文獻標識碼: A
DOI: 10.20044/j.csdg.2097-1788.2022.03.009
引用格式: 林國英,汪明艷. 基于交互行為的突發(fā)事件微博用戶社區(qū)識別及研究[J].網(wǎng)絡安全與數(shù)據(jù)治理,2022,41(3):54-59.
0 引言
網(wǎng)絡的普及讓人們接受消息的速度大幅度提升,微博等各大網(wǎng)絡平臺的出現(xiàn)也給大眾提供了一個絕佳的討論場所。人們可以在這些平臺上發(fā)表自己對社會相關事件的看法與觀點,同時還可以和網(wǎng)絡平臺上的其他人進行隔空互動,交流彼此的意見,觀點相似的民眾通過彼此間的互動形成了自己的社區(qū),同一社區(qū)內(nèi)的人們具有相似的看法或觀點且彼此之間關系緊密。在面對突發(fā)事件網(wǎng)絡輿情時,觀點相似的用戶在社區(qū)內(nèi)快速傳播輿情相關信息,這可能會造成用戶間的情感與觀點走向極化。因此如何在海量且復雜的網(wǎng)絡輿情信息及輿情用戶中快速發(fā)現(xiàn)用戶社區(qū),了解同社區(qū)內(nèi)用戶特征及用戶關注重點對于網(wǎng)絡輿情的引導十分關鍵。
目前學者們主要從用戶發(fā)布的博文內(nèi)容及用戶關系方面對微博社區(qū)進行研究。徐建民等[1]借鑒引文分析理論分析微博社區(qū)內(nèi)用戶的交互行為,通過給不同的交互行為進行賦權從而計算各用戶間相似度,并利用用戶相似度進行社區(qū)發(fā)現(xiàn)。田博等[2]利用用戶之間的轉(zhuǎn)發(fā)關系、評論關系、點贊關系以及提及關系四方面交互行為構建加權的交互網(wǎng)絡,然后以Newman模塊度函數(shù)作為優(yōu)化目標,得到社區(qū)內(nèi)部節(jié)點聯(lián)系緊密、社區(qū)之間節(jié)點聯(lián)系松散的社區(qū)劃分方法。邱少明等[3]提出一種基于節(jié)點多屬性相似性聚類的社團劃分算法SM-CD,其中節(jié)點屬性包括節(jié)點結(jié)構屬性與自身屬性。錢蕓蕓等[4]提出一種融合主題相似度權重的主題社區(qū)發(fā)現(xiàn)模型,該模型首先計算節(jié)點間主題相似度并將其作為鏈接權重,然后將該鏈接權重作為模塊度參數(shù)劃分社區(qū)。張中軍等[5]提出了一種基于鏈路結(jié)構和轉(zhuǎn)發(fā)行為的微博社交網(wǎng)絡重疊社區(qū)劃分方法,該方法通過對用戶間的轉(zhuǎn)發(fā)行為進行對比來提高社區(qū)劃分質(zhì)量。何躍等[6]通過對每條微博進行情緒識別,定義情緒值并以此進行社區(qū)識別,研究不同社區(qū)內(nèi)情緒變化情況。吳小蘭等[7]通過對微博社區(qū)進行劃分,從而追蹤典型社區(qū)群體及社區(qū)話題演化發(fā)展。除此之外,有部分學者從社區(qū)結(jié)構出發(fā)對社區(qū)進行劃分與識別。Golsefid等[8]提出通過模糊圖聚類來進行社區(qū)發(fā)現(xiàn),以可能性C-聚類模型為基礎,根據(jù)聚類中心的相似度進行節(jié)點距離計算,最終完成社區(qū)發(fā)現(xiàn)。Tang等[9]利用數(shù)據(jù)場理論衡量用戶間的聯(lián)系程度,先確定初始聚類,然后采用粗糙集聚類算法進行社區(qū)發(fā)現(xiàn)。
綜上所述,目前對于微博社區(qū)劃分的研究主要從社區(qū)結(jié)構及微博內(nèi)容出發(fā),通過用戶間的關注信息、用戶自身屬性及用戶發(fā)布的博文內(nèi)容相似度來進行微博社區(qū)識別,對于微博用戶間的交流互動關系研究較少,無法多維度、深層次地發(fā)現(xiàn)網(wǎng)絡輿情用戶社區(qū)?;诖?,針對現(xiàn)有研究的不足,本文以微博網(wǎng)絡輿情用戶為研究對象,結(jié)合用戶交互行為,發(fā)現(xiàn)網(wǎng)絡輿情用戶社區(qū),同時對不同社區(qū)內(nèi)用戶特征進行分析,不僅能更加準確地分析社區(qū)用戶之間的交流互動,還能了解不同社區(qū)內(nèi)用戶特征,為引導網(wǎng)絡輿論提供有價值的參考。
本文詳細內(nèi)容請下載:http://ihrv.cn/resource/share/2000004906
作者信息:
林國英,汪明艷
(上海工程技術大學 管理學院,上海201600)