面向社交媒体的社会安全事件传播分析与预测
这是一篇关于社会安全事件,传播分析,影响力计算,转发预测,传播路径预测的论文, 主要内容为随着科学技术的不断发展,信息传播的主要渠道由报纸、电视等传统媒体逐步转向网络媒体,使人们获取、发布和传递信息更加高效、便捷。以微博为代表的网络社交媒体在为信息流动与共享创造便利环境的同时,也加速了社会安全事件的传播和网络舆情的扩散,为不法分子和境外敌对势力散布不实言论、引发公众负面情绪等提供了可乘之机。因此,开展网络社交媒体中社会安全事件的传播分析,预测社会安全事件的传播趋势,对网络舆情监控有重要的辅助作用,也对保障网络空间安全和维护社会稳定具有十分重要的意义。本文将新浪微博作为研究对象,对微博中社会安全事件的影响力评估、微博用户的转发行为预测和事件传播路径的预测进行了探索和研究,研究工作从事件的传播分析到预测,形成了一套面向社会安全事件传播监控的模型和系统。本文主要的研究内容和成果如下:(1)社会安全事件微博资源库建设方法研究提出了一种面向社会安全事件的微博数据爬取方法。通过对网络爬虫和微博平台的研究,利用Scrapy爬虫框架和新浪微博API构建了基于社会安全事件检索条件的微博数据爬取系统;针对网络文本的特点,在构建的用户词典、广告词典的基础上,设计了微博文本预处理策略,实现了垃圾微博的过滤和有效微博文本的分词,完成了社会安全事件微博资源库的建设。(2)微博中社会安全事件影响力评估方法研究提出了一种基于微博的社会安全事件影响力评估方法。通过分析微博信息传播的特点,构建了社会安全事件传播有向图,并依事件传播有向图构建了重点传播用户影响力计算模型和事件传播量计算方法,在此基础上,结合事件重点传播用户、传播量和传播速度三个方面构建了社会安全事件影响力评估方法。实验表明,该模型提取的重点传播用户具有较强的代表性,事件影响力评估效果较好。(3)微博用户转发行为预测方法研究提出了一套微博用户转发预测的特征体系和面向社会安全事件的用户转发行为预测模型。通过分析微博用户个人兴趣和行为习惯,从用户的属性特征、社交特征和事件特征方面构建了用户转发预测特征体系,利用TF-IDF抽取关键词语对用户兴趣和事件信息进行表示,采用词向量和余弦相似度计算方法实现了用户的相似度计算。在特征体系基础上,利用SVM分类模型构建了面向社会安全事件的用户转发行为预测模型。实验表明,微博用户转发预测特征体系能够较好地表征了用户的行为特点,在用户转发行为预测方面具有较高的准确率。(4)微博中社会安全事件传播路径预测方法研究提出了一种基于微博的社会安全事件传播路径预测模型。利用新浪微博中用户的关注与被关注关系构建了社交网络关系图,并在该图基础上分析了社会安全事件从初始到结束的传播流程。针对独立级连模型传播分析的特点,构建了IC-PPM传播路径预测模型,针对线性阈值模型传播分析的特点,改进了用户转发行为预测模型,并构建了LT-PPM传播路径预测模型。实验表明,线性阈值模型比独立级连模型能更好地模拟现实生活中社会安全事件的传播特点,LT-PPM比IC-PPM的性能更好。最后,在SSM架构下利用Bootstrap框架和Vue框架搭建了社会安全事件传播分析系统。系统由社会安全事件信息库、事件影响力计算、传播用户分析、重点传播用户展示和传播路径分析五个模块组成,可以对新浪微博中社会安全事件进行传播分析和可视化展示。
面向社交媒体的社会安全事件传播分析与预测
这是一篇关于社会安全事件,传播分析,影响力计算,转发预测,传播路径预测的论文, 主要内容为随着科学技术的不断发展,信息传播的主要渠道由报纸、电视等传统媒体逐步转向网络媒体,使人们获取、发布和传递信息更加高效、便捷。以微博为代表的网络社交媒体在为信息流动与共享创造便利环境的同时,也加速了社会安全事件的传播和网络舆情的扩散,为不法分子和境外敌对势力散布不实言论、引发公众负面情绪等提供了可乘之机。因此,开展网络社交媒体中社会安全事件的传播分析,预测社会安全事件的传播趋势,对网络舆情监控有重要的辅助作用,也对保障网络空间安全和维护社会稳定具有十分重要的意义。本文将新浪微博作为研究对象,对微博中社会安全事件的影响力评估、微博用户的转发行为预测和事件传播路径的预测进行了探索和研究,研究工作从事件的传播分析到预测,形成了一套面向社会安全事件传播监控的模型和系统。本文主要的研究内容和成果如下:(1)社会安全事件微博资源库建设方法研究提出了一种面向社会安全事件的微博数据爬取方法。通过对网络爬虫和微博平台的研究,利用Scrapy爬虫框架和新浪微博API构建了基于社会安全事件检索条件的微博数据爬取系统;针对网络文本的特点,在构建的用户词典、广告词典的基础上,设计了微博文本预处理策略,实现了垃圾微博的过滤和有效微博文本的分词,完成了社会安全事件微博资源库的建设。(2)微博中社会安全事件影响力评估方法研究提出了一种基于微博的社会安全事件影响力评估方法。通过分析微博信息传播的特点,构建了社会安全事件传播有向图,并依事件传播有向图构建了重点传播用户影响力计算模型和事件传播量计算方法,在此基础上,结合事件重点传播用户、传播量和传播速度三个方面构建了社会安全事件影响力评估方法。实验表明,该模型提取的重点传播用户具有较强的代表性,事件影响力评估效果较好。(3)微博用户转发行为预测方法研究提出了一套微博用户转发预测的特征体系和面向社会安全事件的用户转发行为预测模型。通过分析微博用户个人兴趣和行为习惯,从用户的属性特征、社交特征和事件特征方面构建了用户转发预测特征体系,利用TF-IDF抽取关键词语对用户兴趣和事件信息进行表示,采用词向量和余弦相似度计算方法实现了用户的相似度计算。在特征体系基础上,利用SVM分类模型构建了面向社会安全事件的用户转发行为预测模型。实验表明,微博用户转发预测特征体系能够较好地表征了用户的行为特点,在用户转发行为预测方面具有较高的准确率。(4)微博中社会安全事件传播路径预测方法研究提出了一种基于微博的社会安全事件传播路径预测模型。利用新浪微博中用户的关注与被关注关系构建了社交网络关系图,并在该图基础上分析了社会安全事件从初始到结束的传播流程。针对独立级连模型传播分析的特点,构建了IC-PPM传播路径预测模型,针对线性阈值模型传播分析的特点,改进了用户转发行为预测模型,并构建了LT-PPM传播路径预测模型。实验表明,线性阈值模型比独立级连模型能更好地模拟现实生活中社会安全事件的传播特点,LT-PPM比IC-PPM的性能更好。最后,在SSM架构下利用Bootstrap框架和Vue框架搭建了社会安全事件传播分析系统。系统由社会安全事件信息库、事件影响力计算、传播用户分析、重点传播用户展示和传播路径分析五个模块组成,可以对新浪微博中社会安全事件进行传播分析和可视化展示。
面向社交媒体的社会安全事件传播分析与预测
这是一篇关于社会安全事件,传播分析,影响力计算,转发预测,传播路径预测的论文, 主要内容为随着科学技术的不断发展,信息传播的主要渠道由报纸、电视等传统媒体逐步转向网络媒体,使人们获取、发布和传递信息更加高效、便捷。以微博为代表的网络社交媒体在为信息流动与共享创造便利环境的同时,也加速了社会安全事件的传播和网络舆情的扩散,为不法分子和境外敌对势力散布不实言论、引发公众负面情绪等提供了可乘之机。因此,开展网络社交媒体中社会安全事件的传播分析,预测社会安全事件的传播趋势,对网络舆情监控有重要的辅助作用,也对保障网络空间安全和维护社会稳定具有十分重要的意义。本文将新浪微博作为研究对象,对微博中社会安全事件的影响力评估、微博用户的转发行为预测和事件传播路径的预测进行了探索和研究,研究工作从事件的传播分析到预测,形成了一套面向社会安全事件传播监控的模型和系统。本文主要的研究内容和成果如下:(1)社会安全事件微博资源库建设方法研究提出了一种面向社会安全事件的微博数据爬取方法。通过对网络爬虫和微博平台的研究,利用Scrapy爬虫框架和新浪微博API构建了基于社会安全事件检索条件的微博数据爬取系统;针对网络文本的特点,在构建的用户词典、广告词典的基础上,设计了微博文本预处理策略,实现了垃圾微博的过滤和有效微博文本的分词,完成了社会安全事件微博资源库的建设。(2)微博中社会安全事件影响力评估方法研究提出了一种基于微博的社会安全事件影响力评估方法。通过分析微博信息传播的特点,构建了社会安全事件传播有向图,并依事件传播有向图构建了重点传播用户影响力计算模型和事件传播量计算方法,在此基础上,结合事件重点传播用户、传播量和传播速度三个方面构建了社会安全事件影响力评估方法。实验表明,该模型提取的重点传播用户具有较强的代表性,事件影响力评估效果较好。(3)微博用户转发行为预测方法研究提出了一套微博用户转发预测的特征体系和面向社会安全事件的用户转发行为预测模型。通过分析微博用户个人兴趣和行为习惯,从用户的属性特征、社交特征和事件特征方面构建了用户转发预测特征体系,利用TF-IDF抽取关键词语对用户兴趣和事件信息进行表示,采用词向量和余弦相似度计算方法实现了用户的相似度计算。在特征体系基础上,利用SVM分类模型构建了面向社会安全事件的用户转发行为预测模型。实验表明,微博用户转发预测特征体系能够较好地表征了用户的行为特点,在用户转发行为预测方面具有较高的准确率。(4)微博中社会安全事件传播路径预测方法研究提出了一种基于微博的社会安全事件传播路径预测模型。利用新浪微博中用户的关注与被关注关系构建了社交网络关系图,并在该图基础上分析了社会安全事件从初始到结束的传播流程。针对独立级连模型传播分析的特点,构建了IC-PPM传播路径预测模型,针对线性阈值模型传播分析的特点,改进了用户转发行为预测模型,并构建了LT-PPM传播路径预测模型。实验表明,线性阈值模型比独立级连模型能更好地模拟现实生活中社会安全事件的传播特点,LT-PPM比IC-PPM的性能更好。最后,在SSM架构下利用Bootstrap框架和Vue框架搭建了社会安全事件传播分析系统。系统由社会安全事件信息库、事件影响力计算、传播用户分析、重点传播用户展示和传播路径分析五个模块组成,可以对新浪微博中社会安全事件进行传播分析和可视化展示。
面向社会安全事件的公众情感倾向分析研究
这是一篇关于社会安全事件,微博,事件侦测,情感分析,趋势预测的论文, 主要内容为以微博为代表的社交媒体已经发展成为一种新的传播媒介,为人们带来了信息获取、发布和传递的便利与自由,彻底改变了人们的信息传播格局和生活模式。但是,社交媒体低成本、用户广、传播快的特点也为社会安全事件的传播和扩散带来了便利,大大增加了其危害性和破坏程度,使其成为国外敌对势力和国内不法分子散布谣言、发布网络攻击的重要阵地,以达到颠覆国家政权、破坏民族团结、阻碍社会稳定、损害人民利益的目的。因此,开展网络社交媒体中社会安全事件的侦测,并对公众的情感倾向和趋势进行分析和预测不仅具有重要的理论价值,而且对于维护国家安全、保持社会稳定具有十分重要的现实意义。本文以新浪微博为研究对象,对微博中社会安全事件的侦测、公众的情感倾向性和公众情感趋势分析与预测进行了研究,研究工作覆盖了微博中社会安全事件网络舆情的发现、理解、分析和预测,形成了一整套社交媒体中社会安全事件的分析方法和相关理论。主要研究工作和成果如下:(1)微博基础资源库建设方法的研究提出了一种微博数据爬取方法和微博文本预处理策略,并构建了微博文本预处理用户词典。通过对微博数据爬取技术的研究,构建了基于网络爬虫和新浪API相结合的微博数据爬取策略,针对微博文本的特点,制定了相应的微博文本预处理方案,并构建了大量的用户词典,包括66万多的常用词词典、4万多的专用名词词典和将近8百多的专用名词后缀词典等,完成了微博基础资源库的建设。(2)词语语义相关度计算方法的研究提出了一种基于语义关系图的词语语义相关度计算模型。通过对How Net语义知识库中语义关系的提取和大规模语料库中词语语义搭配关系的抽取,构建了词语语义关系图,在词语语义关系图的基础上,采用图论的相关算法和理论,构建了基于语义关系图的词语语义相关度计算模型。实验表明,该模型对词语语义相关度的计算性能较好,并且可以通过添加领域语料以达到词语语义相关度计算领域适应性的目的。(3)微博中社会安全事件侦测方法的研究提出了一套微博中社会安全事件特征词表示体系和社会安全事件侦测模型。从社会安全事件的突发性和主题性出发,从能够表征事件的基本要素、能够表征事件的信息主题、与事件话题标签相关、能够体现突发性和能够很好过滤广告性五个方面,构建了社会安全事件特征词表示体系,结合词语语义相关度计算模型,构建了基于凝聚式层次聚类和增量聚类的社会安全事件侦测模型。实验表明,该模型提取的特征词具有较强的代表性,并且其社会安全事件的侦测性能较好。(4)微博文本的情感分析方法和公众情感倾向性分析方法的研究提出了一种基于双重注意力机制的微博文本情感分析模型和公众情感倾向性分析模型。针对微博文本情感表达的特点,构建了包括六类情感符号的微博情感词典,在此基础上,采用注意力机制对微博文本的LSTM建模结果和微博文本中包含的情感符号分别建模,构建了基于双重注意力机制的微博文本情感分析模型,并采用情感倾向的倾向程度作为衡量指标,构建了公众对特定社会安全事件的情感倾向分析模型。实验表明,本文的情感分析模型较现有的最好模型有一定的性能提升。(5)公众情感趋势分析与预测方法的研究提出了一套情感趋势分析指标和情感趋势分析及预测模型。针对情感趋势分析与预测的需求,构建了包括特定情感倾向微博数目和特定情感倾向微博比重两类共计6个情感趋势分析指标,采用多项式拟合的分析方法,构建了情感趋势分析模型,并通过融合多粒度时间片下情感趋势拟合回归函数的斜率变化情况,构建了情感趋势预测模型。通过相关的实际案例分析,表明本文的模型具有较好的性能。最后,基于SSM架构和Bootstrap框架以及Echarts组件实现了一个微博中社会安全事件公众情感分析系统。系统由微博数据的采集与预处理、社会安全事件的侦测、公众情感倾向性分析和公众情感趋势分析和预测四个模块构成,可以对社会安全事件的侦测、微博文本的情感分析以及公众情感倾向及情感趋势分析与预测的相关模型与算法进行实验。
面向社会安全事件的公众情感倾向分析研究
这是一篇关于社会安全事件,微博,事件侦测,情感分析,趋势预测的论文, 主要内容为以微博为代表的社交媒体已经发展成为一种新的传播媒介,为人们带来了信息获取、发布和传递的便利与自由,彻底改变了人们的信息传播格局和生活模式。但是,社交媒体低成本、用户广、传播快的特点也为社会安全事件的传播和扩散带来了便利,大大增加了其危害性和破坏程度,使其成为国外敌对势力和国内不法分子散布谣言、发布网络攻击的重要阵地,以达到颠覆国家政权、破坏民族团结、阻碍社会稳定、损害人民利益的目的。因此,开展网络社交媒体中社会安全事件的侦测,并对公众的情感倾向和趋势进行分析和预测不仅具有重要的理论价值,而且对于维护国家安全、保持社会稳定具有十分重要的现实意义。本文以新浪微博为研究对象,对微博中社会安全事件的侦测、公众的情感倾向性和公众情感趋势分析与预测进行了研究,研究工作覆盖了微博中社会安全事件网络舆情的发现、理解、分析和预测,形成了一整套社交媒体中社会安全事件的分析方法和相关理论。主要研究工作和成果如下:(1)微博基础资源库建设方法的研究提出了一种微博数据爬取方法和微博文本预处理策略,并构建了微博文本预处理用户词典。通过对微博数据爬取技术的研究,构建了基于网络爬虫和新浪API相结合的微博数据爬取策略,针对微博文本的特点,制定了相应的微博文本预处理方案,并构建了大量的用户词典,包括66万多的常用词词典、4万多的专用名词词典和将近8百多的专用名词后缀词典等,完成了微博基础资源库的建设。(2)词语语义相关度计算方法的研究提出了一种基于语义关系图的词语语义相关度计算模型。通过对How Net语义知识库中语义关系的提取和大规模语料库中词语语义搭配关系的抽取,构建了词语语义关系图,在词语语义关系图的基础上,采用图论的相关算法和理论,构建了基于语义关系图的词语语义相关度计算模型。实验表明,该模型对词语语义相关度的计算性能较好,并且可以通过添加领域语料以达到词语语义相关度计算领域适应性的目的。(3)微博中社会安全事件侦测方法的研究提出了一套微博中社会安全事件特征词表示体系和社会安全事件侦测模型。从社会安全事件的突发性和主题性出发,从能够表征事件的基本要素、能够表征事件的信息主题、与事件话题标签相关、能够体现突发性和能够很好过滤广告性五个方面,构建了社会安全事件特征词表示体系,结合词语语义相关度计算模型,构建了基于凝聚式层次聚类和增量聚类的社会安全事件侦测模型。实验表明,该模型提取的特征词具有较强的代表性,并且其社会安全事件的侦测性能较好。(4)微博文本的情感分析方法和公众情感倾向性分析方法的研究提出了一种基于双重注意力机制的微博文本情感分析模型和公众情感倾向性分析模型。针对微博文本情感表达的特点,构建了包括六类情感符号的微博情感词典,在此基础上,采用注意力机制对微博文本的LSTM建模结果和微博文本中包含的情感符号分别建模,构建了基于双重注意力机制的微博文本情感分析模型,并采用情感倾向的倾向程度作为衡量指标,构建了公众对特定社会安全事件的情感倾向分析模型。实验表明,本文的情感分析模型较现有的最好模型有一定的性能提升。(5)公众情感趋势分析与预测方法的研究提出了一套情感趋势分析指标和情感趋势分析及预测模型。针对情感趋势分析与预测的需求,构建了包括特定情感倾向微博数目和特定情感倾向微博比重两类共计6个情感趋势分析指标,采用多项式拟合的分析方法,构建了情感趋势分析模型,并通过融合多粒度时间片下情感趋势拟合回归函数的斜率变化情况,构建了情感趋势预测模型。通过相关的实际案例分析,表明本文的模型具有较好的性能。最后,基于SSM架构和Bootstrap框架以及Echarts组件实现了一个微博中社会安全事件公众情感分析系统。系统由微博数据的采集与预处理、社会安全事件的侦测、公众情感倾向性分析和公众情感趋势分析和预测四个模块构成,可以对社会安全事件的侦测、微博文本的情感分析以及公众情感倾向及情感趋势分析与预测的相关模型与算法进行实验。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计客栈 ，原文地址：https://m.bishedaima.com/lunwen/52846.html
