基于有限信任的舆情数值建模与演化研究

基于有限信任的舆情数值建模与演化研究

ID:34131383

大小:4.25 MB

页数:76页

时间:2019-03-03

基于有限信任的舆情数值建模与演化研究_第1页
基于有限信任的舆情数值建模与演化研究_第2页
基于有限信任的舆情数值建模与演化研究_第3页
基于有限信任的舆情数值建模与演化研究_第4页
基于有限信任的舆情数值建模与演化研究_第5页
资源描述:

《基于有限信任的舆情数值建模与演化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、密级:公开硕士学位论文中图分类号:TP311基于有限信任的舆情数值建模与演化研究学位类型:学术型学位学科(专业学位类别):计算机科学与技术作者姓名:杨济运导师姓名及职称:刘建勋教授实践导师姓名及职称:学院名称:计算机科学与工程学院论文提交日期:2014年6月10日万方数据万方数据基于有限信任的舆情数值建模与演化研究学位类型:学术型学位学科(专业学位类别):计算机科学与技术作者姓名:杨济运作者学号:11010501004导师姓名及职称:刘建勋教授实践导师姓名及职称:学院名称:计算机科学与工程学院论文提交日期:2014年6月10日学位授予单位:湖南科技大学万方数据万方数据Researcho

2、nInternetPublicOpinionModelingandEvoluationBasedonBoundedConfidenceTypeofDegreeAcademicDegreeDisciplineComputerScienceandTechnologyCandidateJiyunYangStudentNumber11010501004SupervisorandProfessionalTitleProf.JianxunLiuPracticeMentorandProfessionalTitleSchoolComputerScienceandEngineeringDateJun10

3、,2014UniversityHunanUniversityofScienceandTechnology万方数据万方数据学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。

4、本人授权湖南科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:日期:年月日导师签名:日期:年月日万方数据万方数据摘要近几年由于网络的发展,各种信息平台如天涯论坛,微博等的出现,加快了以往信息的传播速度。网络中的各种不同观点借由各种渠道开始迅速传播,这在方便沟通同时,亦易造成谣言、社会不良矛盾的扩散,甚至对于普通的事件进行添油加醋从而造成恶劣影响。有介于此,如何对于网络中的不良信息进行有效的控制,对正确的舆论进行有效的引导和扩散是一个急需解决的问题。由于网络中的信息是以文本表达,对于舆

5、情分析的第一步需要对于文本信息进行数值建模,从而抽取出其中蕴含的舆情信息及相互之间的关系;其次需要对于用户进行建模,根据用户之间的交互来进行亲密度建模;最后通过演化模型对事件的发展进行预测和分析。有限信任模型考虑基本单位之间的交互关系,研究其亲密度、交互规则、演化规则、交互阈值等对于群体未来发展的影响。有限信任模型最初在统计物理方面显示出其优势,之后学者将其引入舆情演化的研究中,获得了比较好的效果,经过多年的研究,形成了几个比较典型的模型。Hegselmann-Krause模型(H-K模型)是其中的佼佼者,目前主要在仿真中取得了比较好的效果,但是在真实网络中,如何对于亲密度建模、交互舆

6、情设定等,目前已有的研究还比较少。针对这些问题,本论文主要开展的工作如下:1)利用基于协程的分布式爬虫框架爬取天涯数据,并对其进行数据建模及分析。首先介绍了协程的机制并实现了一个基于协程的网络爬虫框架,并详细介绍了在具体应用中的数据更新及信息去噪机制。通过对用户社区结构的分析,基于用户活跃度来对用户进行分类,并基于回复关系来构建活跃用户社区,最后利用PageRank来对用户进行影响力建模。通过查询扩展对论坛建立信息分布模型,通过对于事件抽取关键词,对其进行查询扩展,最终通过对于词频进行统计,构建信息舆论模型。2)通过利用H-K模型的演化规则,基于粒子群的历史拟合方法对H-K模型的参数进

7、行调优来对舆情演化进行预测。介绍了Sznajd模型与H-K模型的演化规则,并对粒子群算法进行了介绍,利用基于粒子群的网络拟合方法对历史舆情数据进行分析,通过基于粒子群方法的拟合来获取历史拟合参数,并利用演化数据进行修正从而获取演化模型,实验证明采用历史拟合方法比利用固定值的方法能够获得更高的历史吻合率。最后通过实例分析来对我们方法进行介绍。3)通过对于天卓舆情系统的设计分析,对数据库设计、架构设计进行了分析和并对相应舆情数据采集模块、舆情数值建

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。