在线社交网络信息传播建模与舆情演化分析刘小洋技出版传媒股份有限公司计算机

前言

(online social nelwork，OSN)，如 Twitter、Facebook和、、等的飞速发展，越来越多的用户通过这些平台与朋友们分享信息。在线社交网络已经成为人们生活的一部分，为人们提供了传递信息、分享心情、表达观能。17年，美国的Facebook月活跃用户达到亿。在线社交网络具有开放性(如任何人都可以加入其中并与外部世界产生联系)、互动性(如通过回复和转发，用户可以与朋友就一部电影或一个事行互动)和时效性(如用户可更新状态信息)。用户的参与在社交网络上会产生巨大的数据流。Twitter上平均每天新发出50亿条信息，如人们可能对突发事件发表自己的看法，或者仅仅是更新状态信息告诉朋友们自己的日常生活：企事业单位或公司会倾向用有较大影响力的用户来推销新产品。

本书主要对在线社交网络的信息传播与舆情演化的规行全面系统的研究。在线社交网络产生的海量数据是动态流动的，并且在用户行传播，一旦用户觉得某个内容有趣，就可能转发给朋友，如果被转发信息的朋友同样喜欢该内容，也可以把这个内一步分享给自己的朋友，信息从而得以在网络上传播和扩散，那些接收信息的用户即受影响用户或活跃用户。然而，信息通过在线社交网行传播的机理仍然未知。而理解海量信息的传播机制重要，它可应用于诸多领域，如病毒式营销、社会行为预测、社、杜区发现、群体发现、舆情监测等。此类问题吸引了来自流行病学、计算机科学、社会学等不同领域的研究学者，他们提出了不同的信息传播模型，用以描述和信息传播的过程，如独立级联模型(independent cascade model，ICM)、线性阈值模型(Iinearthresholdmodel，ITM)和传染病模型。多数模型认为信息由源(或种子)节点集开始传播，其他节点只能通过源节点集的邻居节点获得信息。这些已经构建好的传播模型得到了广泛应用。例如，通过评估用户带来的影响，可以识别出有影响力的传播者：通过将有影响力的用户定为种子用户，增加种子用户的数量而实现影响力大化；当信息从一组源节点传播了一段时间后，将会影响到更多节点，根据已经观察到的受影响的节点，推测出源节点，行信息源检测。

在线社交网络舆情是现实舆情在网络空间上的反应，是社会舆情演化的一种网络表现形式。过去，舆情只是人们的思想观点和日常生活中邻里之间的言语谈论，要获取和收集这些传统意义上的舆情，只能通过社会调查、访问等方行，不仅获取效率低、样本少、不全面，而且率不高。随着在线社交网络提供的各项服务飞速发展，信息传播速度不断加快，传播渠道相对之前增加，大众开始通过在线社交网络以信息化方式(如博客、贴吧、、论坛等社交网站或者各类即时通信软件)发表观点和看法。通过收集、分析在线社交网络平台的信息，挖掘舆情事件传播过程数据，了解在线社交网络中舆情信息传播的特点及方式。把握舆情信息传播的变化规律，从而深化对舆情信息传播本质的认识，为政府舆情分析和舆情监控提供决策支持。社会化媒体平台是用户表达观点、传播信息的重要平台，也是企业品牌推广和企业形象攻关的重要工具，因此了解在线社交网络中舆情演化机制和掌握舆情信息传播的内在规律对于指导舆情传播具有重要意义。

本书共pan style="font-family:宋体">章。第pan>章首先分析在线社交网络的定义与结构特点，接着分能与研究意义,并指出主要研究方向、网络结构模型与分析工具。第2章首先分析大数据和数据挖掘等相关定义和技术，接着针对特定的在线社交网行数据挖掘分析，后对在线社交网络的大数据应行分析。第3章在分析各因素间的相关系的基础上构建新的数学模型，然后分别研究了影响力大化经典算法，在经典算法的基础上提出了基于有向无环图和中心度的一种新算法。第4章主要分析了经典社区发现算法与算法的设计和实现，并提出一种的社区发现算法。第5章结合节点间交互规则构建了具有负反馈能力的在线社交网络信息传播模型，建立系统协同演化动力学微分方程。第6章通过对在线社交网络结构的研究，结合的网络结构及传统信息传播SIS(susceptible-infected-susceptible，易感一感染一易感)、SIR(susceptible—infected-removal，易感一感染一恢复)模型等提出了一种新的信息传播模型。第7章从突发公共事件出发，在分析大量在线社交网络平台上数据的基础上构建信息传播速率模型，接着构建动态扩散网络舆情演化模型。第8章提出一种基于用户自身属传播模型t该模型能较好地适应信息传播规律，能合理地描述用户影响力、态度及其年龄在信息传播中所起到的作用。第9章以热力学分子热运动理论为基础，构建基于热扩散运动的信息传播数学模型并确立了转换函数与节点演化机制。第lO章构括输入层、传播层和终结层在内的七层神经网络模型，以神经元模型为基础，推导出了事件信息正向传播算法、舆情差值逆向传播算法、网络结构动态更新算法。

本书的研究成果将为政府、媒体、社交网络平台等相关管理部门提供参考，通一步对舆情信息的监控政府、媒体、社交网络平台对社会网络舆情信息传播的掌控，减少不健康的社会网络信息对社会造成的危害与网络的传播。通过在线社交网络中用户数据的分析，可以对用户的行为规行深入挖掘、分析而为网络舆论预测的研究和应用奠定基础。社交网络信息传播在舆情监控和舆情分析、个性化营销及品牌推广等方面拥有很高的应用价值和广阔的应用前景。

本书受国家社会科学项目“网络文化传播动力学模型与传播策略研究”(项目批准号：17XXW004)资助。在此，作者表示诚挚的谢意。感谢为本书的完整性做出巨大贡献的课题组成员何道兵、唐婷、杨林枫、刘加苗、何洪玉、刘芯岑、曾德建等。后感谢自己一直以来对在线社交网络研究方向的坚持。科研是不断探索的过程，在线社交网络领域期待着更多的有志之士加入。

由于作者水平有限，书中难免存在不足之处，望广大读者不吝赐教。

刘小洋

pan style="font-family:宋体">年12月

2．pan>．2大数据分析方法

大数据分析人员要掌握五种大数据分析能力或方法，分别是预测性分析、数据质量和数据管理、可视化分析、语义搜索引擎及数据挖掘”。  

1．预测性分析  数据挖掘可以让分析人员更好地理解数据，而预测性分析可以让分析人员根据可视化分析和数据挖掘的结果做出一些预测性的判断。预测性分析涵盖了各种统计学技术括利用预测模型、机器学据挖掘等技术来分析当前及历史数据．从而对未来可能发生的事件或其他不确定的事行预测。在商业领域，预测模型从历史和交易数据中探索规律，以识别可能的风险和商机。预测模型捕捉各个因素之间的联系，以评估风险及与之相关的潜在的条件，从而指导交易方案的决策。这些技术方能效应是指，预测分析为每一个个体(以概率的形式)提供一个预测评分，从而决定或影响针对大量上述个体的组织性流程。这些流括营销、信用风险评估、欺诈检测、制造等。预测性分析被广泛地应用于保险精算科学、营销、金融服务、保险、电信、、旅行、、制药、能力规划及其他领域。其中一个的应用是信用评分模型，这项应用贯穿了整个金融服务体系。利用信用评分模型处理一个客户的信用记录、贷款申请、客户数据等，从而分析个体(客户)在未来还贷的可能性，并依照分析结果将客户依次排序。

2．数据质量和数据管理  通过标准化的流程和工具对数行处理，可以保证一个预先定义好的高质量的分析结果。数据清洗工具通常简单地被称为数据质量工具，因此很多人认为数据质量管理就是修改数据中的错误、对错误数据和垃圾数行清理。这个理解是片面的，其实数据清洗只是数据质量管理中的一步。数据质量管理，不含对数据质量的改善，含对组织的改善。针对数据的改善和管理，主括数据分析、数据评估、数据清洗、数据监控、错误预警等内容：针对组织的改善和管理，主括确立组织数据质量目标、评估组织流程、制订组织流程改善计划、制定组织监督审核机制、实施、评估改善效果等多个环节。任何改善都是建立在评估的基础上，知道问题在哪里才能实施。数据质量评估主要从完整性、规范性、一致性、性、性、关联性等方行评估。

 3．可视化分析  可视化分析主要指海量数据关联分析。因为可视化分析所涉及的信息比较分散、数据结构有可能不统一，而且通常以人工分析为主，加上分析过程的非结构性和不确定性，所以不易形成固定的分析流程或模式，很难将数据调入应用系统行分析挖掘。能强大的可视化数据分析平台，可辅助人工操作将数行关联分析，并做出完整的分析图表。图表含所有事件的相关信息，也完整展示数据分析的过程和数据链走向。同时，这些分析图表也可通过另存为其他格式，供相关人员调阅。不管是对数据分析专家还是普通用户，数据可视化都是数据分析工具基本的要求，可视化可以直观地展示数据。

  4．语义搜索引擎  非结构化数据的多样性带来了数据分析的新的挑战，我们需要一系列的工具去解析、提取、分析数据，因此语义搜索引擎要能够从“文档”中智能提取信息。

……