基于网络结构与内容分布的新媒体事件聚类研究

摘要

[目的/意义]现有新媒体事件的聚类研究聚焦于事件的单一维度属性,并未考虑事件传播的网络结构特征和文本分布特征.[方法/过程]本研究基于信息熵的相关概念,提出基于网络结构熵与内容分布熵的事件聚类模型.模型在表征事件网络结构特征、内容分布特征的基础上完成跨内容事件相似度对比,并使用图表示学习算法与k-means聚类算法对事件进行分析与聚类.本文选取113例微博事件作为实验对象,并使用事件基本属性(点赞、评论、转发等)作为聚类对照实验组.[结论/发现]实验结果分析表明,本研究提出的模型能够捕捉到新媒体事件更深层次的传播、分布特征,能够对现有相似度计算指标进行完善与补充.[创新/价值]本研究不仅能够从多维度层次提取事件的传播特征,即事件网络结构特征和内容分布特征,还能够为舆情预测、管控提供支持,通过熵维度的信息变化监测不同事件之间的传播共性,辅助后续舆情事件的预测与监管.