没有合适的资源?快使用搜索试试~ 我知道了~
多维度社交网络舆情用户群体聚类分析方法研究.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 105 浏览量
2022-06-26
10:06:01
上传
评论
收藏 1.75MB DOCX 举报
温馨提示
试读
17页
多维度社交网络舆情用户群体聚类分析方法研究.docx
资源推荐
资源详情
资源评论
1 引言
据《2020-2021 年中国移动社交行业研究报告》数据显示,中国社交行业用
户规模突破 9 亿人,其中微博是目前市场主流应用
[1]
。微博作为中国最具影响力的
社交网络平台,垂直覆盖领域达到 60 个
[2]
。随着互联网普及率和网民数量的迅速
增长,以微博为代表的社交网络平台已经逐渐成为突发事件舆情产生、发酵、演
变和传播的核心阵地。社交网络舆情事件的明显特征是具有用户的群体性 ,当持
某一立场的网民群体达到一定规模时,群体的意见倾向表达不仅能够感染和同化
群体外部的网民,甚至可能会影响舆情事件的演进发展态势。因此,对于社交网络
舆情中用户群体的聚类特征进行分析,是社交网络舆情监管和控制的重要切入点。
目前,国外在此领域的研究主要关注社交网络舆情中的信息传播、观点挖掘
或情感分析等方面,并多利用数学建模、超网络、复杂网络动力学模型和仿真模
型等方法研究舆情事件的传播和演变。Garcia 等
[3]
通过分析恐怖袭击发生后 6 万
多名 Twitter 用户的数据,对社交网络中集体消极情绪反应的影响进行分析,为事
后社交网络中社区危机管理提供了借鉴 ;Qiu 等
[4]
指出随着 Twitter、Facebook 和
微博等社交媒体高度普及,用户集群已成为越来越重要的研究主题;Liu 等
[5]
将用户
信息和网络全局信息共同纳入分析范围,提出一种用于社交网络中用户社群监测
的划分和聚集算法(DA);You 等
[6]
通过仿真实验,提出“中央节点识别-标签传播-
社群组合”的三段式社群发现算法,为社交网络中的用户社群研究提供了新的思路。
目前国内对于社交网络舆情用户群体的分析和研究主要体现在用户画像构建、
情感分析、社群和用户行为等方面。林燕霞等
[7]
基于社会认同理论构建了微博群
体用户画像,并依据不同群体用户的典型特征提出了相应的网络舆情治理建议;何
高奇等
[8]
提出了一个基于 SIRS 传染病模型改进的群体情绪感染模型 E-SIRS,动
态模拟了突发舆情事件下群体情感的变化趋势;张海涛等
[9]
基于复杂网络理论,通
过社群发现算法识别话题社群,对热点事件中的话题社群及网民情感波动进行研
究;孙越恒等
[10 ]
以复杂网络理论为基础,融合在线社交群体的多维特征构建了社交
群体行为模式分析框架,对比分析了事件驱动下的社交群体行为规律。从国内外
研究成果来看,用户集群的研究受到重视,目前从主题、社群监测、标签、群体情
绪和社群发现等角度对用户群体进行分析的研究较为常见,但是,从多维度对用户
群体特征进行聚类和多角度分析的研究较为少见,并且利用可视化图谱对用户特
征进行展示和分析的研究也有限。
因此,基于目前的突发事件社交网络舆情发展背景和相关研究现状,本文拟解
决以下问题。
(1)如何基于群体理论构建社交网络舆情事件中的用户群体聚类图谱模型?
(2)如何量化社交网络舆情事件中用户群体聚类图谱特征信息?
(3)多话题网络舆情事件的群体聚类图谱有何异同?
通过对相关文献的梳理,以群体理论作为理论基础,从情绪结构、权力结构和
关系结构三个维度构建突发事件社交网络舆情用户群体聚类图谱,并对聚类后的
群体情感结构、权力结构和关系结构进行可视化分析。本文力求为学界的社交
网络舆情可视化图谱构建与分析提供新的研究视角和方法,同时为产业界建立健
全社交网络舆情监管平台提供实践上的借鉴和参考。
2 理论基础
2.1 群体理论
群体理论(Group Theory)指的是社会心理学中探索和解释群体过程或群
体动态及其相关问题的一般理论观点
[11 ]
。影响力较大的群体理论是法国社会心理
学家古斯塔夫·勒庞提出的,主要从心理学角度考察群体问题,通过对组成群体的
个体特征进行分析和研究,达到解释群体特征的目的。这些群体特征包括两个方
面,即群体的组成和群体的结构。其中,群体的结构包括情感结构、权力结构(领
导与被领导)和群体关系结构等
[12]
。目前,群体理论在高校学生管理、个人社会
化和大众传播等方面已经有了广泛的应用
[13 ]
。
2.2 社交网络用户的聚类
随着 Twitter、Instagram、微博、知乎等社交网络应用的大量兴起,社交网
络用户的数量显著增加。社交网络用户聚类分析近年来已经逐渐成为计算机和
图书情报领域研究的热点问题
[14]
。目前,社交网络用户聚类研究主要从用户的行
为数据和发布的内容数据出发,构建新的模型或方法对用户进行聚类分析。Liang
等
[15 ]
提出动态的用户集群主题模型(UCT),使用用户生成内容推断用户当前的
分布,并通过实验验证了所提出的用户聚类模型与最新标准相比的有效性 ;Qiu 等
[4]
构建动态社交网络主题模型(DSM),通过在短文本中为用户创建具有动态特
征和社交连接性的主题实现用户聚类,实验结果表明在带有社交网络短文本的用
户聚类中,该聚类模型优于其他方法;Hu 等
[16]
利用用户标签、位置以及时间数据,
提出一种基于非负矩阵三因子分解的协同聚类方法,并通过真实数据集验证了该
方法对比其他聚类方法的有效性;Koc 等
[17 ]
将 Twitter 数据按照用户、用户讨论的
问题和用户在讨论中使用的术语进行解释,并在这三个维度上采用协同聚类形成
多个用户集群,通过实际数据集和合成数据集测试了算法以说明算法的适用性。
2.3 社交网络舆情用户群体聚类图谱构建的提出
在本文的研究中,将社交网络舆情用户界定为通过社交网络平台参与事件讨
论、转发和点赞等过程的用户。由于社交网络和舆情事件传播的特殊性 ,面对同
一舆情事件,不同用户的情感态度、影响范围、关系网络等都是不同的,通过对用
户群体的有效聚类可以将行为、立场和情感等性质相近的用户归为一类群体,差
异较大的用户个体划到不同的群体类别。通过图谱可视化工具可以更为直观地
展示和分析出不同用户群体的聚类特征,进而制定个性化、具体化和有针对性的
舆情处理和调控策略,并对用户的舆情参与和传播行为进行预测,这对社交网络舆
情事件的管控及引导具有重要的参考价值和实践意义。
3 社交网络舆情用户群体聚类分析方法
3.1 社交网络舆情用户聚类特征
社交网络舆情用户的群体聚类特征体现在用户情感特征、权力特征和关系
特征三个方面。
社交网络舆情用户情感特征是指舆情事件中用户的情感类别 ,反映了群体的
情绪结构。情感分类是指基于用户文本进行挖掘和分析,识别出其中的情感倾向
性,并对情感进行分类,如褒义、贬义等
[18 ]
。在舆情事件发生时,数量规模较大群体
的情感倾向不仅会影响群内用户个体,还会对群外用户个体产生影响。因此,舆情
用户的情感类别是聚类特征的一个重要维度,对于群体中情感倾向分布情况的及
时把握和预测,有利于对每个用户的情感倾向进行有针对性的引导。
社交网络舆情用户权力特征是指舆情用户节点影响力的大小。由于社交网
络的开放性,在网络舆情事件传播和发展的过程中,普通用户节点对关键用户节点
或传播影响力大的用户节点具有一定的依赖性,会形成以关键节点或传播影响力
大的用户节点为中心的群簇。关键用户节点和传播影响力大的用户节点对普通
用户节点具有影响和引导作用,类似于群体内部的“领导”与“被领导”的关系 ,这也
是群体理论中群体权力结构的体现。
社交网络舆情用户关系特征是指用户的点赞、评论和转发等动态数据信息 ,
体现了社交网络舆情用户的关系网络,类似于群体中的人际关系结构。对于用户
关系数据信息的分析,不仅能够揭示舆情事件传播过程中各个用户节点之间的关
系网络,而且能够帮助舆情管理者更好地理解舆情信息的传播路径和方向,对舆情
监控和舆情热点监测具有重要的意义。
3.2 分析方法
使 用 火 车 头 脚 本 编 辑 爬 虫 软 件 实 现 数 据 采 集 。 获 取 的 数 据 通 过
Excel、Access 等软件进行数据的预处理,包括筛选、去重、删除空白及无效文
本、取消超链接等。本文基于群体理论、情感分析和聚类分析等算法 ,构建了社
交网络舆情用户群体聚类分析方法,具体方法过程如图 1 所示。
图 1
图 1社交网络舆情用户群体聚类分析方法
Fig.1Social Network Public Opinion User Clustering Analysis Method
(1) 群体情感特征
卷积神经网络(Convolutional Neural Networks,CNN)是一种包含卷积计
算、深度结构的前馈神经网络,是一种典型的深度学习模型
[19 ]
。近年来,越来越多
的学者倾向于通过卷积神经网络解决文本情感分类问题
[20 ,21]
。不同学者在进行情
感分类研究时使用的研究标准是不同的,较为常见的是三级(正、负和中性)分
类
[22 ,23]
。因此,本文通过卷积神经网络模型进行三级分类,并在群体聚类过程中,用-
1 代表消极情感,0 代表中性情感,1 代表积极情感。
剩余16页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3588
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- python开心麻花影视作品分析程序+源码.zip
- pythonExcel数据分析师程序+源码.zip
- PlatformUI.jar 支持RCP控件环境插件
- 基于BP神经网络的回归分析,基于优化动量因子的BP神经网络,基于优化学习率的BP神经网络,基于优化隐藏层神经元的bp神经网络
- python读取excel数据Python-file-reading-master.zip
- STC15单片机串口2使用程序例子
- 读取日志的excel生成周报 用python3开发weekplan-master.zip
- python 读取excel数据导入dbimport-data-master.zip
- K折交叉验证BP神经网络,多输入多输出BP神经网络(代码完整,数据齐全)
- B07训练原图.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功