社交網(wǎng)絡輿情傳播與控制研究.pdf

1、近年來，隨著社交網(wǎng)絡平臺的發(fā)展，社交網(wǎng)絡已經逐漸取代傳統(tǒng)媒體，成為人們獲取信息、傳播信息的主要平臺。社交網(wǎng)絡中信息數(shù)據(jù)的產生傳播也更為方便，在為信息傳播提供便利的同時也為謠言，反動信息提供了更好的傳播平臺。與現(xiàn)實社會不同，社交網(wǎng)絡的輿情產生可以不受時間、空間的限制，使得社交網(wǎng)絡的輿情更加難以控制。當負面社交網(wǎng)絡輿情大規(guī)模爆發(fā)時，如果不能及時有效控制負面輿情的發(fā)展，其將會成為影響廣泛的社會事件，危及整個社會的安全。因此，面向社交網(wǎng)絡輿情安

2、全的研究已經得到學界和業(yè)界的重點關注。
　　本文以最具代表性的社交網(wǎng)絡平臺微博作為研究對象，旨在研究社交網(wǎng)絡輿情傳播的影響、預測以及控制。由于微博網(wǎng)絡具有數(shù)據(jù)量大、信息碎片化嚴重、交互多樣性、信息傳播快等特性，通過系統(tǒng)審核或人工實時監(jiān)控等方式并不能有效地限制社交網(wǎng)絡輿情危機信息的傳播。因此，針對微博這一社交網(wǎng)絡輿情主要推動媒介，如何自動實現(xiàn)微博輿情的傳播影響度量、預測、對負面輿情信息的傳播控制與監(jiān)管，有效阻止微博輿情危機爆發(fā)并正確

3、引導微博輿論是社交網(wǎng)絡輿情安全保障中亟待解決的重要問題。
　　本文從社交網(wǎng)絡輿情安全的角度出發(fā)，主要針對以下幾個方面開展研究:
　　首先，針對大規(guī)模社交網(wǎng)絡數(shù)據(jù)中存在大量碎片化數(shù)據(jù)，并且這些數(shù)據(jù)具有較高的稀疏性，提出一種面向多實體稀疏關系數(shù)據(jù)的高效聯(lián)合聚類算法。在算法中，為了充分利用多關系數(shù)據(jù)，提出了一種魯棒的約束信息嵌入方法構建關系矩陣，降低了矩陣的稀疏性，進一步提高了算法的準確率。在稀疏約束的塊坐標下降框架下，關系矩陣通

4、過非負矩陣三分解算法同時獲得不同實體的聚類指示矩陣。非負矩陣分解過程中，通過高效的投射算法實現(xiàn)快速求解，確保了聚類結果的稀疏結構。在人工和真實數(shù)據(jù)集上的實驗表明，算法在三個指標上都具有明顯提高，特別在極端稀疏數(shù)據(jù)上的效果更加明顯。
　　其次，針對社交網(wǎng)絡輿情事件相關消息傳播影響度量問題，在綜合考慮交互用戶歷史屬性、用戶間交互類型及交互頻次的基礎上，提出了基于用戶交互的微博有向傳播樹模型。在該模型中建立用戶交互度量矩陣來描述用戶間的

5、交互，對單消息傳播過程中的用戶交互圖進行稀疏化處理形成有向傳播樹，來刻畫消息快速傳播過程描述。利用有向樹中邊的交互度量矩陣進行消息影響力度量和垃圾消息識別。在真實的新浪微博數(shù)據(jù)集上的實驗表明，傳播樹模型能夠有效地刻畫消息傳播過程，同時能夠有效地度量消息的傳播影響。
　　再次，針對社交網(wǎng)絡輿情事件相關消息傳播預測問題，考慮關鍵用戶對輿情事件傳播的影響，提出了基于關鍵用戶的動態(tài)線性預測模型。為了避免結構屬性對消息傳播規(guī)模預測的影響，將

6、消息的傳播規(guī)模刻畫成多個用戶的傳播規(guī)模問題，并建立用戶傳播影響函數(shù)。為了提高線性模型的擬合效率，僅考慮關鍵用戶的傳播影響函數(shù)生成線性預測模型。利用預測值和實際值的差異檢測輿情事件消息傳播中的關鍵用戶，并根據(jù)關鍵用戶動態(tài)的調整預測模型。在真實的微博網(wǎng)絡數(shù)據(jù)集上的實驗表明，模型能夠有效地預測消息傳播，在預測的同時能夠發(fā)現(xiàn)影響模型預測效果的關鍵用戶。
　　最后，針對社交網(wǎng)絡輿情產生時僅通過刪除相關輿情消息并不能有效地對輿情進行控制的問題