论文部分内容阅读
随着社交网络的蓬勃发展,微博以其易操作性、广泛性、实时性和低成本的优势,迅速成为主要的信息传播媒介之一,也成为网络事件的主要发源地之一,产生了重要的社会影响力。研究微博信息的扩散机制及潜在规律,并对扩散规模进行早期的预测,对于网络事件的控制与引导具有积极的意义。本文首先阐述用于微博用户影响力评价的Page Rank算法及其改进算法UIR(user influence rank),然后综合考虑微博受众广度、微博内容深度、信息传播广度三个方面多个影响因素,提出了新的微博用户影响力评价的计算方法,并以采集到的较有影响的事件为样本数据,验证了方法的可靠性。本文研究了影响微博事件早期扩散规模的因素,然后利用微博海量的数据资源,抽取与分析网络事件扩散的特征数据,找出并验证了微博事件早期扩散因素的规律:与人们作息时间相对应的活跃-睡眠规律、与事发地域相关联的地域接近性、与微博特征相一致的事件扩散的时效性、与社交网络结构密切相关的短距离性、与微博传播机制相契合的后续强力转发性。本文介绍了微博信息的传播规则,给出了微博信息扩散的特点:拥有多个信息中心进行一对多的传播以及基于网状结构的爆炸式传播。结合前面的微博用户的影响力评价公式及影响事件早期扩散范围的诸多因素,建立了微博事件早期的范围扩散模型。并通过将模型计算结果与已有的用于预测的BP神经网络得到的结果进行对比发现,模型计算结果与真实值之间的误差比较稳定,而且基本控制在10%以内,效果较好。本文的主要创新点:1.基于微博受众广度、微博内容深度、信息传播广度三个方面的多个影响因素,构建了新的微博用户影响力评价的计算公式。公式中各因素数值真实、易获取,计算简单。2.建立了微博事件早期的范围扩散预测模型,通过将模型计算结果与BP神经网络预测结果对比,发现模型预测效果更稳定,且误差基本在10%以内。