论文部分内容阅读
数字信息时代,社交网络成为用户聚焦热点话题的讨论平台。为正确引导热点话题在社交网络中的舆情走向,减少信息传播过程中产生的负面影响,本文从交互与信息行为的角度出发,以社交网络中用户的真实评论数据作为研究对象,利用机器学习中的密度峰值聚类算法确认用户的解读倾向类别。同时,参考已有的情感极性值计算方法,融入方差加权信息熵的基本策略,提出了社交网络信息交互度量化模型,通过计算话题不同解读倾向所映射的信息交互度,厘清了热点话题的受热议程度和舆情的演化趋势。实例研究表明,基于情感分析视角构建的信息交互度计量模型,量化