基于社会网络计算的企业舆情管理新理论新方法

Using the Internet information harvesters, this project collects important data on enterprise public opinions from social networks. We give a formal definition of users’ behavior under the new environment of social network. Based on social network computing, we first build two fundamental models based on contents and structures of social networks. The model based on contents is used for analyzing sentiment and intention of users, and the model based on structures is employed for mining users’ behavior in social networks, including group behavior, dynamic behavior of information and influence evaluation. Second, we demonstrate five extended models, the correlation model between sentiment computing in financial information in social network and stock prices, the alert model based on micro-blog contents of detecting newly sudden events, the model of analyzing the network dominated by word of mouth with applications to optimization on enterprise public opinion management, the model of addiction to social networks, and the model of discovering users’ interest communities. Finally, we study five methods on enterprise public opinion management in social networks, including impact mechanism of C2B marketing between users’ group behavior and enterprise performance, personalized information recommendation of enterprise in social networks, open credit management in social networks, and impact evaluation of control measures such as restore service in social networks, and influence factors between the management approach of enterprise and online public opinions.

本课题利用社会网络采集器，获取企业舆情信息。在全新的社会网络环境下，给出社会网络用户行为的形式化定义。从社会网络计算视角，提出面向社会网络内容和结构的用户行为基础模型，其中基于内容的模型用于挖掘情感倾向和用户意图，基于结构的模型用于分析社会网络中用户行为，包括群体行为、信息动态传播行为以及影响力。提出五类衍生模型，包括社会网络金融信息褒贬值与股价关联模型、基于微博文本内容的全新突发事件预警模型、用户口碑主导网络分析及企业舆情管理优化、社会网络瘾模型，及用户兴趣社区发现模型。在此基础上，研究五种企业社会网络舆情管理方法，包括社会网络下C2B营销的实现及其对企业业绩的影响机制、企业的社会网络个性化信息推荐、网络环境下企业的开放式信用管理方法、社会网络环境下针对在线舆情的服务挽回等管理措施对企业绩效的影响评估方法，及社会网络环境下企业舆情管理方法及其对在线舆情的影响因素。

随着社会网络影响力的增强，社会网络环境下企业社会网络舆情的主要传播渠道包括网络新闻媒体、网络博客、社会网络平台等，而且其存在虚拟性、实时性、交互性、开放性、突发性等特性，此外，企业舆情很大程度上取决于企业自身的利益，而较少关心其他不相关行业的企业的信息，且仅限于企业这个主体相关的舆情内容。因此，本项目从四个角度进行了研究。第一，考虑到高效、健壮地融合多个舆情网络，为舆情网络研究提供更为完善的用户行为数据和网络结构，因此，我们提出了多种新的基于用户关系的跨平台舆情网络匿名用户挖掘方法，有效地解决了跨平台舆情网络的用户分析问题；第二，我们通过有效的形式化表达，为后续有关企业舆情动态演化的系列算法提供基础和工具。此外，我们对企业舆情传播过程中的一些典型传播案例和模式进行定量与定性分析，并对一些特定的模式给出了参考解决方法；第三，企业舆情管理面临着网络的动态性、大规模性和空间高维性的这三个挑战。而且，社会媒体网络的特征表示学习同样也引起了越来越多的关注。我们通过对社会媒体网络特征的学习，不仅能够有效缓解网络数据稀疏性问题，而且把网络中不同类型的异质信息融合为整体，可以更好地解决企业在大规模动态舆情传播环境下的特定问题，并因此提出了若干个用以学习大规模社会网络中结点结构特征的表示学习模型，有效的解决了上述的难点问题；第四，从企业舆情传播的用户着手，其在企业舆情管理过程中受到了众多的关注。作为参与者的重要属性信息，用户行为及其在网络中的自我表露节点意见之间的关系的分析成为了需要首先进行研究的重要问题。为此，我们完成了若干有关用户行为分析的方法、模型与系统，为企业舆情管理过程中实现基于行为的舆情分析奠定了良好的基础。在疫情防控中，我们“把论文写在祖国大地上”，提出了若干基于数据智能建模和分析的解决方案和建议，并及时将方法提交相关部门，积极为疫情防控献计献策。