49、基于影响力最大化的微博关键受众群体识别

基于影响力最大化的微博关键受众群体识别

1 引言

随着互联网的飞速发展，微博成为了具有代表性的平台，微博上的热门话题成为公众生活的焦点和舆论的重要力量。微博热门话题下的用户功能各异，部分用户成为话题的核心点，即关键受众，他们在话题传播中扮演着媒体的角色，形成二次传播。近年来，网红和明星效应使得关键受众群体的传播对社会舆论导向产生显著影响。在微博网络信息传播中，关键受众会积累大量的转发、评论和点赞，影响力不断提升，逐渐从普通受众转变为意见领袖和网络信息的引领者，展现出媒体属性。

然而，现有的关键受众群体识别方法存在一些问题：
- 仅考虑用户基本属性特征来评估关键受众群体的影响力，忽略了网络信息传播过程中的个人情感因素。
- 影响力指数的计算应综合考虑多个因素，不能忽视受众用户的潜在影响力，现有方法往往只关注静态影响力。

为合理衡量微博受众用户的影响力，可考虑用户基本属性、用户交互行为和博客内容情感三个维度，借助百度开源深度学习平台 PaddlePaddle，设计博客情感分析神经网络 LSTM，并结合改进的 MYI 算法，构建基于影响力最大化的微博舆情事件关键受众预测模型。

2 最大化关键受众识别模型的影响

研究微博不同主题下的受众用户和内容，具体步骤如下：
- 基于用户博客文章情感因素的扩散，建立基于 LSTM 的情感倾向分类模型。
- 针对中国微博的属性特点，提出改进的 MYI 算法，计算关键受众群体的影响力。

2.1 微博博客文章的情感倾向分析

LSTM 的情感分类建模基于 PaddlePaddle 核心框架，相较于循环神经网络（RNN），LSTM 能