蘇厚勝;;復雜動態(tài)網絡控制研究進展[J];力學進展;2008年06期

9 葉強;張紫瓊;羅振雄;;面向互聯網評論情感分析的中文主觀性自動判別方法研究[J];信息系統(tǒng)學報;2007年01期

10 項林英;陳增強;劉忠信;袁著祉;;復雜動態(tài)網絡的建模、分析與控制研究綜述[J];自然科學進展;2006年12期

相關博士學位論文 前2條

1 烏達巴拉（Odbal）;基于監(jiān)督學習的文本情感分析研究[D];中國科學技術大學;2017年

2 孫凌;社交網絡中的信息與影響力傳播模式研究[D];北京交通大學;2017年

相關碩士學位論文 前2條

1 任留名;基于社會特性的社交網絡影響力分析[D];合肥工業(yè)大學;2016年

2 王彪;社交網絡中的用戶影響力分析[D];哈爾濱工業(yè)大學;2012年

本文編號：2652947