1.1.2 在线社交网络
1.1.2 在线社交网络
近些年，伴随在线社交服务迅猛发展，社交网络进到我们社会经济生活方方面面，演变成无所不在的计算平台，以及信息传播平台。为理解社交网络运行机制各方面，本书聚焦剖析社交网络运行演化进程里紧密关联的一系列关键要素，社交网络的结构属性及其演化规律，社交群体及其互动规律，网络信息及其传播方式，探讨社交网络分析的科学问题，介绍社交网络分析研究面临的问题与挑战，且对社交网络的研究方向予以展望。
信息检索
在社交网络里头，用户面临着海量网络信息，这些信息不全是其感兴趣的，也并非全是其想要获取的；所以怎样于冗杂信息里检索出自身所需信息，这就需要去研究信息检索；信息检索是这么个过程，即从大量非结构化数据集里检索信息，这大量非结构化数据集通常主要是存储在计算机中的文本，而检索的信息通常是文档，这么做是为了满足用户对信息的需求 。和传统结构化数据库存在差异，非结构化数据库所具有的数据，是没有明显结构标记的呢，诸如自然语言文本这类数据情况，对于用户可通过检索系统去搜索文本或者图像，进而能获取到自身想要的信息 。
信息检索目的在于从文档集合里头回去跟搜索有关联的文档，关联程度称作是文档与查询之间的相关性。信息检索系统通常按照文档跟查询之间的相关性针对文书开展排序，而后返回给用场。不过查询结果的精准度常常还得进一步予以修正，用场能够对查询加以扩充或者重新予以拟定，还能够在返回的检索成果当中施以相关性的反映以及评估等等。
信息传播
在社交网络里，信息传播要依托用户间的社交关系爱游戏登录入口网页版平台，沿着社交网络去传递信息，信息传播是以真实存在的用户朋友关系作基础，持续向外拓展网络中用户个体的社交范围，进而形成一个规模庞大的社会化网络，从传播学范畴来讲，社交网络信息传播进程中的信源与信宿、传播信息、传播范围、传播媒介、传播方式等均有自身的特殊性。处于社交网络里，于信源发送消息之际，或者是分享一条消息之时，朋友们会于不同的时刻看到此消息，并且那些感兴趣的人会以一定的概率去转发它。
当前针对信息传播所开展的研究数量也不少，于刻画流行的情况程度，剖析信息传播的机制，探寻信息的源头，预测最终的结果等诸多方面均具备较多的成果。从宏观的角度进行观察，信息于网络里的传播一般凭借流行度来予以衡量；从微观的角度加以审视爱游体育app下载官网，信息由一个节点传递至另一个节点，从而构建成了信息级联。然而因信息存在着复杂性，相较于正面信息而言，会给人们的生活带来不良作用影响的负面信息往往更易于被予以关注。本书会在已有的研究基础之上，针对在线社交网络的负面信息的传播展开相应的研究。
情感分析
随着网络社交媒体不断发展，越来越多的人出于意愿倾向在社交平台上发表自身观点以及情绪，在线社交网络情感分析因之存在广泛应用，于是一部分研究通过采用自然语言处理这类方法，针对网络用户观点予以分析，此即情感分析。社交网络情感分析归属观点挖掘范畴，其依据用户于社交网络里的行为，像评论、口碑等，以逻辑学、语言学与心理学理论作为基础，运用自然语言处理等方式，用来分析用户针对实体，比如产品、服务、个人、事件等所表达的观点、情绪还有态度。然而大量的数据会给情感分析算法带来一定的挑战。
存在一个关于情感倾向分析过程由流程图 1.2 进行描述的情况，首先，文本数据会历经分词处理这一环节，进而生成词语序列，然后，这些词语会被匹配至含有程度副词、正面情感词、负面情感词以及否定词的词库当中，接下来，要结合这些词语以及复杂规则去综合分析文本内容，以此得出情感倾向，比如，运用情感分析针对消费者有关消费的产品及服务的观点，对淘宝、京东等商品的评论区展开分析，进而对产品的质量、销售以及服务予以分析，并且依据此来制定推广计划。但是，商家会借助红包等某些举措去改变消费者的真实评价，进而对真实的情感分析造成误导。情感分析能够应用于政治领域、金融市场以及评价交易系统等方面。例如，近些年来针对社交平台的青少年言论展开分析，凭借该群体对于一些热点时事所持的看法实施情感分析，由此针对青少年的价值观采取更具针对性与合理性的引导办法 。
图1.2 情感倾向分析流程图
热点追踪
在线社交平台具备交互性，具备非线性，具备强关系等群组化传播特征，这使得针对热点事件话题，人们更易于借助网络去传播极端信息，同时正面负面双向信息相互交互，致使社交网络成了热点事件极端信息传播的温床，进而导致大面积群体负面情绪得以产生爱游戏app官方网站登录入口，因为社交网络拥有交互性，拥有参与性，拥有公开性等特性，所以给信息传播提供了跨时空以及低成本的媒介，社交网络承载着大量信息，承载着众多受众群体，成为热点事件爆发的主要信息源。主要基于现实社会里某种现象或者问题而产生的事件是热点事件，并且事件的发生具备很强的偶然性，在社会事件于网络上被曝光后会引发用户较多关注且被用户快速传播，从而成为热点事件，图1.3形象地展示了热点跟踪，用户会通过参与话题互动（诸如评论、点赞、转发等）来表达自身价值观念以及诉求，从而促进信息传播，同时社交网络是信息传播的重要渠道，对用户情绪和价值观有一定影响。因此，对社交网络热点事件的传播机理展开研究，对社交网络热点事件的传播影响因素进行研究，是具备一定的理论意义和现实意义的 。
图1.3 热点跟踪
影响力最大化
影响力最大化问题，是一个在社交网络里寻找一组种子节点的问题，它要让信息或影响力借此传播，能覆盖尽可能多的其他节点，这是个优化问题。影响力最大化问题广泛用于病毒式营销、信息扩散、舆情引导等领域，该问题会把网络中有影响力的用户的子集确定下来，去解决如有效平衡时间消耗，以及内存成本之间求解精度的问题，进而为疫情检测、病毒式营销等现实问题给出解决方案。
2001年，Domingos和Richardson首次提出，用马尔可夫随机场来模拟信息传播过程，而后开始了对影响力最大化问题的研究。2003年，Kempe等将影响力最大化问题定义为，一种top-k的离散最优化问题，也就是找出影响力传播范围最大的k个种子节点。研究最大化问题常用的传播模型，包括独立级联模型、线性阈值模型和触发模型等。基于这些模型，学者们提出，基于贪心算法、启发式、反向影响集抽样和上下文感知等的算法。
图1.4呈现出一张社交网络图，这张社交网络图是简单的，其中，较大的节点代表用户，这些用户是被选为种子节点的，在网络里，这些成为种子节点的用户位置较高，连接度通常也较高，在传播信息方面，他们更为关键，在影响力方面，他们同样更为关键，借助这样的网络图，我们能够观察到影响力是怎样从中心节点向外扩散的，并且是通过节点间的连接实现广泛覆盖的，正确地挑选种子节点，深入地理解网络结构，这是实现影响力最大化的关键。
图1.4 社交网络图
