项目名称: 大规模信息传播和情感倾向的实证与分析

项目编号: No.91124008

项目类型: 专项基金项目

立项/批准年度: 2011

项目学科: 生物科学

项目作者: 尚明生

作者单位: 电子科技大学

项目金额: 15万元

中文摘要: 非常规突发事件通常会引发谣言,澄清谣言并有效地引导网络舆论具有重要意义。项目在如下三个方面取得重要进展。在实证方面,首先,分析了网络热点事件关注度的时空演变规律,发现关注度的地区分布存在极大的异质性,并与经济和教育水平强关联,舆论引导显著影响事件的关注度,发达地区的舆论引导更有效。其次,分析了短消息系统中人们的行为。在算法方面,鉴于意见领袖在谣言传播或者辟谣过程中的重要作用,提出一种挖掘社会网络中意见领袖的方法,该方法具有准确度高、鲁棒性好、无参数等优点;提出了一种基于邻域信息的半局部中心性识别方法,用于识别无向网络中最具影响力的节点,在速度和效果上取得了很好的平衡;此外,发现在典型社会网络中意见领袖的领导力具有无标度特性,并分析了这种结构的形成机制,发现意见领袖的形成遵从"好者愈富"的机制,即有广泛兴趣和较好判断力的人将成为社会网络中的领导者,对于塑造在线媒体中的意见领袖具有重要参考意义。在模型方面,分析了信息传播和疾病传播的本质区别,提出一个新的消息传播模型,实验表明,当只接收到一次信息就确认的概率较小的时候规则网络的传播比随机网络更快更广,并且小世界能够达到最好的传播效果。

中文关键词: 网络舆情;意见领袖;传播模型

英文摘要: Unconventional emergencies often lead to rumors, and it is of significance to clarify the rumors and effectively guide online public opinion. This project achieved important progress in the following three aspects. First, we empirically analyzed the spatial-temporal evolution of online public opinion and reveal its formation mechanism, found that concerns of regional distribution is great heterogeneous, which strongly correlated with economic and educational levels, and the guide of public opinion has significant impact on the concerns of the event, and guide in developed areas is more effective. Secondly, we analyzed people's behavior in a short messaging system. In the algorithm aspect, first, in view of the important role of opinion leaders, we proposed a method to mine opinion leaders in social networks, which has advantages such as high accuracy, robustness and no parameters; secondly, we proposed a local center identification method based on neighborhood information to identify the most influential to the network node, which achieved a good balance between speed and effect; lastly, we found that in the typical social network of opinion leaders leadership has the scale-free features, and the formation of opinion leaders followed the "richer get richer" mechanism, which means that men of wide interest and good judgment will become a social network. Finally, in the model aspect, we proposed a model to emphasize the essential difference between information spreading and the disease spreading, and experiments show that the spreading effectiveness can be sharply enhanced by introducing a little randomness into the regular structure, namely the small-world networks yield the most effective information spreading.

英文关键词: online public opinion; leadship;spread modeling

成为VIP会员查看完整内容
1

相关内容

专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
29+阅读 · 2021年2月26日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
【WWW2021】挖掘双重情感的假新闻检测
专知会员服务
36+阅读 · 2021年1月18日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
53+阅读 · 2020年12月1日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
图神经网络:基础理论与模型思想
专知
3+阅读 · 2021年12月28日
用户复购行为,该如何分析
人人都是产品经理
0+阅读 · 2021年12月4日
2021 | 异质图神经网络最新进展
图与推荐
3+阅读 · 2021年9月28日
【情感分析】情感分析研究的新视野
深度学习自然语言处理
15+阅读 · 2020年3月10日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
Knowledge Embedding Based Graph Convolutional Network
Arxiv
24+阅读 · 2021年4月23日
Arxiv
20+阅读 · 2021年2月28日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
19+阅读 · 2020年7月13日
小贴士
相关主题
相关VIP内容
专知会员服务
22+阅读 · 2021年9月21日
专知会员服务
50+阅读 · 2021年8月13日
专知会员服务
25+阅读 · 2021年8月7日
专知会员服务
29+阅读 · 2021年2月26日
【WWW2021】基于双侧深度上下文调制的社会化推荐系统
专知会员服务
27+阅读 · 2021年1月28日
【WWW2021】挖掘双重情感的假新闻检测
专知会员服务
36+阅读 · 2021年1月18日
【AAAI2021】图卷积网络中的低频和高频信息作用
专知会员服务
58+阅读 · 2021年1月6日
【WSDM2021】基于演化状态图的时间序列事件预测
专知会员服务
53+阅读 · 2020年12月1日
一份简短《图神经网络GNN》笔记,入门小册
专知会员服务
224+阅读 · 2020年4月11日
相关资讯
图神经网络:基础理论与模型思想
专知
3+阅读 · 2021年12月28日
用户复购行为,该如何分析
人人都是产品经理
0+阅读 · 2021年12月4日
2021 | 异质图神经网络最新进展
图与推荐
3+阅读 · 2021年9月28日
【情感分析】情感分析研究的新视野
深度学习自然语言处理
15+阅读 · 2020年3月10日
热点! 虚假新闻检测综述
专知
111+阅读 · 2019年2月26日
网络舆情分析
计算机与网络安全
20+阅读 · 2018年10月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
6+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
2+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员