微博社区内不同情绪的传染关系研究--以亚航失联事件为例

研究微博社区间的情绪传染,对于疏导公众情绪、控制网络舆情、营造健康的网络分享环境具有重要意义。利用爬虫软件爬取"亚航失联"话题微博的相关数据,采用文本分词、特征表示、机器学习等方法依次识别每条微博的情绪类别,同时定义情绪值;采用分派分析,识别并划分微博社区;通过建立社区内情绪值的时间序列,寻找情绪传染的规律。研究结果表明:虽然刚开始时几乎所有社区都是害怕情绪,但经过后续演变,不同社区的主流情绪有很大差异,社区内情绪的变化并不一定由核心用户引导。因此,在突发危机事件的情绪疏导中,除了关注核心用户外,社区网络中的其他主干也同样值得关注。     

收入分布尾部参数表示与不平等估计——共同富裕进程中合理调节过高收入的依据

收入分布尾部反映了社会高收入与过高收入群体特征。本文通过对收入分布尾部参数的拟合及阈值选择,识别过高收入群体并对其分布特征进行表达,估计我国收入分布尾部的不平等现状及发展趋势,运用社会福利函数分析框架讨论合理调节过高收入对居民收入分配及社会福利的影响。研究发现：现阶段我国收入分布尾部的高收入群体和过高收入群体在统计特征上存在显著差异;近年来居民收入水平不断提高,但收入差距仍然较高,收入分布尾部不平等状况日益加剧是导致这种现象的重要因素;共同富裕目标下,合理调节过高收入有助于改善居民收入不平等状况,社会总体福利水平也有所提升。     

AHP中群体信息的提取方法

群决策问题是集结群体中各成员意见以形成群意见的问题。在群决策中,如何将各个成员的共同信息提取出来,是群决策方法的关键。近几年来,已提出了     

中文微博热点话题挖掘研究

微博热点话题代表公众对现实生活问题的态度,对微博热点话题的识别有益于网络舆情监控。基于话题检测与跟踪技术设计出中文微博热点话题识别流程。首先通过K-means文本聚类归纳出话题,然后进行话题影响力计算和分析,最后通过话题影响力大小识别热点话题。实证结果表明,热点话题的"召回率"较高,影响力较大。话题影响力的构建为相关企业或政府针对话题热度大小采取不同的舆情监测策略提供了理论依据。     

一种面向属性残缺偏好效用矩阵的大群体决策方法

决策成员评价部分决策方案的大群体决策问题可视为属性残缺效用值矩阵下的大群决策问题.文章将残缺效用值转化为区间教形式的效用值,形成了大群体关于全部决策方案的区间数效用值矩阵;对大群体成员进行聚类,根据聚类结果确定成员权重,将该权重和区间数效用值矩阵合成获得了决策方案的排序向量;提出了群体意见反映度指标度量群决策结果反映群体意见的程度,对群决策结果进行评价;提出了成员意见差异度指标修改相应成员的效用值向量.     

基于相容关系协调下群体意见集结方法

针对多属性群体决策问题中群体偏好一致性达成的问题,文章基于群体判断相容关系的专家意见协调机制,提出了一种新的专家赋权思路.首先定义群体意见的相容关系,专家在对每个方案的各属性的评价基础上进行相容归类;通过专家隶属的意见相容集,依据在各方案指标中的相容程度进行赋权,并对相容程度较低的专家意见进行修正.     

基于复杂网络的在线社交网络特征与传播动力学分析

利用体现复杂网络结构特征的指标,比较了IT微博网络与小世界网络和无标度网络的平均最短路径长度和聚集系数,分析了网络节点的度数、介数和接近数,利用最小二乘法对度分布进行拟合,并分析了"度-度"相关性,基于SIS传播模型比较了相同平均度条件下的小世界网络与微博网络的传播规律。结果显示:IT微博网络具有小世界和无标度的特征;绝大多数用户只有少量的关系人,介数最大的节点不一定是接近数最大的节点;关系网络的度服从幂律分布;实验网络具有度的异配性,即度值小的节点倾向于与度值大的节点连接,新增加的个体更倾向于与大度数的个体建立联系;微博网络对舆论传播具有脆弱性。     

意见领袖与影响者，社交网络时代的影响力营销

在社交网络流行的年代,博客、微博等在日常生活中越来越普及,传统的大众媒介传送商品信息的公关与营销概念逐步受到挑战。,从网络营销发展出来的口碑营销和病毒营销,除了能够降低成本缩短时间．更可以脱离空间和距离的限制,更有效地接触目标受众．．这两种营销方法是否能够取得成功,关键在于是否有少数的关键主动者透过人际关系网络传送信息,使信息能够更加广泛地传达到目标消费者中去。为深化理论思考,本文从“两级传播”的“意见领袖”概念出发,通过“亲身影响”以及“口碑”和”病毒”等营销活动,来理清“影响者”的角色和意涵．为影响力营销的实践活动提供一些思路。     

转型经济环境特征与企业创业导向探讨

文章构建了转型经济环境特征、高管团队构成和薪酬方式、企业创业导向之间关系的理论模型,旨在揭示高管团队特征变化对转型经济环境变化与企业实施创业导向战略的匹配作用.研究结果表明,高管团队异质性、以产出为导向的薪酬方式在转型经济环境特征与创业导向之间具有一定的路径引导作用,但高管团队中产出型部门背景的成员比例对创业导向的促进作用不显著.     

基于高斯谱聚类的风险商户聚类分析

随着电子支付的普及,市场涌现出越来越多的第三方支付平台,而当前关于第三方支付平台商户风险方面的研究相对较少。故本文提出基于高斯谱聚类的风险商户聚类方法,首先使用高斯混合模型构建交易-交易群体的双模网络;其次借助网络中信息传递的思想构建“商户-交易群体网络”的双模网络;再次使用双模网络聚类方法中的谱聚类方法同时对网络中的两类节点聚类,对商户节点聚类的结果可区分出不同风险级别的商户,对交易群体节点聚类的结果可以进一步描述风险商户的交易特征;最后本文分别在模拟数据和某第方支付平台的实际数据中验证了模型的有效性。实验结果表明,本文提出的方法不仅可以准确地区分出不同风险级别的商户群体,而且能总结归纳风险商户的交易特征,为风险商户的监管提供参考。     

Identification and Efficient Estimation of Simultaneous Equations Network Models

This article considers identification and estimation of social network models in a system of simultaneous equations. We show that, with or without row-normalization of the social adjacency matrix, the network model has different equilibrium implications, needs different identification conditions, and requires different estimation strategies. When the adjacency matrix is not row-normalized, the variation in the Bonacich centrality across nodes in a network can be used as an IV to identify social interaction effects and improve estimation efficiency. The number of such IVs depends on the number of networks. When there are many networks in the data, the proposed estimators may have an asymptotic bias due to the presence of many IVs. We propose a bias-correction procedure for the many-instrument bias. Simulation experiments show that the bias-corrected estimators perform well in finite samples. We also provide an empirical example to illustrate the proposed estimation procedure.     

Phase I monitoring of social network with baseline periods using poisson regression

Social network analysis is an important analytic tool to forecast social trends by modeling and monitoring the interactions between network members. This paper proposes an extension of a statistical process control method to monitor social networks by determining the baseline periods when the reference network set is collected. We consider probability density profile (PDP) to identify baseline periods using Poisson regression to model the communications between members. Also, Hotelling T² and likelihood ratio test (LRT) statistics are developed to monitor the network in Phase I. The results based on signal probability indicate a satisfactory performance for the proposed method.     

网络社区发现算法在流动表建模中的设计与应用

代际流动表可以统计子代与其父代社会地位配对数据的交互频数,反映了社会资源占有的优劣势在父子两代人之间的比较。对财富、阶级、特权等社会基本特征演变的实证考察,均依赖于代际流动表的量化分析。对数线性模型是流动表建模分析的基本工具,通过对列联表单元格频数进行拟合,可以识别流动表行分类与列分类之间的强弱交互效应,刻画父子社会地位间的交互结构。本文利用复杂网络社区发现算法分析父子社会地位的关联结构,针对简约对数线性模型拟合精度不够的问题,提出一种新的建模思路：利用社区发现算法对简约对数线性模型的残差列联表进行关联关系挖掘,将发现的社区效应作为附加参数约束引入原对数线性模型,以改善数据的拟合情况。由于该方法只在原简约对数线性模型中增加了一个参数约束,因此仍可以保证建模结果的简洁性及理论意义,同时社区效应补充了原对数线性模型对经验数据结构的解读。论文用此方法对来源于中国综合社会调查数据的经验代际职业流动表进行建模分析,较好地解释了子代职业阶层与父代职业阶层间的关联模式。     

Graphical Network Models for International Financial Flows

The late-2000s financial crisis stressed the need to understand the world financial system as a network of countries, where cross-border financial linkages play a fundamental role in the spread of systemic risks. Financial network models, which take into account the complex interrelationships between countries, seem to be an appropriate tool in this context. To improve the statistical performance of financial network models, we propose to generate them by means of multivariate graphical models. We then introduce Bayesian graphical models, which can take model uncertainty into account, and dynamic Bayesian graphical models, which provide a convenient framework to model temporal cross-border data, decomposing the model into autoregressive and contemporaneous networks. The article shows how the application of the proposed models to the Bank of International Settlements locational banking statistics allows the identification of four distinct groups of countries, that can be considered central in systemic risk contagion.     

Investigate Data Dependency for Dynamic Gene Regulatory Network Identification through High-dimensional Differential Equation Approach

Gene regulation plays a fundamental role in biological activities. The gene regulation network (GRN) is a high-dimensional complex system, which can be represented by various mathematical or statistical models. The ordinary differential equation (ODE) model is one of the popular dynamic GRN models. We proposed a comprehensive statistical procedure for ODE model to identify the dynamic GRN. In this article, we applied this model to different segments of time course gene expression data from a simulation experiment and a yeast cell cycle study. We found that the two cell cycle and one cell cycle data provided consistent results, but half cell cycle data produced biased estimation. Therefore, we may conclude that the proposed model can quantify both two cell cycle and one cell cycle gene expression dynamics, but not for half cycle dynamics. The findings suggest that the model can identify the dynamic GRN correctly if the time course gene expression data are sufficient enough to capture the overall dynamics of underlying biological mechanism.     

基于神经网络的微型企业信用评估特征选择及其效果评价

征信机构采集到的所有微型企业信用信息变量并未都适合进行微型企业资信评估，文章设计了一种BP神经网络对此进行特征选择。该BP神经网络的训练基于前向序贯的特征选择算法，以输出层输出对输入值的灵敏度作为特征选择的依据，网络输出最小灵敏度对应的特征变量。通过设计概率神经网络对得到的结果进行仿真分析，信贷机构因此获得的利润比基于列联表分析的特征选择法高2／3。     

A Statistical Model for Social Network Labeling

We consider a social network from which one observes not only network structure (i.e., nodes and edges) but also a set of labels (or tags, keywords) for each node (or user). These labels are self-created and closely related to the user’s career status, life style, personal interests, and many others. Thus, they are of great interest for online marketing. To model their joint behavior with network structure, a complete data model is developed. The model is based on the classical p₁ model but allows the reciprocation parameter to be label-dependent. By focusing on connected pairs only, the complete data model can be generalized into a conditional model. Compared with the complete data model, the conditional model specifies only the conditional likelihood for the connected pairs. As a result, it suffers less risk from model misspecification. Furthermore, because the conditional model involves connected pairs only, the computational cost is much lower. The resulting estimator is consistent and asymptotically normal. Depending on the network sparsity level, the convergence rate could be different. To demonstrate its finite sample performance, numerical studies (based on both simulated and real datasets) are presented.     

新浪微博社会网络的自组织行为研究

互联网社会网络主要用于信息传播与共享,这种行为的自组织性主要体现在信息传播。根据自组织理论,新浪微博社会网络是一个自组织系统,从整体网络、个体网络、小团体、小世界效应构建模型,并以"可持续发展"话题为例,采用"滚雪球抽样方法",考虑网络用户间的"发布、转发、评论、@、回复"关系,进行实证研究。结果表明:社会网络存在自组织行为;整体自组织现象弱,局部明显;由于网络用户角色不同,围绕网络用户形成的自组织网络凝聚强度不同。     

关系网络对家族企业社会责任的影响——来自浙江和重庆两地制造业家族企业的实证

利用浙江和重庆两地制造业家族企业的调查数据,基于因子分析、多元回归分析等研究方法,实证检验了组织间关系网络对家族企业社会责任的影响以及家族所有权的调节作用,研究结果表明:(1)网络中心度对家族企业内部人责任、外部人责任和公共责任有显著的正向影响,网络密度对家族企业外部人责任有显著的正向影响,一级网络关系强度对家族企业内部人责任、外部人责任和公共责任有显著的正向影响,二级网络开放度对家族企业内部人责任和外部人责任有显著的负向影响;(2)家族所有权负向调节网络中心度与家族企业内部人责任、外部人责任和公共责任的关系。