施磊磊脱口秀演讲稿

施磊磊脱口秀演讲稿（通用2篇）

篇1：施磊磊脱口秀演讲稿

研究汇报

阅读文献：Ning Ma, Yijun Liu(2014).SuperedgeRank algorithm and its application in identifying opinion leader of online public opinion supernetwork [J].Expert Systems with Applications，41: 1357-1368.主要内容与创新点：互联网上的舆论领导者是在线社区中的重要人物，在促进舆论形成过程中发挥了重要的作用。有许多理论被引入来识别舆论领导者，比如通过社会网络分析、文本挖掘和不同领域的PageRank算法，但很少有人同时结合以上的方法来解决领导者识别问题，同时也并没有人研究通过使用网络分析识别舆论领导者。本文提出了一种基于网络理论的superedgerank舆论领导者识别算法，该算法结合了社会网络拓扑分析和文本挖掘。首先，本研究建立了一个超网络模型多维子网，这是社会，心理，环境和观点的子网。然后，本研究提出了四个指标：网络节点superdegree，超边缘度，超边缘–超边缘距离和超边缘重叠。后两个指标是通过我们的帮助来评估鉴定的舆论领导者。在此基础上，我们的研究应用superedgerank算法来排序超边缘，并用排序结果确定超网络模型中舆论领导者的舆论。最后，通过实例验证了该方法的可行性和创新性。

下一步研究工作：

在确定了舆论的领导者后如何实施相应的引导和干预策略。

目前，网络舆论的控制主要是通过从负面意见领导者的谣言中删除长期存在的职位，但是这种干预策略不是很好，有时甚至会引起公众的不满。基于superedgerank算法，我们可以在四层不同类型的关键节点子网中确定其类型。然后，采用不同的指导和干预策略。例如，在社会网络中，负面意见领导者可以被我们孤立，积极意见领导者被我们保护起来。在环境网中找到为什么它特别有影响力，以此来确定关键的信息，我们可以分析其时序，文字和语言形式。在心理上的子网中，我们可以确定主要心理类型。然后，我们可以分析它可能运用心理学的理论，这可能就意味着有更好的干预策略。在观点上的子网中，我们可以根据大量的互联网识别主流观点。如果这一观点是谣言，将有利于谣言的迅速澄清。因此，我们可以采用基于网络的superedgerank算法对不同的优先级进行各种研究。1

篇2：施磊磊脱口秀演讲稿

阅读文献：

L.Chakhmakhchyan, D.Shepelyansky(2013).PageRank model of opinion formation on Ulam networks.Physics Letters A, 377, 3119–3123.主要内容：

本文研究了一个在乌兰网络中舆论形成的PageRank模型，该网络通过间断性的映射和典型的奇里科夫映射生成。通过这些映射生成的乌兰网络和无标度的万维网有某些相似点，表现出一种PageRank概率的代数衰减。我们发现，乌兰网中网络舆论的形成过程与万维网有一定的相似性但也有其鲜明的不同之处。我们把这些不同之处归因于乌兰网和万维网他们各自内部网络结构的不同。我们还分析了用来保护小社区意见的广义Sznajd模型框架中舆论的形成过程。

创新点：

利用两个舆论形成过程分析的模型应用于乌兰网络中进行研究

涉及到的模型：

PROF模型和Sznajd模型

PROF模型就是基于PageRank算法的舆论形成模型；

Sznajd模型就是通用的广义舆论形成过程分析模型

引言背景知识介绍：

首先介绍的是对舆论形成机制的理解在现代社会新出现的研究领域中研究的重要性，同时引用了在社会物理学中的一篇论文来证明，光说没用，以此来说研究是有意义的。接着就提出已经有很多人提出很多的模型对舆论的形成进行了相关的研究，列出文献，简单的介绍前人的工作，同时指出他们研究的不足之处，前人研究出来的这些模型通常考虑的是抽象的规则的网络，对于现在的大规模无规则的社会网络显然是不能通用的，然后就列举出了很多特殊网络，以此证明前人研究出来的模型的不足，不能自己说人家不足就不足，必须有事实的文献列举出来证明自己的说法，让人家觉得可信。现在的网络变化的很快，用户也很大，以至 1

于网络的结构很大，并且这些用户相互之间会分享很多的新闻，舆论等等，形成了很复杂的社会舆论网络，而这些复杂的舆论网络对我们现在的社会生活和政治都会产生越来越重要的影响。

上面就提出了研究的重要性，社会舆论，社会网络对我们现在社会的影响。接着就分析一些重要的文献，分析每个文献是采用什么方法对社会网络进行分析的。最后才提出本文是用什么方法或是模型进行研究的，每个人的研究都有各自研究的领域，同样的方法用在不同的领域会有不一样的效果。本文首先研究了一个PageRank舆论形成模型，同时引用了一篇文献，该模型是在这篇文献中提出的，不是本文第一次提出。

研究思路是：

首先分析PROF模型在乌兰网中的特点并且研究在舆论形成过程中网络精英的作用---然后本文也研究了另外一种模型，Sznajd模型，该模型结合了很多组的影响力、商业联盟中支持者的投票。

论文结构安排：

开始第一部分是介绍研究背景、意义以及现状------接着第二部分对乌兰网络进行了一个主要的描述，乌兰网络的出现，以及研究它的意义，然后是PROF模型用于研究乌兰网络中舆论的形成过程以及一些测试的结果数据----第三部分本文结合PROF模型和Sznajd模型来分析乌兰网络的特点---第四部分就是对实验结果数据的分析与讨论。

总结与讨论：

本文主要分析了PageRank舆论形成模型，该模型应用于乌兰网络，同时文中举了2个例子进行讨论，乌兰网的产生前文已经提到，它与万维网有相似之处与不同点，本文在真实社会中对舆论形成过程进行了分析，同时本文研究结果表明社会精英对于舆论的形成不一定有很明显的影响。从本文中可以进行下一步研究的是这两个舆论形成分析模型能不能应用于其他网络，这两个模型能否进行改进以用于其他网络：比如校园网，企业网等等。通过与第一篇超级网的研究对比发现，超级网中的研究创新点和这篇文章的创新点是否可以结合起来进行研究，第二篇是关于作者影响力进行研究的，都是基于PageRank算法的。第二篇文章的背景是合著网络，在合著网络里基于PageRank视角来测试作者的影响力，通过对PageRank算法进行改进，然后通过几个变量因子的对比，最后实验测出改进后的加权的PageRank算

法的正确性、灵活性和可靠性。其中的细节研究肯定是不一样的，创新点也不一样，应用于不同的网络，首先肯定会对这种网络进行分析，分析特点，与其他网络的不同，第三篇也就是本文的研究，就是分析出乌兰网和万维网的相似和不同之处，然后结合前人的研究，前人也有很多针对舆论的形成进行了相关模型的设计与研究，本文中也提出他们的不足之处，乌兰网是有向网络，万维网是没有方向的，这也是乌兰网与其他网络最大的不同之处。