發(fā)布時間：2023-03-23 04:13

　　隨著互聯(lián)網(wǎng)技術的不斷發(fā)展,人們?nèi)粘＝涣鞣绞揭惨欢ǔ潭壬习l(fā)生了轉(zhuǎn)變。更多的人開始嘗試使用網(wǎng)絡聊天軟件作為社交媒體進行新一輪的交友。然而,互聯(lián)網(wǎng)技術雖然拓寬了當下群體的交流方式,但也一定程度由于快速的信息傳播,與之伴隨一定程度上的各類情緒傳播�；ヂ�(lián)網(wǎng)技術的快節(jié)奏交友方式,也將其伴隨的情緒推廣速度加快,從而特別容易造成網(wǎng)民的群體情緒。再眾多的群體情緒中,負面情緒的影響最為顯著,若不能做到及時地發(fā)現(xiàn),并對其加以控制,必將會對社會造成一定程度上的危害,更有可能引發(fā)一定的群體性問題,甚至衍生成次生社會問題。針對網(wǎng)絡情緒感染造成影響較為嚴重,且存在較為普及。本文選取了Vent數(shù)據(jù)集作為此次情緒感染的研究對象。因為Vent這款半匿名社交平臺上用戶是匿名發(fā)布個人情緒的,收集的數(shù)據(jù)真實性較高,針對性較強,該數(shù)據(jù)集是公開數(shù)據(jù)集且數(shù)據(jù)完整,滿足個性化分析需求。接著介紹了處理Vent數(shù)據(jù)集的基本方法;然后,對數(shù)據(jù)集進行預處理,查看常用情緒類別,建立用戶網(wǎng)絡結(jié)構(gòu)圖與用戶活躍度圖。通過用戶網(wǎng)絡圖可以發(fā)現(xiàn)少數(shù)用戶擁有大量好友,大部分用戶擁有少量好友,好友網(wǎng)絡具有稀疏性。從關聯(lián)性分析的角度,運用統(tǒng)計計量的方法將Vent...

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
1 引言
    1.1 研究背景
    1.2 研究意義
        1.2.1 理論意義
        1.2.2 實際意義
    1.3 研究內(nèi)容和方法
        1.3.1 研究內(nèi)容
        1.3.2 研究方法
    1.4 研究現(xiàn)狀
        1.4.1 國外研究
        1.4.2 國內(nèi)研究
        1.4.3 研究現(xiàn)狀評述
    1.5 論文結(jié)構(gòu)和創(chuàng)新點
        1.5.1 論文結(jié)構(gòu)
        1.5.2 創(chuàng)新點
2 處理Vent數(shù)據(jù)集情緒感染分類的基本方法
    2.1 deepwalk算法
    2.2 支持向量機
    2.3 邏輯回歸預測模型
    2.4 隨機森林預測模型
    2.5 本章小結(jié)
3 Vent數(shù)據(jù)集介紹及預處理
    3.1 數(shù)據(jù)集介紹
    3.2 實驗環(huán)境
    3.3 Vent數(shù)據(jù)集預處理
    3.4 Vent用戶網(wǎng)絡結(jié)構(gòu)
        3.4.1 Vent用戶活躍度
        3.4.2 Vent用戶網(wǎng)絡關系
    3.5 度分布
    3.6 本章小結(jié)
4 Vent中情緒感染與事件關聯(lián)性分析
    4.1 關聯(lián)性分析流程
    4.2 新聞事件數(shù)據(jù)采集及預處理
    4.3 共現(xiàn)知識圖譜分析
    4.4 關聯(lián)性分析
    4.5 本章小結(jié)
5 Vent中的情緒感染及模型分析
    5.1 實證流程圖
    5.2 數(shù)據(jù)處理
    5.3 模型指標
    5.4 模型對比
    5.5 基于支持向量機的情緒感染研究
    5.6 本章小結(jié)
6 結(jié)論以及展望
    6.1 結(jié)論
    6.2 展望
參考文獻
附錄A 數(shù)據(jù)集整理
附錄B 度分布
附錄C 數(shù)據(jù)集預處理
附錄D 參數(shù)篩選
附錄E deepwalk處理數(shù)據(jù)
附錄F 邏輯回歸
附錄G 隨機森林
附錄H 支持向量機
附錄I Snow NLP情感分詞
附錄J 共現(xiàn)矩陣
附錄K 國外新聞情感分布圖
附錄L 用戶負面情緒感染比率圖



本文編號：3768257