1.1.2 在线社交网络
1.1.2 在线社交网络
近些年以来，伴随在线社交服务的飞速发展，社交网络步入了我们社会经济生活的各个领域，进而演化为无所不在的计算平台与信息传播平台。为理解社交网络运行机制的各个层面，这本书聚焦剖析社交网络运行演化进程中紧密关联的一系列关键性要素，即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，以及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遭遇的问题与挑战，并对社交网络的研究方向予以展望 。
信息检索
身处社交网络里，用户会碰到海量的网络信息，然而这些信息不全都是用户感兴趣的，或者全都是用户想要去获取的信息，所以，怎样从繁杂的信息 midst 里检索出自己渴望得到的信息，这就需要针对信息检索开展一番研究了。信息检索也就是 information research，IR ，它是从数量众多的非结构化数据集当中，这里通常主要是存储在计算机内部的文本，去检索信息，一般就是文档，这么做的目的是为了能够满足用户对于信息的需求。和传统结构化数据库不一样，非结构化数据库所具有那种不带明显结构标记的数据，像自然语言文本诸如此类，经由检索系统，用户能够搜索文本抑或图像，进而获取自己想要的信息 。
信息检索的目的在于，从文档集中返回跟搜索相关的文档，而相关程度称作是文档和查询之间的相关性。信息检索系统习惯于依据文档与查询之间的相关性，来对文档予以排序，之后返回给用户。然而查询结果的精确度常常还得进一步修改，用户能够对查询予以扩展或者重新制定，也能够在返回的检索结果里进行相关性反馈以及评价等 。
信息传播
在社交网络里头爱游戏app入口官网首页，信息传播得依靠用户彼此间的社交关系作为根基，然后顺着社交网络去传递信息。信息传播凭借真实存在的用户朋友关系当作基础，持续朝着外面拓展网络里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。从传播学这个角度来讲，社交网络信息传播进程当中的信源与信宿、传播的信息、传播范围、传播媒介、传播方式等都具备自身的特殊性。处于社交网络里头，于信源发送下来或者分享一条消息之际，朋友们会于不一样的时刻看到这条消息，并且那些有兴趣的人会以某种概率去转发它。
目前针对信息传播所开展的研究也是相当多的，于刻画流行的程度方面，在分析信息的传播机制层面，在进行信息溯源这一领域，以及预测结果等诸多方面均有着较多的成果。从宏观的角度来看，信息于网络当中的传播一般是采用流行度去衡量的；从微观的角度而言，信息从一个节点传播至另一个节点，进而形成了信息级联。而鉴于信息具有复杂性，相较于正面信息，会给人们生活带来不良影响的负面信息往往更易于被关注。本书会基于已有的研究，针对在线社交网络的负面信息的传播来开展研究。
情感分析
跟随着网络社交媒体的发展，在线社交网络情感分析有着广泛应用，越来越多的人乐意在社交平台表述自己的观点与情绪，所以一部分研究运用自然语言处理等办法来分析网络用户的观点，这就是情感分析 。社交网络情感分析属于观点挖掘这一范畴，它依据用户于社交网络里的行为，像是评论、口碑等，以逻辑学、语言学、心理学理论作为基础，运用自然语言处理等方法，去分析用户针对实体，比如产品、服务、个人、事件等所表达的观点、情绪以及态度。然而，大量的数据也会给情感分析算法带来一定的挑战。
在情感倾向分析进程的描述里，流程图1.2发挥着作用。先是文本数据经历分词操作，进而产生词语序列。随后，这些词语被拿去与涵盖程度副词、正面情感词、负面情感词以及否定词的词库做匹配。紧接着，把这些词语与复杂规矩相结合，以此来全面剖析文本内容，最终得出情感倾向。举例而言，借助情感分析针对消费者在所消费的产品以及服务方面的观点。去针对淘宝、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。然而，商家会借助红包之类种种举措去改变消费者的真实评价，进而给真实的情感分析造成误导。情感分析还能够应用于政治范畴、金融市场以及评价交易系统等方面。举例来讲，近些年来针对社交平台青少年言论展开分析，凭借该群体对于一些热点时事的看法来实施情感分析，进而针对青少年的价值观采取更具针对性与合理性的引导举措。
图1.2 情感倾向分析流程图
热点追踪
在线社交平台有交互性、非线性、强关系等群组化传播特征，这致使对于热点事件话题，人们更易经由网络传播极端信息，同时正面负面双向信息交互爱游戏最新官网登录入口，让社交网络成了热点事件极端信息传播的温床，进而致使大面积群体产生负面情绪。社交网络具备交互性、参与性、公开性等特性，所以为信息传播提供了跨时空且低成本的媒介。社交网络承载着大量信息跟受众群体，成为热点事件爆发的主要信息源 。由现实社会里的某种现象或者问题所产生的热点事件，其发生存在极为强烈的偶然性。社会事件于网络上被曝光之后，有可能引发用户较多的关注且被用户迅速传播，从而成为热点事件。图1.3把热点跟踪形象地展现了出来。用户会通过参与话题互动（像评论、点赞、转发等）去表达自身的价值观念以及诉求，以此促进信息的传播。与此同时，社交网络作为信息传播的重要渠道，对用户的情绪和价值观有着一定的影响。所以，对于社交网络热点事件传播机理的研究爱游戏app官方入口最新版本，以及对传播影响因素的探究，具备一定的理论意义与现实意义。
图1.3 热点跟踪
影响力最大化
影响力最大化问题，乃是一个在社交网络里，去寻觅一组种子节点的问题，其目的在于让信息或者影响力借助这些节点的传播，能够覆盖尽量多的其他节点，这是个优化问题。影响力最大化问题，在病毒式营销、信息扩散、舆情引导等领域有着广泛应用，该问题会确定网络当中有影响力的用户的子集，还会解决怎样去有效地平衡时间消耗甚至于内存成本之间求解精度的问题，以此为疫情检测、病毒式营销等现实问题提供解决方案。
2001年，Domingos和Richardson头一回提出利用马尔可夫随机场去模拟信息传播过程，从而开启了对影响力最大化问题的研究。2003年，Kempe等人把影响力最大化问题界定为一种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。研究最大化问题时常会用到的传播模型有独立级联模型、线性阈值模型以及触发模型等。基于这些模型，学者们提出了基于贪心算法、启发式、反向影响集抽样以及上下文感知等的算法。
图一点四呈现出了一张简易的社交网络图，其中，较大的节点代表着被挑选为种子节点的用户，这些用户于网络里的位置以及连接度一般较高，他们在传播信息或者影响力这方面更为关键，借助这样的网络图，我们能够观察到影响力怎样从中心节点朝向外围扩散。并且通过节点之间的连接达成广泛的覆盖，正确地抉择种子。节点以及深入领会网络结构是达成影响力最大化的关键。
图1.4 社交网络图
