基于时空特征的社交网络情绪传播分析与预测模型
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％.
情绪传播、多层网络、行为分析、社交网络
44
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
2019-05-31（万方平台首次上网日期，不代表论文的发表时间）
共10页
2290-2299
