动态测量、分析并预测在线社区中的情感韧性

《ACM Transactions on Management Information Systems》：Dynamically measuring, analyzing and forecasting sentiment resilience in online communities

本文提出动态韧性指数（DRI）模型，整合韧性理论、Catastrophe理论和隐马尔可夫模型，通过案例数据分析揭示DRI最优状态数与观察序列长度，探究DRI与网民位置及评论时间的关系，并分析时间窗口长度对预测性能的影响，为在线社区情感韧性研究提供方法论和理论贡献。

　　

摘要

在线社区中的情感韧性是一个新兴且日益重要的概念。然而，目前用于衡量情感韧性的方法未能充分考虑韧性变化的动态特性，也无法全面考虑社区的整体背景。为填补这些空白，我们基于现有研究提出了动态韧性指数（DRI）模型，该模型结合了韧性理论、灾难理论以及隐马尔可夫模型。通过对案例数据进行实验和分析，我们验证了该方法的有效性，并得出了有趣的研究结果。首先，我们确定了最佳的韧性状态数量和观察序列长度，并计算出了具有最低困惑度的DRI值。其次，我们分析了DRI与网民位置及评论时间之间的关系，揭示了DRI的动态变化机制。第三，我们在动态且复杂的社区环境中对DRI进行了预测，探讨了时间窗口长度对预测性能的影响。我们的研究在方法论和理论层面为情感韧性分析领域做出了重要贡献，同时也为在线社区管理提供了实际参考。