CN112836137B - 人物网络支持度计算系统及方法、终端、设备、存储介质 - Google Patents
人物网络支持度计算系统及方法、终端、设备、存储介质 Download PDFInfo
- Publication number
- CN112836137B CN112836137B CN202011625550.4A CN202011625550A CN112836137B CN 112836137 B CN112836137 B CN 112836137B CN 202011625550 A CN202011625550 A CN 202011625550A CN 112836137 B CN112836137 B CN 112836137B
- Authority
- CN
- China
- Prior art keywords
- support
- posting
- network support
- network
- degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 230000008451 emotion Effects 0.000 claims abstract description 23
- 238000010606 normalization Methods 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 14
- 230000002996 emotional effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 230000019771 cognition Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开是关于一种人物网络支持度计算系统及方法、终端、设备、存储介质,涉及网络空间认知技术领域。社交平台单元,从个人发帖和他人相关发帖相关数据进行人物在社交平台的网络支持度评估,其中个人发帖从发帖数量、帖子点赞数、评论的情感倾向三个维度进行评价。新闻媒体单元,从新闻媒体关于人物的报道数量、报道的情感倾向来评估某个媒体对人物的情感倾向本发明创新性地提出了人物网络支持度指标体系,为后续特定人员的网络支持度计算提供了理论指标支撑。本发明构建基于社交平台与新闻媒体两个大的网络平台构建人物网络支持度计算模型,实现了网络支持度动态的实时计算。
Description
技术领域
本发明公开涉及网络空间认知技术领域,尤其涉及一种人物网络支持度计算系统及方法、终端、设备、存储介质。
背景技术
人物的网络支持度反映的是一段时间内人物在网络上被支持的程度,是人物网络行为评价的重要指标之一。关于支持度的计算一般分为两种:
一种是目前获取人物支持度一般都是通过网络发放问卷调查的方式,直接收集大众对某一人物的支持度;
另外一种面向政务决策领域,首先使用机器学习的方法,通过对政务决策相关微博评论的情感倾向性分析,得出网民对某项政务决策的支持程度,从而为政府提供参考依据。
现有人物网络支持度的计算方法存在几个方面的缺点:
(1)目前尚未有成熟的关于人物网络支持度的指标体系及计算方法;
(2)面向政务行业的政策的支持度计算,仅仅考虑了单一平台对某项政策的情感倾向,无法全面反映整个网络平台的支持情况;
(3)人物网络支持度是动态变化,现有的人物支持度计算方式采用问卷形式,在时效性和准确性上都无法保证。
解决上述技术问题的难度在于:
(1)网络平台上人物的网络支持度是动态变化的,只有动态掌握人物的网络活跃度,才能正确评估及掌握人物的网络行为。而现有技术为静态计算人物支持度,无法动态实时计算人物的网络支持度;
(2)不同人员使用平台的习惯不一样,如果仅仅用单一平台的网络支持度代表人物的整体网络支持度是不合理的,但是由于目前尚未存在人物网络活跃度的指标体系及整体网络支持度的度量方法,导致人物整体的网络活跃度无法计算。
解决上述技术问题的意义在于:
通过构建人物网络活跃度指标体系,实现跨平台的人物网络活跃度计算,合理评估人物的网络活跃度,同时可以动态实时跟踪人物网络活跃度的变化趋势,有力支撑人物的网络行为分析。
发明内容
基于人物网络支持度计算存在的问题,本方案提出了一种基于人物网络支持度的计算方法,提出了网络支持度计算的指标体系,解决了传统统计支持度存在时效性和数据量的问题,利用网络上获取到的数据,实时地计算目标人物的支持度,及时反映出突发事件导致支持率有突变时支持度的变化,弥补了人物网络支持度计算方法的空白,所述技术方案如下:
该基于多平台的人物网络支持度计算系统包括:
社交平台单元,从个人发帖和他人相关发帖相关数据进行人物在社交平台的网络支持度评估,其中个人发帖从发帖数量、帖子点赞数、评论的情感倾向三个维度进行评价;他人相关发帖从他人关于人物评论的情感倾向分析来反映舆论大众对人物的网络支持情况;
新闻媒体单元,从新闻媒体关于人物的报道数量、报道的情感倾向来评估某个媒体对人物的情感倾向;并将新闻媒体的影响力排名加入人物网络支持度计算因素中,结合单个媒体对人物的情感倾向,最后计算出新闻媒体中人物网络支持度。
本发明的另一目的在于提供一种实现所述基于多平台的人物网络支持度计算系统的基于多平台的人物网络支持度计算方法,该基于多平台的人物网络支持度计算方法包括以下步骤:
步骤一、依据人物网络支持度的计算对象,提取各个平台上的人物社交平台数据及相关的新闻媒体数据;
步骤二、从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度;
步骤三、基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度;
步骤四、人物最终网络支持度计算为新闻媒体的网络支持度与社交媒体的网络支持度之和。
在一个实施例中,从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度包括以下步骤:
步骤一、计算人物自身发帖的数量、每条帖子的点赞数、每条帖子的情感倾向,计算自身发帖的网络支持度,计算公式如下:
pri_support=average(num_likes)+average(num_pos_comments)
其中pri_support代表自己发帖的支持度,num_likes表示每条帖子的点赞数量,average表示取平均,num_pos_comments表示每条帖子的正面评论数量;详细的计算方法如下所示:
其中num_post表示人物在该平台的发帖数量;
步骤二、他人相关人物发帖是通过他人相关人物的发帖数量和帖子的情感倾向,他人相关发帖的人物网络支持度计算方式如下:
其中,sec_support是他人发帖的支持度,num_pos_post是正面发帖数量,num_neg_post是负面发帖数量,sec_support是他人发帖中的正面和负面的比值,反映了支持和不支持的比例;
步骤三、自身发帖的网络支持度归一化处理
对其进行归一化处理,采用max-min归一化方法,对自己发帖的支持度归一化过程如下:
其中,pri_supportadj是归一化后的自身发帖的网络支持度,min(pri_support)表示所有人物中自身发帖的最小支持度,max(pri_support)表示所有人物中自身发帖的最大支持度;
步骤四、他人发帖的网络支持度归一化处理
对他人发帖的网络支持度归一化计算方式如下:
其中,sec_supportadj是归一化后他人相关发帖的网络支持度,min(sec_support)表示他人相关发帖的最小支持度,max(pri_support)表示他人相关发帖的最大支持度;
步骤五、人物的单个社交平台网络支持度计算如下:
supportsock=w1*pri_suipportadj+w2*sec_supportadj
其中supportsock为人物社交平台网络支持度,pri_supportadj是归一化后的自身发帖的网络支持度,sec_supportadj是归一化后他人相关发帖的网络支持度;
步骤六、人物社交平台的总体的网络支持度计算如下:
supportsoc=supportsoc1+supportsoc2+…+supportsocn。
在一个实施例中,基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度,具体步骤如下:
步骤一、基于新闻媒体的Alexa网站排名,对新闻网站的权重进行分配,具体计算方式如下:
其中xi是网站的综合排名,max和min是排名的最大值和最小值;
步骤二、单个新闻媒体的对人物的网络支持度计算,方式如下:
其中news_s_supportk是人物在新闻媒体上的网络支持度,num_pos_news是正面人物相关新闻的数量,num_neg_news是负面发帖数量,ews_supportk是新闻媒体相关报道中的正面和负面的比值;
步骤三、新闻媒体的网络支持度归一化处理,计算方式如下:
其中,news_supporti是归一化后新闻媒体的网络支持度,min(sec_support)表示新闻媒体的最小网络支持度,max(sec_support)表示新闻媒体的最大网络支持度;
步骤四、基于新闻媒体权重及单个新闻媒体对人物的网络支持度,计算新闻媒体的人物总体网络支持度,计算方式如下:
。
在一个实施例中,人物最终网络支持度计算方式为:
support=supportnews+supportsoc。
本发明的另一目的在于提供一种信息数据处理终端,所述信息数据处理终端搭载所述基于多平台的人物网络支持度计算系统,并实施所述基于多平台的人物网络支持度计算方法。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
依据人物网络支持度的计算对象,提取各个平台上的人物社交平台数据及相关的新闻媒体数据;
从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度;
基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度;
人物最终网络支持度计算为新闻媒体的网络支持度与社交媒体的网络支持度之和。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于多平台的人物网络支持度计算方法。
本发明公开的实施例提供的技术方案可以包括以下有益效果:
本发明创新性地提出了人物网络支持度指标体系,弥补了人物网络活跃度理论缺失,为后续特定人员的网络支持度计算提供了理论指标支撑。
本发明构建基于社交平台与新闻媒体两个大的网络平台构建人物网络支持度计算模型,实现了网络支持度动态的实时计算,与现有方法相比,有效解决了人物网络支持度无法动态跟踪的问题。
当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。
图1是本发明提供的基于人物网络支持度的计算系统图。
图2是本发明提供的基于人物网络支持度的计算方法流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本发明所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的,并不表示是唯一的实施方式。
除非另有定义,本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本发明。本发明所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
基于人物网络支持度计算存在的问题,本方案提出了一种基于人物网络支持度的计算方法,提出了网络支持度计算的指标体系,解决了传统统计支持度存在时效性和数据量的问题,利用网络上获取到的数据,实时地计算目标人物的支持度,及时反映出突发事件导致支持率有突变时支持度的变化,弥补了人物网络支持度计算方法的空白。
本方案的创新点主要包括以下两个方面:
(1)本方案创新性地提出了人物网络支持度指标体系,为后续特定人员的网络支持度计算提供了理论指标支撑。
(2)本方案构建基于社交平台与新闻媒体两个大的网络平台构建人物网络支持度计算模型,实现了网络支持度动态的实时计算。
网络支持度指标体系架构如图所示,主要包括以下几个方面:
1)社交平台
社交平台是人物在网络上的最为直接的发声阵地,主要从个人发帖和他人相关发帖相关数据进行人物在社交平台的网络支持度评估,其中个人发帖主要从发帖数量、帖子点赞数、评论的情感倾向三个维度进行评价;他人相关发帖主要是从他人关于人物评论的情感倾向分析来反映舆论大众对人物的网络支持情况。
2)新闻媒体
新闻媒体作为网络信息传播的重要渠道,是反映大众对人物支持情况的另外一个重要维度。从新闻媒体关于人物的报道数量、报道的情感倾向来评估某个媒体对人物的情感倾向;并将新闻媒体的影响力排名加入人物网络支持度计算因素中,结合单个媒体对人物的情感倾向,最后计算出新闻媒体中人物网络支持度。
人物网络支持度是动态变化的,因此本方法是基于一段时间内人物在各个社交平台及新闻媒体的相关数据进行计算的。人物网络支持度计算的主要流程如下:
1)依据人物网络支持度的计算对象,提取各个平台上的人物社交平台数据及相关的新闻媒体数据;
2)从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度,具体步骤如下:
(1)计算人物自身发帖的数量、每条帖子的点赞数、每条帖子的情感倾向,
计算自身发帖的网络支持度,计算公式如下:
pri_support=average(num_likes)+average(num_pos_comments)
其中pri_support代表自己发帖的支持度,num_likes表示每条帖子的点赞数量,average表示取平均,num_pos_comments表示每条帖子的正面评论数量。详细的计算方法如下所示:
其中num_post表示人物在该平台的发帖数量。
(2)他人相关人物发帖是通过他人相关人物的发帖数量和帖子的情感倾向。他人相关发帖的人物网络支持度计算方式如下:
其中,sec_support是他人发帖的支持度,num_pos_post是正面发帖数量,num_neg_post是负面发帖数量,sec_support是他人发帖中的正面和负面的比值,反映了支持和不支持的比例。
(3)自身发帖的网络支持度归一化处理
由于其每种类型的支持度计算方式不同,所以不能直接将两种支持度直接相加,需要先对其进行归一化处理。本方案采用max-min归一化方法,对自己发帖的支持度归一化过程如下:
其中,pri_supportadj是归一化后的自身发帖的网络支持度,min(pri_support)表示所有人物中自身发帖的最小支持度,max(pri_support)表示所有人物中自身发帖的最大支持度。
(4)他人发帖的网络支持度归一化处理
对他人发帖的网络支持度归一化计算方式如下:
其中,sec_supportadj是归一化后他人相关发帖的网络支持度,min(sec_support)表示他人相关发帖的最小支持度,max(pri_support)表示他人相关发帖的最大支持度。
(5)人物的单个社交平台网络支持度计算
supportsock=w1*pri_suipportadj+w2*sec_supportadj
其中supportsock为人物社交平台网络支持度,pri_supportadj是归一化后的自身发帖的网络支持度,sec_supportadj是归一化后他人相关发帖的网络支持度。
(6)人物社交平台的总体的网络支持度计算
supportsoc=supportsoc1+supportsoc1+…supportsocn
3)基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度,具体步骤如下:
(1)基于新闻媒体的Alexa网站排名,对新闻网站的权重进行分配,具体计算方式如下:
其中xi是网站的综合排名,max和min是排名的最大值和最小值。这样计算的好处是,可以将网站的权重归一化到1-2之间,便于后续计算,同时最大值为2是基于如下考虑:一篇重要网站文章带来的影响比普通的社交媒体帖子影响更大,本文将其重要性定为普通贴子的2倍。
(2)单个新闻媒体的对人物的网络支持度计算方式如下:
单个新闻媒体网络支持度计算方式如下:
其中news_s_supportk是人物在新闻媒体上的网络支持度,num_pos_news是正面人物相关新闻的数量,num_neg_news是负面发帖数量,ews_supportk是新闻媒体相关报道中的正面和负面的比值,反映了支持和不支持的比例。
(3)新闻媒体的网络支持度归一化处理
对新闻媒体的网络支持度归一化计算方式如下:
其中,news_supporti是归一化后新闻媒体的网络支持度,min(sec_support)表示新闻媒体的最小网络支持度,max(sec_support)表示新闻媒体的最大网络支持度。
(4)基于新闻媒体权重及单个新闻媒体对人物的网络支持度,计算新闻媒体的人物总体网络支持度,计算方式如下:
4)人物最终网络支持度计算为新闻媒体的网络支持度与社交媒体的网络支持度之和.
support=supportnews+supportsoc
基于上述技术方案,实现了一下人员在多个社交平台和新闻媒体上的人物网络支持度计算,具体计算结果如下:
本领域技术人员在考虑说明书及实践这里公开的公开后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。
Claims (6)
1.一种基于多平台的人物网络支持度计算系统,其特征在于,该基于多平台的人物网络支持度计算系统包括:
社交平台单元,从个人发帖和他人相关发帖相关数据进行人物在社交平台的网络支持度评估,其中个人发帖从发帖数量、帖子点赞数、评论的情感倾向三个维度进行评价;他人相关发帖从他人关于人物评论的情感倾向分析来反映舆论大众对人物的网络支持情况;
从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度包括以下步骤:
步骤一、计算人物自身发帖的数量、每条帖子的点赞数、每条帖子的情感倾向,计算自身发帖的网络支持度,计算公式如下:
pri_support=average(num_likes)+average(num_pos_comments)
其中pri_support代表自己发帖的支持度,num_likes表示每条帖子的点赞数量,average表示取平均,num_pos_comments表示每条帖子的正面评论数量;详细的计算方法如下所示:
其中num_post表示人物在该平台的发帖数量;
步骤二、他人相关人物发帖是通过他人相关人物的发帖数量和帖子的情感倾向,他人相关发帖的人物网络支持度计算方式如下:
其中,sec_support是他人发帖的支持度,num_pos_post是正面发帖数量,num_neg_post是负面发帖数量,sec_support是他人发帖中的正面和负面的比值,反映了支持和不支持的比例;
步骤三、自身发帖的网络支持度归一化处理
对其进行归一化处理,采用max-min归一化方法,对自己发帖的支持度归一化过程如下:
其中,pri_supportadj是归一化后的自身发帖的网络支持度,min(pri_support)表示所有人物中自身发帖的最小支持度,max(pri_support)表示所有人物中自身发帖的最大支持度;
步骤四、他人发帖的网络支持度归一化处理
对他人发帖的网络支持度归一化计算方式如下:
其中,sec_supportadj是归一化后他人相关发帖的网络支持度,min(sec_support)表示他人相关发帖的最小支持度,max(sec_support)表示他人相关发帖的最大支持度;
步骤五、人物的单个社交平台网络支持度计算如下:
supportsock=w1*pri_supportadj+w2*sec_supportadj
其中supportsock为人物社交平台网络支持度,pri_supportadj是归一化后的自身发帖的网络支持度,sec_supportadj是归一化后他人相关发帖的网络支持度;
步骤六、人物社交平台的总体的网络支持度计算如下:
supportsoc=supportsoc1+supportsoc2+…+supportsocn;
新闻媒体单元,从新闻媒体关于人物的报道数量、报道的情感倾向来评估某个媒体对人物的情感倾向;并将新闻媒体的影响力排名加入人物网络支持度计算因素中,结合单个媒体对人物的情感倾向,最后计算出新闻媒体中人物网络支持度;
基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度,具体步骤如下:
步骤一、基于新闻媒体的Alexa网站排名,对新闻网站的权重进行分配,具体计算方式如下:
其中xi是网站的综合排名,max和min是排名的最大值和最小值;
步骤二、单个新闻媒体的对人物的网络支持度计算,方式如下:
其中news_s_supportk是人物在新闻媒体上的网络支持度,num_pos_news是正面人物相关新闻的数量,num_neg_news是负面发帖数量,ews_supportk是新闻媒体相关报道中的正面和负面的比值;
步骤三、新闻媒体的网络支持度归一化处理,计算方式如下:
其中,news_supporti是归一化后新闻媒体的网络支持度,min(sec_support)表示新闻媒体的最小网络支持度,max(sec_support)表示新闻媒体的最大网络支持度;
步骤四、基于新闻媒体权重及单个新闻媒体对人物的网络支持度,计算新闻媒体的人物总体网络支持度,计算方式如下:
2.一种实现如权利要求1所述基于多平台的人物网络支持度计算系统的基于多平台的人物网络支持度计算方法,其特征在于,该基于多平台的人物网络支持度计算方法包括以下步骤:
步骤一、依据人物网络支持度的计算对象,提取各个平台上的人物社交平台数据及相关的新闻媒体数据;
步骤二、从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度;
步骤三、基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度;
步骤四、人物最终网络支持度计算为新闻媒体的网络支持度与社交媒体的网络支持度之和。
3.根据权利要求2所述的基于多平台的人物网络支持度计算方法,其特征在于,人物最终网络支持度计算方式为:
support=supportnews+supportsoc。
4.一种信息数据处理终端,其特征在于,所述信息数据处理终端搭载权利要求1所述基于多平台的人物网络支持度计算系统,并实施权利要求2-3任意一项所述基于多平台的人物网络支持度计算方法。
5.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如下步骤:
依据人物网络支持度的计算对象,提取各个平台上的人物社交平台数据及相关的新闻媒体数据;
从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度;
基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度;
人物最终网络支持度计算为新闻媒体的网络支持度与社交媒体的网络支持度之和;
从人物自身发帖及他人相关发帖两个维度计算人物社交平台的网络支持度包括以下步骤:
步骤一、计算人物自身发帖的数量、每条帖子的点赞数、每条帖子的情感倾向,计算自身发帖的网络支持度,计算公式如下:
pri_support=average(num_likes)+average(num_pos_comments)
其中pri_support代表自己发帖的支持度,hum_likes表示每条帖子的点赞数量,average表示取平均,num_pos_comments表示每条帖子的正面评论数量;详细的计算方法如下所示:
其中num_post表示人物在该平台的发帖数量;
步骤二、他人相关人物发帖是通过他人相关人物的发帖数量和帖子的情感倾向,他人相关发帖的人物网络支持度计算方式如下:
其中,sec_support是他人发帖的支持度,hum_pos_post是正面发帖数量,num_neg_post是负面发帖数量,sec_support是他人发帖中的正面和负面的比值,反映了支持和不支持的比例;
步骤三、自身发帖的网络支持度归一化处理
对其进行归一化处理,采用max-min归一化方法,对自己发帖的支持度归一化过程如下:
其中,pri_supportadj是归一化后的自身发帖的网络支持度,min(pri_support)表示所有人物中自身发帖的最小支持度,max(pri_support)表示所有人物中自身发帖的最大支持度;
步骤四、他人发帖的网络支持度归一化处理
对他人发帖的网络支持度归一化计算方式如下:
其中,sec_supportadj是归一化后他人相关发帖的网络支持度,min(sec_support)表示他人相关发帖的最小支持度,max(sec_support)表示他人相关发帖的最大支持度;
步骤五、人物的单个社交平台网络支持度计算如下:
supportsock=w1*pri_supportadj+w2*sec_supportadj
其中supportsock为人物社交平台网络支持度,pri_supportadj是归一化后的自身发帖的网络支持度,sec_supportadj是归一化后他人相关发帖的网络支持度;
步骤六、人物社交平台的总体的网络支持度计算如下:
supportsoc=supportsoc1+supportsoc2+…+supportsocn;
基于新闻媒体的影响力及新闻媒体相关发帖的信息计算新闻媒体的网络支持度,具体步骤如下:
步骤一、基于新闻媒体的Alexa网站排名,对新闻网站的权重进行分配,具体计算方式如下:
其中xi是网站的综合排名,max和min是排名的最大值和最小值;
步骤二、单个新闻媒体的对人物的网络支持度计算,方式如下:
其中news_s_supportk是人物在新闻媒体上的网络支持度,num_pos_news是正面人物相关新闻的数量,num_neg_news是负面发帖数量,ews_supportk是新闻媒体相关报道中的正面和负面的比值;
步骤三、新闻媒体的网络支持度归一化处理,计算方式如下:
其中,news_supporti是归一化后新闻媒体的网络支持度,min(sec_support)表示新闻媒体的最小网络支持度,max(sec_support)表示新闻媒体的最大网络支持度;
步骤四、基于新闻媒体权重及单个新闻媒体对人物的网络支持度,计算新闻媒体的人物总体网络支持度,计算方式如下:
6.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求2-3任意一项所述基于多平台的人物网络支持度计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625550.4A CN112836137B (zh) | 2020-12-30 | 2020-12-30 | 人物网络支持度计算系统及方法、终端、设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011625550.4A CN112836137B (zh) | 2020-12-30 | 2020-12-30 | 人物网络支持度计算系统及方法、终端、设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112836137A CN112836137A (zh) | 2021-05-25 |
CN112836137B true CN112836137B (zh) | 2024-02-27 |
Family
ID=75924535
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011625550.4A Active CN112836137B (zh) | 2020-12-30 | 2020-12-30 | 人物网络支持度计算系统及方法、终端、设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112836137B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113609424B (zh) * | 2021-06-22 | 2024-06-11 | 深圳市网联安瑞网络科技有限公司 | 一种针对网络舆情热度的计算与预警系统及方法 |
CN113362162A (zh) * | 2021-06-29 | 2021-09-07 | 深圳壹账通智能科技有限公司 | 基于网络行为数据的风控识别方法、装置、电子设备及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299420A (zh) * | 2018-09-18 | 2019-02-01 | 精硕科技(北京)股份有限公司 | 社交媒体账号处理方法、装置、设备及可读存储介质 |
CN110096631A (zh) * | 2019-03-19 | 2019-08-06 | 北京师范大学 | 一种基于股票论坛的发帖文本分析的股市情绪报告生成方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8356025B2 (en) * | 2009-12-09 | 2013-01-15 | International Business Machines Corporation | Systems and methods for detecting sentiment-based topics |
US20140337328A1 (en) * | 2013-05-09 | 2014-11-13 | Veooz Labs Private Limited | System and method for retrieving and presenting concept centric information in social media networks |
-
2020
- 2020-12-30 CN CN202011625550.4A patent/CN112836137B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109299420A (zh) * | 2018-09-18 | 2019-02-01 | 精硕科技(北京)股份有限公司 | 社交媒体账号处理方法、装置、设备及可读存储介质 |
CN110096631A (zh) * | 2019-03-19 | 2019-08-06 | 北京师范大学 | 一种基于股票论坛的发帖文本分析的股市情绪报告生成方法 |
Non-Patent Citations (1)
Title |
---|
微博意见领袖与突发事件的舆情扩散研究――以"11・5长沙男童被害事件"为例;陈嘉奇;廖凯潼;徐文琪;;新媒体研究(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112836137A (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lichter et al. | Toward a new macro-segregation? Decomposing segregation within and between metropolitan cities and suburbs | |
Wang et al. | Regional innovation environment and innovation efficiency: the Chinese case | |
Gallemore et al. | The uneven geography of crowdfunding success: Spatial capital on Indiegogo | |
JP5334067B2 (ja) | オンラインソーシャルネットワーク内のユーザをランク付けする方法、及びシステム | |
Krauss et al. | Predicting movie success and academy awards through sentiment and social network analysis | |
Kallmuenzer et al. | Entrepreneurs' human capital resources and tourism firm sales growth: A fuzzy-set qualitative comparative analysis | |
CN112836137B (zh) | 人物网络支持度计算系统及方法、终端、设备、存储介质 | |
Carbonero et al. | The impact of artificial intelligence on labor markets in developing countries: a new method with an illustration for Lao PDR and urban Viet Nam | |
Ding | Performance analysis of public management teaching practice training based on artificial intelligence technology | |
Deng et al. | A smooth coefficient quantile regression approach to the social capital–economic growth nexus | |
Zacchia | Diversity in economics: a gender analysis of Italian academic production | |
Jiang et al. | Influence Analysis by Heterogeneous Network in MOOC Forums: What Can We Discover?. | |
Austen et al. | Gender gaps in long-term earnings and retirement wealth: The effects of education and parenthood | |
Rostamzadeh et al. | An application of a hybrid MCDM method for the evaluation of entrepreneurial intensity among the SMEs: a case study | |
Hatch et al. | The consumption of pornography scale–general (COPS–G) | |
Ogujiuba et al. | SMEs and sustainable entrepreneurship in South Africa: impact analysis of contextual factors in the services sector. | |
Liang et al. | Big and strong or small and beautiful: Effects of organization size on the performance of farmer cooperatives in China | |
CN113435713B (zh) | 基于gis技术和两模型融合的风险地图编制方法及系统 | |
CN113609424B (zh) | 一种针对网络舆情热度的计算与预警系统及方法 | |
Zuo et al. | Population migration damages the natural environment: A multilevel investigation of the relationship between residential mobility and pro-environmental behaviors | |
Qian et al. | Performance evaluation of digital marketing in health care industry with the application of data envelopment analysis | |
CN108509588B (zh) | 一种基于大数据的律师评估方法及推荐方法 | |
CN113268976B (zh) | 一种面向微博的话题影响力评估方法 | |
TWI657395B (zh) | 意見領袖之網路交易管理方法、系統以及儲存媒體 | |
Wei et al. | Using network flows to identify users sharing extremist content on social media |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |