欧阳纯萍 陈湘龙,2 刘永彬

1.南华大学计算机学院 衡阳 421001;2. 湖南科技职业学院软件学院 长沙 410004

引言

网络新闻已经成为目前人们生活中获取信息的重要途径，当公共突发事件发生时，第一时间就会在网络上成为热点新闻事件，并引发大量的舆论关注。在公共热点事件传播时，不法分子总会借助网络新闻平台发布负面消息，让民众感到恐慌，影响社会稳定。为了能够更好的控制舆情，净化网络生态环境，我们需要找出新闻平台具有较高影响力的用户，并通过他们的及时发声、澄清事实真相，来引导舆论的走向[1]。目前，基于微博的意见领袖发现以及基于社交网络的用户影响力分析是学者们的研究热点，他们从用户特征，社交网络结构特征，文本特征，情感特征等多个角度对[2-4]微博等社交平台上的用户影响力进行建模和分析，以期更好的发现能影响舆论走势的关键用户。但是这些研究着重于衡量用户历史上某个时刻的影响力大小，并没有提出如何估计当前和未来时期用户的社会影响力。尤其是在针对新闻平台的舆情控制中，更需要的是基于已有的新闻评论预测出网络用户的影响力趋势，可以提前将一些影响力较大的负面评论遏制在萌芽阶段，做到防患于未然，对于舆情的精准监控也有着重大意义。

针对这一问题，本文通过分析新闻网站上的评论用户之间的信息交流特性，构建了一个包含新闻评论信息、用户关注信息和用户-评论交互信息的异构信息网络，并提出了基于异构网络表示学习的用户影响力预测模型。……