一、序言
数字媒体时代背景下，基于网络的社交媒体内容越来越多，大量信息交互让媒体工作量达到了极限。社交媒体团队转向人工智能，很好地发挥了其性能上的优势，极大地提高了工作效率，也保证了社交网络媒体中的安全性。通过进一步研究人工智能在社交媒体各方面的应用，可以发掘和优化社交媒体的互动，最大限度改善社交媒体技术。所以，人工智能在社交媒体的研究运用，势必成为重要的技术应用。
二、人工智能在社会群体研究方面的重要性
社交媒体打破思想的局限性，提供社会群体进入别人思想领域的机会，使得群体能够参与讨论。研究基于社会网络而存在的社交媒体，本质是研究社会网络中的人类群体关系，引入人工智能，能从社区、心理、传播、影响力等各方面，探寻社会网络的演变规律和社交媒体带给社会群体的动态导向，最终能预测社交媒体行为。
（一）对社交网络的演变分析
社交网络不同于其他网络，网络中每个个体的行为与决策都或将改变网络内部的连接。同质性可以理解为在社交网络中相连的人趋于“相似”，麦克弗森等人提出同质性在某种程度上限制了人们的社会世界，对他们所收到的信息、形成的态度以及经历的互动都有着强大的影响。人工智能基于大数据模拟出社交网络的演变趋势，随着深度学习领域的发展，人工智能模拟的演变趋势将更加贴合实际。通过演变分析，能够推断同质性影响社交网络演化的问题，减少社交网络研究的时间成本。
（二）模拟传播的影响
模拟社交网络中传播的影响在于不同影响力和利益群体的网络中，传播的变化趋势。人工智能在此用于探究影响理智决策的条件。
2.1对理智因素的测量模拟
对理智的测量包括两方面：逻辑程度以及利益诉求[1]。根据信息中提及的利益与集体、个人利益的重叠程度，以及信息是否有理有据，建立完整推导关系来判断。人工智能的基础便是对于逻辑判断的训练推理，不掺杂个人情感，能够更为严谨地根据数据分析结果。
2.2探究影响力在传播机制方面的作用：结合理智与情感
通过建立一系列逻辑回归模型，人工智能可以实时计算判断不同影响力和不同利益群体之间的传播机制的区别和联系[2]。建立在大量数据和基础理论数据之上，通过信息检索、语义提取等，人工智能相比人类而言，更有理论依据支撑其计算结果，更能够实现对网络中用户的活动进行预判。
（三）社交网络中的模式识别
当下的社交媒体形式多样，不限于文字、图像、音视频，基于大数据的词语联想、语音翻译、自动纠错等成为热门。但这些不足以满足社交媒体丰富的交互特性。人工智能的一大应用——同传机器人，不仅能够实现短延迟同传，还能进行语音合成，达到演讲者的同声翻译的水平。极大的保证了翻译的速度与准确性，也能够减少人工使用，提高效率。
（四）国际传媒领域对人工智能的运用
在当下数字媒体时代，原有传播媒介融合数字化技术，衍生出集信息化、智能化为一体的新兴传播形式，随着国内外当前“互联网+”、机器学习、人工智能等研究领域的快速进展，国际国内关于这些领域的研究也有突破性的成果。
图1. 2016 年境外传媒人工智能论文共词矩阵（部分）[3]
如图论文共词使用表可分析，社交网络研究领域运用的技术最多的就是信息技术、人工智能与机器学习。而当今人工智能和机器学习两个学科有交叉融合，人工智能研究领域也包含了机器学习。所以从当前学术界的研究趋势可分析，对于社交网络的研究而言，人工智能的贡献不能小觑。
三、人工智能在数据信息挖掘方面的重要性
（一）从大量数据中挖掘有用信息
采用人工智能技术的挖掘方法，可以更有效实现对大数据的动态挖掘。例如曹剑侠[4]提出的挖掘算法，将各个指标按不同特征分类，对事件类型多维度指标进行聚类，提出计算公式 
，通过计算得到人工智能比传统算法能提高挖掘数据有用信息的准确性。
（二）探索求解策略
不同于大部分搜索引擎的盲目搜索，基于人工智能可以进行启发式搜索。运用启发信息，动态调整搜索步骤和方向。在常规搜索策略下，要遍历国际象棋博弈所有棋局所花费的时间比宇宙存在时间还要高百万倍，因此，只有运用启发信息作为搜索的辅助性策略，才能尽可能减少不必要的时间消耗，极大地提高搜索求解效率。
四、人工智能在市场经济评估方面的重要性
（一）金融交易中辨别异常行为
人工智能分析数据，监控大笔金额的交易详情，短时间内完成检测。根据用户大数据分析用户行为，追踪金额的流通路径和使用记录，判断金额的合法性。如果在社交网络中某节点发生频繁、大额度的交易记录，在发生网络金融犯罪的时候，提供合理、有效的追踪线索，极大减轻搜索任务。在一定程度上预防了异常节点的犯罪行为。
（二）精准把控客户需求
在数据过载的社交平台中[5]，精准快速地寻找到有用的信息比较困难。为此相关专家不断进行算法设计和优化，从用户情景化偏好预测、采集和识别研究[6]，到基于模块度聚类和图计算思想，面向复杂网络大数据的重叠社区检测算法[7]的问世,再经过不断改进，集成五种不同性能的AI算法进行无功优化计算[8]，逐渐发现人工智能的先进性与重要性，从而转向人工智能与AI探索，提出了基于人工智能的社交网络用户行为数据周期推荐算法[9]，达到97.2％高精度的预测，提高社交网络的个性化服务质量。人工智能具有很强的链接和数据处理能力，可以实现对数据资源最高效、最智能的管理。整理当前网络中的各种数据交互、基于算法完成数据的自动加工处理，得到高质量、有价值的信息。借助于对传播影响的模拟以及数据挖掘，预测客户群体的关注产品，并发掘重点群体。高效快捷选择客户感兴趣的信息产品，精准把控需求，提供个性化服务，能有效促进市场经济流通。
五、结束语
综上，将人工智能技术应用到社交媒体中，是一个重要且有意义的决定。在推动社交媒体的发展上，人工智能在各个领域都表现出了高效的性能和深远的影响。如今的数字媒体时代，随着社交媒体网络的发展进步，人工智能的运用势必将成为重要的选择，未来，社交媒体的发展应当紧密结合人工智能。
参考文献
[1] 卢嘉，刘新传，李伯亮.社交媒体公共讨论中理智与情感的传播机制——基于新浪微博的实证研究[J].现代传播（中国传媒大学学报），2017,39（02）：73-79.
[2] PARK，C. S . Does Twitter Motivate Involvement in Politics? Tweeting，Opinion Leadership，and Political Engagement[J]. Computers in Human Behavior，29(2013)，1641-1648.
[3] 喻国明，梁爽，程思琪.当前国际传媒领域人工智能研究的学术热点与框架——基于EBSCO数据库2016年英文文献的文献计量学方法[J].东南学术，2018，（2）：4-9.
[4]曹剑侠.人工智能技术在网络舆情大数据传播特征挖掘中的应用[J].信息与电脑,2021,33(08),168-170.
[5]刘慧婷，杨良全，凌 超，等.社交网络中融合社交关系和语义信息的推荐算法[J].模式识别与人工智能，2018，31(3): 236-244.
[6]李凯凯，宋礼鹏． 基于社交网络的用户行为记忆性研究[J].微电子学与计算机，2017，34(3): 133-135.
[7]乔少杰，韩 楠，张凯峰，等.复杂网络大数据中重叠社区检测算法[J]．软件学报，2017，28(3): 631-647.
[8]包 涛，程乐峰，陈柏熹，等． 基于人工智能算法的无功优化分析软件设计[J].电力系统保护与控制，2018(3) : 89-96.
[9]赵丽坤，王于可．基于人工智能的社交网络用户行为数据周期推荐算法[J]． 科学技术与工程，2020，20(28) : 11647-11652.
作者简介：
杨思琪[1]（2001-），女，四川成都，本科生，专业为：数字媒体技术；
温自强[2](1989-)，男，四川蓬溪，讲师，博士在读，研究方向为：人工智能；
李尔康[3]（2000-），男，四川成都，本科生，专业为：计算机科学与技术；
