基于信息熵的社交网络社会影响传播问题的研究

Social networks make the information impact on many people in a short time by the diffusion model of "nuclear fission". In order to fully utilize the social networks as information dissemination platforms, social influence diffusion of social networks is an important research problem to be solved. On the basis of the influence of network topology and group behavior on the diffusion process, and combining with the random characteristic of social networks, this project takes the network information diffusion as the starting point, the research method of social influence diffusion is put forward based on information entropy. Firstly, the virtual community discovery algorithm with edge weight as local information is proposed based on the combination of dynamic and static factors, and the quality of community division is evaluated by the method of "maximum entropy + module". Secondly, combining the coarse-grained traditional sentiment classification form with the basic fine-grained emotion, and defining the emotional entropy to mine user's emotional tendency. Then, the classification result of sentiment tendency is used as the seed set of opinion leader identification, and the opinion leader identification method is proposed based on the definition of quantitative entropy. Finally, the trust propagation chain of social network is constructed by using the definition of utility entropy, and the influence maximization algorithm based on game theory and COICM model is proposed. Research on "entropy" as the main line of the project，and try to provide novel ideas and benefits for social influence diffusion.

社交网络以“核裂变”式的扩散模式使得信息可以在短时间内影响很多人。为了充分发挥社交网络的信息传播平台效用，社会影响传播是一个亟待解决的研究问题。本项目以网络信息传播为出发点，基于网络拓扑结构和群体行为对传播过程的影响，结合社交网络的随机性特点，提出了基于信息熵的社会影响传播问题的研究方法。首先基于动、静态因素相结合的方式定义边权重，提出了以边权重为局部信息的社区发现算法，并利用“最大熵 + 模块度”的方式对社区划分质量进行评价；其次将粗粒度的传统情感分类形式与细粒度的基本情绪相结合，定义情感熵来挖掘用户的情感倾向；而后将情感倾向的分类结果作为意见领袖识别的种子集，并依托于数量熵的定义提出了意见领袖识别方法；最后通过定义效用熵构建了社交网络的可信传播链，以博弈论和COICM模型为基础提出了影响最大化算法。项目以“熵”为主线展开研究，力图为社交网络社会影响传播问题的研究提供全新的思路和途径。

社交网络为人们构建了功能强大的信息交互平台，人们在诸如微信、Facebook、新浪微博等社交网络上表达观点、交友互动。社交网络为人们提供快捷地获取海量信息的同时，也改变了人们的行为模式和社会形态。社会影响传播作为社交网络的重要研究内容广泛的应用在舆情引导和监控、突发事件检测以及个性化推荐等领域。. 本项目以“熵”为主线，基于社交网络的属性特征，提出了重叠/非重叠社区的社区发现算法。通过对模块度变化趋势进行分析，定义了强、弱社区结构、以及强弱社区结构的转化条件，并将“熵+模块度”作为评价社区发现的结果；其次，应用“集对论+情感熵”研究用户情感/行为特征，通过进行情感计算，提高了情感分类的精度。利用抽取的新浪论坛数据，并借助于中科院软件平台抽取主题数据，设计了改进信息增益的文本分类方法和情感分类软件系统。最后，基于“组合熵”的定义设定激活概率的阈值，将激活的节点集作为传播链的一部分，并提出了改进种子节点重复度的影响最大化算法。基于结构平衡理论和集对思想，建立了主题关注模型，研究了社会影响传播问题。. 项目从“虚拟社区结构”、“情感分析”和“社会影响传播”三个角度展开研究，结合社交网络具有的社会学特性、集对理论和博弈思想给出了相应的解决方案。通过对社交网络环境中的重叠/非重叠社区发现问题进行研究，课题组给出了获取稳定社区的判定依据和方法；将熵和集对论互为补充，丰富了情感的描述过程，并提高了情感分类的精度。利用所开发的情感分类系统，可以快速得到热点问题的情感舆论倾向，为舆情监控的研究提供了基础；通过解决种子节点的重复影响力，并融入博弈思想，给出了如何扩大影响范围和抑制谣言传播的解决方案。. 项目以探索“基于信息熵的社交网络社会影响传播”为目标，通过对所提出的三个核心问题进行研究。依据“社区静态划分→用户行为情感分析→种子节点识别→影响最大化研究→社区演化”的研究层次，全景展现社交网络社会影响传播的整个历程。