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。

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。