基于时空特征的社交网络情绪传播分析与预测模型

作     者：熊熙 乔少杰 吴涛 吴越 韩楠 张海清 XIONG Xi;QIAO Shao-Jie;WU Tao;WU Yue;HAN Nan;ZHANG Hai-Qings

作者机构：成都信息工程大学网络空间安全学院成都610225 重庆邮电大学网络空间安全与信息法学院重庆400065 西华大学计算机与软件工程学院成都610039 成都信息工程大学管理学院成都610103 成都信息工程大学软件工程学院成都610225 

基　　金：国家自然科学基金(61772091 61802035) 教育部人文社会科学研究青年基金(17YJCZH202) 四川省科技计划项目(2018GZ0253 2018JY0448) 成都信息工程大学科研基金(KYTZ201637 KYTZ201715 KYTZ201750) 成都信息工程大学中青年学术带头人科研基金(J201701) 成都市软科学研究项目(2017-RK00-00125-ZF 2017-RK00-00053-ZF) 四川高校科研创新团队建设计划(18TD0027) 广西自然科学基金项目(2018GXNSFDA138005) 广东省重点实验室项目(2017B030314073)资助 

出 版 物：《自动化学报》 (Acta Automatica Sinica)

年 卷 期：2018年第44卷第12期

页      码：2290-2299页

摘      要：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,并且受到多种交互机制的影响.从大规模社交网络数据中提取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.利用线性回归获取的各行为子层的情绪传输率之间存在差异.提出一种基于多层社交网络的情绪传播模型,被称为ECM模型(Emotional contagion model).该模型包括三个行为子层,每层的拓扑结构各不相同,由该行为的交互历史决定.在真实数据上对ECM模型进行仿真分析,可以获得社交网络中情绪传播的过程与规律:1)中性情绪用户所占比例随时间逐渐增大,接近57.1%,而正向情绪与负向情绪比例始终接近. 2)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.此外,通过实验对比该模型与其他情绪传播模型,表明ECM模型更加接近真实数据,对社交网络中情绪传播具有较好的预测效果,预测准确率相比其他模型可以提高1.8%～7.8%.

主 题 词：情绪传播 多层网络 行为分析 社交网络 

学科分类：050302[050302] 05[文学] 07[理学] 070104[070104] 0503[文学-新闻传播学类] 0701[理学-数学类] 

核心收录：

D　O　I：10.16383/J.AAS.2018.C170480

馆 藏 号：203423931...