互联网用户的情绪表达方法研究开题报告.doc

电子科技大学博士/硕士学位论文  一、选题来源、选题依据、国内外研究动态 选题来源 随着网络技术的飞速发展，互联网已经成为报纸等传统大众媒介之外的第四舆论传播新势力，网络用户量和信息量已经超过了传统媒介。互联网的发展不仅革新了信息传播技术，也改变了人们的生活方式及人际交往方式，极大影响着人们社会生活的多个领域。网络已经成为人们每天获取信息、相互交流必不可少的方式。特别是进入到Web 2.0时代之后，网络用户既是网络信息的消费者，也是网络内容的缔造者。网络是现实社会的镜像，现实生活中局部的问题，在网络中可能被放大而引发大量的讨论，直接反作用于真实社会，影响着人们的生活。而一些负面和极端的言论，可能危害网络内容安全及社会的稳定。 2012年7月19日，中国互联网络信息中心（CNNIC)在京发布的《第30次中国互联网络发展状况统计报告》中指出，截至2012年6月底，中国网民数量达到5.38亿。报告中显示，用户数量增长达到一个稳定的水平，互联网的普及率大大地提高。更加引人注目的是，手机用户急速增加，手机上网用户数超过台式机接入网络用户数0.08亿，这是由于移动终端上网方便快捷，成本较低，且能够随时随地。同时，我国的网络技术也日新月异，网络国际出口带宽到达1,548,811Mbps, IPv6地址数爆发增长，已经跃居全球前三位。各种网络应用的增幅明显，即时通信增长提速，微博和博客的数量较2011年底增长了近10%，信息传播方式更加多元化⑴。网络舆论以交互的自由性和方式的多样性，已经成为关乎社会稳定的一股不可忽视的力量。 选题依据 互联网用户在网络这个平台中分享信息，交换意见，用户因此形成自己的局部社会联系，用户拓扑关系逐渐形成。以用户关系网络为媒介，用户可以从邻居获取信息或向邻居传递信息，就某话题与邻居进行争辩，从而使得网络舆论在用户间传播和演化。然而在互联网中，虚拟社交与真实社交融合，用户情绪表达多样化和高度复杂化，需要有效的情绪表达挖掘方法发现本质的规律。互联网具有主体多、数据庞大、突发性强、无中心等特点，传统的研究方法不能很好地应用于网络舆论的研究中。网络舆论主体的能动性、强异质性及特有的匿名性、耗散性使得传统的舆论模型不适用于分析网络信息的传播演化过程，也无法准确地描述个体交互特性。因此，需要探索有效的方法，建立适合描述互联网信息传播和舆论演化的动力学模型，分析预测网络用户的情绪表达。 国内外研究动态 互联网和通信技术的发展使得网络成为人们获取信息分享信息的主要渠道，越来越多的用户参与到网络活动中。用户创造了海量的网络信息，且互联网是一个开放的平台，通过网络信息采集工具可以获取大量的网络数据，从而为互联网的实证分析提供了丰富可靠的数据来源。高性能处理器的出现及并行计算能力的提高，使得对大数据的处理有了可能，因此对互联网海量数据的分析逐渐被提上日程。目前实证分析的研究不断涌现，挖掘用户情绪表达特点，分析网络人际关系，发现潜在的客观规律，有助于互联网理论模型的有效性验证及参数调整。 文献[16]对博客及社交网络服务等Web 2.0网络的用户拓扑关系进行了分析。作者分别抓取了人人网及新浪博客数据，新浪博客是单向网络，而人人网是无向网络。研究发现，新浪博客的入度及出度均服从幕律分布，但出度分布的具有更大的幂指数，这表示博客用户并未添加很多好友，甚至有32.6%的人未添加任何好友。活跃用户喜欢连接名人或其他活跃用户，因此网络的入链--出链及出链--出链的度相关系数为正。而新浪博客的出链--入链及入链--入链的度相关系数为负。人人网的度服从双尺度的幂律分布，平均最短路径长度更短，节点簇系数按节点度呈幂律减小，且节点度正相关。 Akshay Java等[17]分析了 Twitter用户的地域分布、用户的好友粉丝数及用户的度相关系数，并将TWitter的用户进行了分类。文献[18]计算了 Twitter微博的平均最短距离长度、最大转帖深度、帖子生存时间、用户排序等特征。作者将Twitter中的用户按粉丝数及PageRank值排序，发现两种方法的排序结果近似一致，而将用户按转发数排序则得到的结果有明显区别，这表示用户的转发数与粉丝数之间并非呈严格的依赖关系。97.6%的转帖深度在6跳之内，而转帖深度不会超过11跳。文献[19]比较了 Twitter用户的帖子转发数、回复数与好友数的相关性，分析了信息传播过程中用户的影响力特征。文献[20]进一步分析了 Twitter中与帖子获得转发相关的因素。根据帖子作者的好友数、账号创建时间等9个因素对Twitter数据进行主分量分析，发现帖子的内容特征及作者特征都具有较强的区分度，是影响帖子转发的重要因素。通过对大量实际数据的验证，描绘出了帖子被转发的概率近似随着帖子作者