基于JavaWeb的论坛项目，提供API供前端调用，支持安卓、JSP、HTML等调用

在线社交网络上的谣言检测研究最后一年研究项目的源代码。 抽象 这项研究旨在确定诸如Twitter和Facebook之类的在线社交网络上谣言的关键特征。 鉴于互联网作为新闻来源的普及性以及互联网上信息的不断增长，自动识别谣言的重要性正变得越来越重要。 开发了一组定性和定量指标，以更好地了解每个搜索查询的特征及其生成的结果数据集。 定量指标表明数据集的大小，而定性指标则评估数据集的新闻/谣言纯度和上下文纯度。 指标将指示数据集从数据集中剖析不同上下文所需的预处理工作量，并使其对进一步分析更加有用。 利用计算机科学和社会科学的现有文献，进行了三个实验： 数据集的总体情绪概况是什么？ 在以谣言为中

这个代码写了社交网络的中心度分布，如度中心性、接近中心性、中介性、特征向量中心性等，还涉及有权无向的有权度，用python实现，包括datafram一系列用法，如何将dataframe两列写入图中，如何创建图，如何画图等。

使用python进行社交网络分析

Twitter数据集20万条包括文本，时间，转推关系、回复关系，作者等一系列信息，Twitter的社交网络连接数据集，包含Twitter当中的用户转发关系。可以用于社交网络数据分析研究、异常检测、事件检测与演化模型分析、情感分析、链接预测，信息传播等方面的研究

影响力最大化 库： JGraphT库（图论数据结构和算法的Java库） JUNG（Java通用网络/图形框架） 随机图生成模型： 问题定义：社交网络中的影响最大化问题寻找出一组节点，这些节点可以将信息传播给最大数量的成员。 该项目包含我题为： 在这项工作中，我们提出了一种以幂律图为重点的方法来加快Kempe算法的速度。 改进包括预先选择最有希望的节点。 为此，我们探索了幂律图的一些性质以及社会影响力与程度分布之间的关系。 我们已经通过实验分析证实，这种预选可以减少运行时间，同时又能保证解决方案的质量。 提出的算法的源代码在这里： src/algoritmos/PrevalentSeed.java

通过多关系社交网络中的链接预测来检测潜在关系

社会网络是指人们根据相识关系所形成的网络形态。随着万维网的迅速发展，其中蕴含的社会网络迅速膨胀，其结构异常复杂，导致人们很难通过数字、表格或文字的方式对其进行表示、分析和管理，并使其中所包含的丰富信息资源难于被发现和有效利用。可视化方法可以将复杂的社会网络结构转换成美观的图形，辅助人们直观地理解社会网络结构并从中挖掘有用的信息，是社会网络分析的一个重要途径。在前人研究的基础上，本论文针对从照片共享网站Flickr中采集的社会网络数据，通过在SqlServer数据库管理平台上的SQL编程对社会网络数据集进行了压缩，并基于Matlab平台设计和实现了布点算法对提取的关键网络结构进行了可视化展示。

信息的传播和扩散已经成为当今社会网络分析中的热点问题之一。 为了分析在线社交网络信息的传播和级联属性，在本文中，我们讨论了两种用户决策在整个城市活动中的传播，即``想参加活动''和``根据用户对``豆瓣''的关注程度和全市范围内的活动数据，分析活动决策在以下方面的分布特征：级联子图的规模和范围，级联子图的结构特征，扩展树的拓扑属性以及级联子图的出现频率。 在此基础上，我们提出了一种新的信息传播模型。 在经典的独立扩散模型的基础上，我们介绍了三种机制：均等概率，节点相似度和节点流行度，它们可以产生并影响信息的传播。 此外，通过在六种不同类型的网络数据集上进行实验，我们比较了上述三种机制（总共六个特定因素）对信息传播的影响，并提出节点的受欢迎程度在信息传播中起着重要作用。

网络中节点重要性度量对于信息的扩散、产品的曝光、传染性疾病的检测等都具有重大的理论意义。为了度量节点重要性，基于网络拓扑结构考虑全局信息和局部信息提出了加权的节点重要性度量方法。对于一个无权网络，先考虑网络全局信息，计算出每个节点的特征中心向量值，将边两端节点值的和作为边的权重，从而构成一个加权网络；然后根据加权网络的局部信息求出加权网络的度。基于SIR模型的四个实证网络，实验结果表明加权方法比特征向量中心性、度中心性、紧密度中心性和介数中心性方法的效果更显著。