一种判断社交网络中的群体舆论情感稳定性的方法和装置制造方法及图纸

本发明专利技术涉及一种判断社交网络中的群体舆论情感稳定性的方法和装置，方法包括通过社交网络数据集建立社交网络图模型；根据社交网络图模型计算节点间引力，得到一步转移概率矩阵和N步转移概率分布向量，根据N步转移概率分布向量获得节点评分矩阵，并根据节点评分矩阵获取初始引力种子集；根据初始引力种子集对应的引力场对节点的作用力计算结果，扩展引力种子集，得到初始重叠引力群集；计算所有初始重叠引力群集的舆情相关属性；根据所有初始重叠引力群集之间的重叠度，进一步优化划分引力群集，得到非重叠引力群集集合，并计算非重叠引力群集集合中所有引力群集的舆情相关属性。与现有技术相比，本发明专利技术具有实现了群体舆论情感量化的优点。量化的优点。量化的优点。

【技术实现步骤摘要】
一种判断社交网络中的群体舆论情感稳定性的方法和装置


[0001]本专利技术涉及社交网络
，尤其是涉及一种判断社交网络中的群体舆论情感稳定性的方法和装置。

技术介绍

[0002]随着互联网高速发展，网民数量随之增多，社交媒体以其强大的传播力成为了舆论发声与传播的重要阵地。用户的观点、意见经在线社交网络平台的聚集、交互和传播以后，其话语影响力急剧放大，能够激起有相同感受人群的情绪共振，诱发群体舆情，群体意见对事件舆情的指向具有很强的导向作用。近年来网络舆论突发事件频发，民众在获知网络舆情时，情感在网络群体的影响下极易产生极化，从而影响网民个体的行为，影响社会和谐稳定的发展。
[0003]现阶段针对舆情传播的研究主要集中于信息传播，缺乏对于情感传播的研究，且局限于个体影响领域，传统集群发现算法中只考虑节点间一对一作用关系的弊端。且现有的舆情传播模型相关研究仅考虑对网络基本的拓扑结构的刻画，并没有对舆情相关属性的量化计算，使得对于群体舆论情感的判断更偏向于经验化，而缺少具体的数据作为理论依据，无法正确判断群体舆论情感的稳定性。
专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种判断社交网络中的群体舆论情感稳定性的方法，其特征在于，包括以下步骤：S1、通过社交网络数据集，获取节点的度、情感倾向值和邻居节点域信息，建立社交网络图模型；S2、根据社交网络图模型计算节点间引力，得到一步转移概率矩阵和N步转移概率分布向量，根据N步转移概率分布向量获得节点评分矩阵，并根据节点评分矩阵获取初始引力种子集；S3、根据初始引力种子集对应的引力场对节点的作用力计算结果，扩展引力种子集，得到初始重叠引力群集；S4、计算所有初始重叠引力群集的舆情相关属性；S5、根据所有初始重叠引力群集之间的重叠度和舆情相关属性，重新划分引力群集，得到非重叠引力群集集合，并计算非重叠引力群集集合中所有引力群集的舆情相关属性；根据得到的舆情相关属性，判断对应社交网络数据集的群体舆论情感是否稳定。2.根据权利要求1所述的一种判断社交网络中的群体舆论情感稳定性的方法，其特征在于，所述社交网络图模型为无向图，表达式为其中V表示网络中节点的集合，E表示网络的连边集合，表示整个网络的情感向量，情感向量中的每一元素表示相对应节点v
i
的情感倾向值。3.根据权利要求1所述的一种判断社交网络中的群体舆论情感稳定性的方法，其特征在于，步骤S2中节点间引力的计算方法如下：S21、计算节点的质量m
i
，计算表达式如下：m
i
＝α|S
i
|+(1
‑
α)Inf(v
i
)，其中，α表示权重系数，Inf(v
i
)表示节点v
i
的归一化后的影响力大小，计算表达式如下：其中，NS(v
i
)表示节点v
i
的邻居节点域；S22、根据节点的质量计算节点间的引力f
ij
，计算表达式如下：其中，η表示两节点间的作用力的极性；l
ij
表示两节点之间的最短路径距离。4.根据权利要求1所述的一种判断社交网络中的群体舆论情感稳定性的方法，其特征在于，步骤S3中扩展引力种子集的方法如下：计算初始引力种子集对应引力场对其近邻节点v
j
的作用力，当作用力大于阈值时，将对应的邻居节点加入该引力场中。5.根据权利要求1所述的一种判断社交网络中的群体舆论情感稳定性的方法，其特征在于，所述N步转移概率分布向量L
N
(v
i
)的计算表达式如下：L
N
(v
i
)＝(1

【专利技术属性】
技术研发人员：张波，翟倩倩，
申请(专利权)人：上海师范大学，
类型：发明
国别省市：