考虑信息与组织氛围影响的网络舆论反转模拟

【目的/意义】为研究舆论事件反转的机理,本文提出了考虑信息和组织氛围影响的群体观点演化模型,对 近年来频繁发生的网络舆论反转现象进行仿真模拟。【方法/过程】以经典 Hegselmann-Krause模型为基础,建立信 息和组织氛围影响的可计算模型并嵌入到网络社会舆论的演化过程中,运用 MATLAB编程实现仿真实验再现“女 大学生踹女童”事件,验证了模型的科学性和有效性。【结果/结论】信息是影响网络舆论反转的关键因素,反转信 息往往是导致网络舆论反向演化的驱动力;控制信息披露能在一定程度上改变舆论的演化方向;信息敏感度和组 织归属感是影响网络舆论偏向性程度的重要因素。     

考虑电子口碑累积效果的手机APP BASS扩散过程的研究

随着移动互联网的飞速发展和智能手机的普及,手机APP作为智能手机接入移动互联网最重要的入口,与人们的生活息息相关。探究移动APP的推广及扩散机理,对企业制定IT营销及开发策略具有重要的意义。本文在经典BASS模型的基础上,引入了电子口碑这一影响因素,利用多智能体模拟技术,借助建模软件AnyLogic,建立了手机APP在移动互联网中的仿真扩散模型。对比实际案例中手机APP的扩散情况,本文验证了模型的有效性。由于电子口碑的累积效果,APP的扩散过程与传统产品的扩散过程明显不同,不同的电子口碑累积效果,将导致APP不同的扩散趋势。     

社交媒体用户隐私设置行为实证研究——以微信平台为例

[目的/意义] 为研究中国情境下社交媒体用户隐私设置行为的影响机制,为隐私设置功能的设计与开发提供参考依据。[方法/过程] 本文以微信活跃用户为研究对象,基于计划行为理论和技术接受模型,构建了隐私设置行为影响因素理论模型。[结果/结论] 研究结果表明：隐私设置行为主要受到隐私设置意愿和感知控制影响;隐私关注、感知有用性、感知易用性正向影响隐私设置意愿;感知易用性、信任、交互公平正向影响感知控制;隐私关注和感知易用性都正向影响感知有用性。     

基于文本情绪分类的社交网络用户传播他人隐私信息行为研究

【目的/意义】探究针对微博文本的基于深度学习的情绪分类有效方法,研究微博热点事件下用户转发言论的情绪类型与隐私信息传播的关系。【方法/过程】选用BERT、BERT+CNN、BERT+RNN和ERNIE四个深度学习分类模型设置对比实验,在重新构建情绪7分类语料库的基础上验证性能较好的模型。选取4个微博热点案例,从情绪分布、情感词词频、转发时间和转发次数四个方面展开实证分析。【结果/结论】通过实证研究发现,用户在传播隐私信息是急速且短暂的,传播时以“愤怒”和“厌恶”等为代表的消极情绪占主导地位,且会因隐私信息主体的不同而产生情绪类型和表达方式上的差异。【创新/局限】研究了用户在传播隐私信息行为时的情绪特征及二者的联系,为保护社交网络用户隐私信息安全提供有价值的理论和现实依据,但所构建的语料库数据量对于训练一个高准确率的深度学习模型而言还不够,且模型对于反话、反讽等文本的识别效果不佳。     

移动APP用户隐私信息设置行为影响因素及其组态效应研究

【目的/意义】在APP隐私泄露问题日趋严峻的环境下,移动应用提供的隐私设置功能为用户保护自身的隐 私信息提供了一种重要的途径,了解哪些因素会影响以及如何影响移动应用APP用户的隐私设置行为,有利于加 强用户个人隐私保护和改进隐私设置功能。【方法/过程】本研究基于保护动机理论与社会认知理论的基本思想,提 出七个条件变量并采用问卷调查法搜集数据,然后使用模糊集定性比较分析法对条件变量与用户隐私设置行为结 果变量之间的多元因果路径进行分析。【结果/结论】用户主体因素（感知风险、感知隐私控制、隐私关注和行为效 益）是用户隐私设置行为产生的必要条件;同时,用户隐私设置行为的条件组合路径包括了政策保障缺失型和隐私 泄露负面经历驱动型等五条不同路径。【创新/局限】研究问题和研究思路具有一定创新性,例如关注移动APP用户 隐私信息设置行为及其多元因果路径关系,但是也存在着研究变量数量较少,样本抽样方法值得改进等不足。     

基于高效用关联规则挖掘的技术创新合作团队发现——以新能源汽车产业专利数据为例

以新能源汽车产业专利数据为例,将专利被引用频次、同族数量作为衡量专利原始效用的主要指标,并通过两步骤的高效用关联规则挖掘算法,获得专利权人的高效用合作项集,以发现高价值的技术创新合作团队。实证表明,将专利价值的评价模型与高效用关联规则挖掘方法相结合,能够极大提升技术创新合作团队发现的召回率。此外,与传统关联规则挖掘方法相比,基于高效用关联规则获得的高价值团队在分布数量、分布类型等方面呈现明显优势。     

隐私政策“霸王条款”特征及其作用机制的内容分析

互联网平台在制定隐私政策的过程中刻意放大自身利益而弱化用户权益，在隐私政策的内容表述中使用含糊表达和双重标准，隐私政策“霸王条款”现象层出不穷。现有研究重点探讨了隐私政策的内容完整性特征和外部形式特征等，对隐私政策中的不公平性、模糊性和诱导性条款的关注不足。因此，本研究以国内具有一定知名度和代表性的19个互联网平台的隐私政策为例，基于扎根理论三级编码步骤，对隐私政策文本内容进行了初步的探索性分析，最终识别出了14个基本范畴、5个主范畴和1个核心范畴。研究结果表明，平台在隐私政策中利用自身的话语主导地位，在内容表述上采取了推诿责任、放大用户成本和一揽子授权等策略，其最终目的在于获取用户的推定同意和默认理解等。本研究提出扩展隐私政策制定主体、增强隐私政策交互性、完善动态同意机制等建议，旨在为规范隐私政策的制定过程和加强用户隐私保护等提供启发。     

基于BERT文本分类模型的APP隐私政策完整性评价研究

[目的/意义]隐私泄露多发的原因之一在于部分APP隐私政策不够完整合规。APP隐私政策的完整性评价有助于推动隐私政策合规性研究，并揭示运营方收集和使用用户隐私的现状。[方法/过程]研究针对主流APP的隐私政策文本，利用Bert分类模型和L2归一化等方法计算得到其完整性得分，并从完整性的角度比对分析了不同类别和典型APP的隐私政策。[结果/结论]研究发现，Bert模型分类效果极佳，同时APP间隐私政策完整性差别较大。研究提出的隐私政策自动分类评价方法有助于隐私政策评价研究向自动化和智能化方向发展，并为隐私政策合法合规性研究提供了借鉴。