IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于时空特征的社交网络情绪传播分析与预测模型

已有 5624 次阅读 2019-1-21 17:00 |系统分类:博客资讯

社交网络用户情绪传播与用户的空间距离和时间跨度有关,受到多种交互机制的影响。从多层网络的研究视角出发,提取大规模社交网络中情绪传播的时空特征,研究用户行为对情绪传播的影响,对预测情绪传播趋势具有实际意义。

 

情绪是一种复杂的心理体验。个体可以通过模仿其他个体的肢体动作或面部表情来传播情绪,同时情绪会受到各种非语言因素的影响。

多层社交网络中情绪传播呈现以下特征:

(1)社交网络用户情绪与用户的空间距离和时间跨度有关,需要从大规模网络数据中提取时空特征,进而预测情绪传播趋势;

(2)社交网络为用户提供了多种交互机制,使信息和情绪的传播更加便捷, 同时也对情绪传播产生了多维度的影响,有必要研究不同用户交互行为对情绪传播的影响;

(3)利用多层网络分析社交网络的结构和动力学特性, 可以突破传统单层网络分析的局限性。

本文主要贡献包括:

1) 提出一种基于社交网络多种交互行为的情绪传播模型,被称为ECM模型(Emotional Contagion Model)。利用该模型可以分析社交网络中情绪传播的过程与规律。研究发现:多层社交网络中中性情绪用户所占比例随时间逐渐增大,并且正向情绪与负向情绪比例始终接近。情绪传输率越大,用户情绪更容易受到其他用户的影响而发生变化。初始情绪越中立的用户,在演化过程中情绪波动越小,而初始情绪极性越大的用户情绪波动越大。

2) 通过实验对比了本文所提模型与其他情绪传播模型,包括:基于情绪的ESIS模型和独立级联模型,实验结果表明ECM模型对社交网络中情绪传播具有较好的预测效果。

                                               image001.png

社交网络中情绪传播分析及模型构建示意图

 

                                ECM模型的演化规律

  情绪转换数随用户初始情绪与节点度乘积的变化           

 


引用格式:熊熙, 乔少杰, 吴涛, 吴越, 韩楠, 张海清. 基于时空特征的社交网络情绪传播分析与预测模型. 自动化学报, 2018, 44(12): 2290-2299


链接:http://html.rhhz.net/ZDHXBZWB/html/2018-12-2290.htm


作者简介:


熊熙,成都信息工程大学网络空间安全学院讲师。2013年获得四川大学信息安全专业博士学位。主要研究方向为web挖掘, 社会计算, 机器学习。E-mail: flyxiongxi@gmail.com


乔少杰,成都信息工程大学信息安全工程学院教授。2009年获得四川大学计算机学院工学博士学位。主要研究方向为:轨迹预测,移动对象数据库,大数据。本文通信作者。E-mail: sjqiao@cuit.edu.cn


吴涛,网络空间安全与信息法学院讲师。2017年获得电子科技大学计算机科学与工程学院博士学位。主要研究方向为数据挖掘。


吴越,西华大学计算机与软件工程学院副教授。2014年获得四川大学信息安全专业博士学位。主要研究方向为数据挖掘,复杂网络。


韩楠,成都信息工程大学管理学院讲师。2012年获得成都中医药大学博士学位。主要研究方向为数据挖掘。


张海清,成都信息工程大学软件工程学院副研究员。2015年获得法国里昂第二大学工学博士学位。主要研究方向为智能信息处理与知识工程。

 




https://blog.sciencenet.cn/blog-3291369-1158339.html

上一篇:自动化学报多名编委会成员入选2018年中国高被引学者
下一篇:【支招】国家自然科学基金申请书撰写攻略
收藏 IP: 159.226.21.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-14 11:22

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部