基于社交网络的农业科技信息传播博弈模型探析

实施乡村振兴战略和推进农业农村现代化,离不开农业科技成果的推广应用。“互联网+”时代,社交网络为传播手段对农业科技信息推广十分有利。博弈论为农业科技信息竞争提供理论依据,协助农业科技信息传播主体在“市场争夺战”博弈中做出决策。因此,在社交网络环境下,分析社交网络、博弈论与农业科技信息服务的关系,基于社交网络构建农业科技信息竞争策略博弈模型、分析农业科技信息博弈均衡、收益函数等,揭示影响农业科技信息的因素和农业科技信息传播各主体间的利益关系,协助传播主体、传播受体做出最佳决策,实现社交网络下的农业科技信息传播水平的提升。     

基于博弈论的网络社区舆情传播模型

针对网络社区动态、交互的舆情传播问题, 提出了基于博弈论的舆情传播模型(POBGT)。利用在动态概率条件下的博弈策略构成博弈树和收益矩阵, 从网络社区内部与外部分别对动态舆情传播进行分析; 构建的模型能够从动态和交互两方面描述传播过程, 最终能够形成稳定的状态。仿真结果表明, 网络社区中舆情传播在一般情况下具有初期传播平稳, 后期倾向某一方形成具有一定影响的舆论。     

考虑群组结构的在线社交网络竞争性舆情信息传播模型研究

针对在线社交网络中竞争性舆情信息同时传播的问题,在无标度网络的基础上引入群组结构,构建竞争性舆情信息传播模型,考虑舆情信息内容、用户亲密度、社会强化效应因素并进行仿真研究。仿真结果表明,引入群组结构的无标度网络充分契合了在线社交网络的复杂性质;群组数量、群组规模、用户亲密度、社会强化效应对竞争性舆情信息的传播有不同的促进作用;控制舆情信息内容的重要性与模糊度可有效调控竞争性舆情信息的传播与扩散。     

融合社交网络用户自身属性的信息传播数学建模与舆情演化分析

针对传统的社交网络信息传播模型极少将用户属性和信息特征这两个因素纳入到信息传播模型研究中的不足,该文提出了一种基于用户自身属性的信息传播模型。首先该文抽取用户影响力、用户态度、用户年龄、信息能量、信息价值等特征并构建交互规则;其次,根据这些特征建立信息传播的数学模型,模拟社交网络舆情演化过程;最后,为验证模型的有效性,开展了与真实事件的实证分析对比实验。实验结果表明: 仿真结构与真实数据的相似度大于0.97,因而该模型符合社交网络舆情信息传播的特性,能够较为准确地描述社交网络中的舆情传播过程。     

基于SEIR模型的舆情传播和舆情控制模型

为研究跨平台之间舆情传播及舆情控制的影响要素,以微信和微博交互平台为例,基于SEIR模型构建了网络舆情传播和舆情控制模型。在Anylogic平台选取“南非发现新冠新型变异毒株Omicron”舆情时间进行仿真实验,主要研究分析了交互平台下媒体引导和政府干预对舆情传播和舆情控制的影响。仿真实验表明,模型很好地刻画了微信、微博平台的信息传播特性,反映了舆情的跨平台传播效应。     

基于藏文网络的舆情传播模型

通过研究网络舆情传播的发展现状、趋势及特点,介绍了藏文网络舆情传播的特点和作用.根据复杂网络理论的研究方法对藏文网络舆情传播规律进行实证分析,设计了一个藏文网络舆情模型结构.研究表明,通过聚类可以提高藏文网络舆情的准确性,Web挖掘能够有效地从藏文网络上获取并分析相关舆情信息.     

基于传染病模型的社交网络舆情话题传播

针对传统模型难以真实地描述社交网络舆情话题传播过程,提出一种基于传染病模型的社交网络舆情话题传播模型。分析了社交网络舆情话题的传播特点,根据传染病动力学机制,将内部感染概率、外部感染概率、免疫概率以及直接免疫概率引入舆情话题传播过程中,构建了社交网络舆情话题传播模型,在Matlab 2012平台下采用Facebook数据集进行仿真测试。仿真实验结果表明,该模型可以准确描述社交网络中的话题传播行为特征,研究结果可以为社交网络舆论管理者提供有价值的参考意见。     

基于SCIR的微博舆情话题传播模型研究

微博是舆情话题传播的重要渠道,研究微博网络中的舆情话题传播机制,将有利于对舆情话题的传播过程进行分析与监控,而传统的网络信息传播模型却无法真实地描述微博网络中的舆情话题传播机制。针对以上问题,分析了微博网络中的信息互动模式及舆情话题的传播特点,以传染病动力学中的SIR模型为基础,通过引入一个新的节点状态--接触状态,构建了基于SCIR（Susceptible Contacted Infected Removed）的微博网络舆情话题传播模型。仿真结果表明,该模型可以很好地描述微博网络中的舆情话题传播规律。     

G(Galam)模型在网络舆情演化中的应用

网络舆情的互动性、多元性、衍生性等特点,使得对网络舆情演化的分析相当复杂。首先,剖析网络舆情的来源、内容、传播和影响的特征,进而引入G (Galam)模型,并将其运用于网络舆情演化过程的研究中。通过实验分析,得出网络舆情的演化最终极化方向存在一定的规律性和可控性。通过干预公众个体间的交流和影响公众的公共偏好,可以引导网络舆情的最终演化方向。     

基于线上-线下超网络模型的舆论演化仿真分析

目前在舆论演化模型及其动力学规则的研究中大多数都没有考虑线下网络,导致其无法真实反映舆论传播过程。为解决上述问题,首先利用线上-线下社交网络映射方法得到线上-线下社交网络拓扑结构;然后构建线上-线下超网络模型,集成舆论事件态势信息形成舆论演化仿真环境;最后,利用传播学原理制定线上-线下超网络模型动力学交互规则,进行舆论动力学仿真。将提出的模型用于事件实例分析,仿真结果与舆论事件实际发展情况之间的余弦相似度达到0.99,平均差值为1%。实验结果表明,所提出的模型取得了比其他方法更好的仿真效果,验证了线上-线下超网络模型和舆论动力学交互规则的正确性和有效性。     

复杂网络演化的舆论动力学模型及仿真分析

针对舆论传播过程中复杂动力学演化问题,提出一种基于传播动力学的舆论动态演化模型。首先,构建舆论及舆论演化模型,通过方程变换求出静态解;其次,引入Fokker-Planck方程对舆论演化渐近行为进行分析,得到稳态解决方案并求解,构建复杂网络与模型的关联并提出仿真研究实验目的;最后,通过对舆论演化模型及引入Fokker-Planck方程的舆论意见模型进行仿真分析,并以真实微博舆论数据为例进行实证分析,研究舆论在复杂网络中传播和演化的实质。实验结果表明舆论网络演化渐近行为与度分布相一致,网络舆论传播中的连接方式会受到节点意见影响,模型能有效描述微博舆论传播网络形成和演化过程的动力学行为。     

基于元胞自动机的网络舆论激励模型

为了研究网络舆论的传播过程及发展趋势，建立了一个基于元胞自动机的网络舆论激励模型，用于模拟网络舆论形成过程中个体发表言论数的变化以及个体观点的变化。在模型中，将网络空间的个体抽象为以情感描述的元胞，用情感倾向度和情感倾向度门限来确定元胞发表言论的状态，用情感激励来描述元胞的移动规则。同时，该模型考虑了个体数量增减和社会突发事件对网络舆论传播的影响，从而更能准确地模拟网络现实事件。     

电子政务民意热点信息聚类分析

为了更加宏观地把握民众关心的热点信息,从而使政府能够为民众提供更具针对性的信息和服务,首先通过Web日志挖掘计算出能够在一定程度上反映民意热点信息的两个指标,然后综合考虑这两个指标提出了一种分析方法.通过加权计算来度量每个信息的受关注程度,从而找出一段时间内民众所关心的热点问题.最后通过页面聚类分析对这些热点信息进行归类,并用实例加以分析说明.     

基于StarLink的民意模型的改造和测试

针对基于StarLink的民意模型,首先在理解高层体系结构的基础上,将它设计为具有三类联盟成员的联盟,接着详细地分析了联盟成员之间的信息流程和每类联盟成员内部的信息流,最后给出了基于该联盟的仿真实验方案和结果。实验结果表明,StarLink能够有效支持大中规模的仿真系统应用。