论文部分内容阅读
随着互联网2.0的概念和技术的快速发展,以Facebook、Twitter、LinkedIn、新浪微博为代表的社交网络应运而生,对大众的生活方式产生了巨大改变,也在大众的日常社交生活、分享信息、和交流意见中扮演着至关重要的角色。随着社交网络的不断发展,社交网络与现实社会的结合与联系越来越紧密,其研究价值与现实意义也越来越突显。因此,社交网络成为了近年来最热门的研究领域之一。首先,能否对社交网络中的信息传播数据进行快速准确地获取?研究传统社交网络的传播规律在如今社交网络中的适用情况?其次,能否对社交网络信息传播结构形态进行预测?是否有好的方法衡量或者表示社交网络中的信息传播的结构形态?是否可以建立社交网络信息传播结构形态预测模型?这些都是开放性且具有挑战性的问题;最后,如何将研究方法有机地融合在系统中并发挥实际效用也是需要进一步解决的问题。因此,基于上述研究背景与相关问题,本文的主要工作包括:1.社交网络信息传播规律方面:首先分析社交网络拓扑结构以及信息传播机制对信息传播的影响;接着介绍了一种新型社交网络信息传播树生成算法;最后基于新浪微博数据集,通过实验分析验证了传统意义的“沉默螺旋”理论在社交网络仍然适用的结论;2.社交网络信息传播预测方面:首先介绍了社交网络的信息传播结构形态预测问题的基本思想;其次,通过真实案例发现并建立了社交网络信息传播结构形态与模块度(Modularity)之间的映射关系,并提出一种基于三次指数平滑的信息传播结构形态预测模型;最后,对信息传播结构形态预测模型进行实验评估;3.系统实现方面:综合上述研究成果,设计并实现社交网络信息传播分析与预测系统(SNIDAPS),对SNIDAPS系统的系统架构、处理流程和核心模块进行了详细介绍。除此之外,还对SNIDAPS系统进行了功能和性能的评测,最终发现SNIDAPS系统的各项功能与性能指标均符合预期设计,可以有效地对社交网络的信息传播进行分析预测。本文结合了传播学、数据挖掘、复杂网络理论等交叉学科的研究思想和研究方法,对社交网络信息传播规律和预测等问题进行了研究。通过本文的研究,既可以更好的理解社交网络信息传播的内在本质,也可以有效地预测信息传播结构形态,此外,对于广告精准投放、个性化推荐、社会管理等多个领域都具有十分重要的参考价值与借鉴意义。