因特网舆情传播的协同元胞自动机模型

现有的因特网舆情传播研究或者从话题文本增长—消亡过程的数学统计或智能学习出发,或者采用元胞自动机或隐马尔可夫模型(HMM)分析主题倾向度的演化过程。但这些研究均缺乏有关舆情主体属性对因特网舆情传播影响的分析。基于因特网舆情空间的系统协同性,首先计算元胞状态协同转移概率,同时将整体协同转移概率与中心元胞之九邻居局域状态概率比较,确定中心元胞状态是否转换。经过若干次时间序列的迭代计算,获得舆情整体传播趋向“+”或“-”的程度(磁化率)。通过观察磁化率—时间变化曲线,能清楚地了解舆情传播的演化。在此基础上,提出一个扩展的协同元胞自动机模型及算法。仿真结果表明环境适应度参变量表达了网络舆情主体从众心理,其变化影响磁化率向多数人意见靠拢;而偏好参变量使网络舆情整体快速向“偏好”方向传播。该模型比较接近现实社会网络的舆情传播方式。     

机会网络舆情传播的MCA模型及仿真研究

为了研究舆情主体的流动性和记忆能力对舆情在机会网络中传播的影响,提出移动实体、元胞容量和元胞吸引力新概念,扩展经典元胞自动机模型,并结合现代心理学的记忆理论,建立移动元胞自动机舆情传播模型。在此基础上,考虑舆情主体对新鲜观点存在抵触情绪,提出了舆情主体情感态度倾向性和态度转变阈值的概念,制定实体状态转换规则和移动规则,从而分析影响舆情在机会网络中传播的主要因素。结果表明:舆情主体流动性的提高、记忆时间阈值的增大可以促进舆情传播;不同情感态度的主体比例相差越大,舆情同质化率就越高;舆情主体的空间密度越高,舆情传播速度越快;舆情主体自身情感态度倾向性越大,舆情传播速度越慢。     

基于改进的元胞自动机的网络舆情传播模型

本文针对网络舆情传播,结合元胞自动机理论,提出了一种三维元胞自动机模型。该模型能够更加准确地模拟网络舆情的传播动态,有效地解决舆情传播过程中遇到的问题。实验结果表明新的模型和算法简便、高效,基于三维元胞自动机建立的传播模型清晰的表达了网络舆情传播的过程。     

移动元胞自动机的个体化网络舆情聚类模型与仿真

为了研究舆情个体的个性对现实环境下网络舆情传播和演化的影响以及舆情个体“类聚”现象,采用元胞自动机理论的建模方法,将一定网格空间的个体抽象为带有情感倾向度的元胞,设定离散值的意见倾向度。此外,定义元胞的个体特性：坚定性权重[βij],个体影响权重[λij]。为了模拟舆情个体可以通过不同途径参与舆情事件,定义了一种新的移动规则,在边界周期条件下的元胞空间,实现了每个元胞与空间内的所有元胞的信息交流。实验结果表明：舆情演化到最后会呈现稳定状态,舆情个体的不同个性会影响稳态收敛的速度快慢;当个体特性取中间值时,系统最有可能出现意见群体意见归一现象。     

基于模糊元胞自动机的网络舆情传播模型研究

考虑到信息在传递过程中普遍存在模糊性的特点,结合经典元胞自动机理论和模糊推理算法,设计网络舆情传播的元胞自动机结构,定义环境适应度k和偏好度h 2个输入变量,建立网络舆情传播的模糊元胞自动机模型。对网络舆情传播中个体观点的演化过程进行Matlab仿真与分析,结果表明,在经过交流与讨论(对应于元胞进行足够多次数的迭代和演化)后,群体的观点和意见会出现归一的现象,归一不是归于处在2个极端的赞成或反对,而是向中间聚拢,最后形成一个折中的意见。该模型可以更好地描述网络舆情的实际传播过程。     

异质CA模型上含有导控策略的网络舆情传播研究*

为了研究网络舆情在导控机制下的传播特点,并针对解析范式无法模拟微观个体交互产生宏观行为的缺点,在元胞自动机模型上,考虑舆情个体异质属性和个体之间意见交互特征,建立了一种含有导控策略的网络舆情控制模型。在此基础上,定义元胞基于邻域影响和本身异质属性决定的状态转换规则,提出了针对不同类别元胞的导控策略。在仿真环境中,对异质性元胞状态交互与演进进行了实验,从而分析异质属性和导控策略对舆情传播的作用效果。结果表明：对易感类、接触类和传播类元胞进行引导达到的舆情导控效果各不相同。元胞自动机上的舆情导控模型,能够比较真实反映网络舆情在导控作用下的传播情况。     

基于元胞自动机模型的网络舆情导控机制研究

为探究网络舆情的演化规律及导控作用,采用定量分析方法,提出一种基于元胞自动机的舆情导控机制。定义内在动力系数、倔强度系数等舆情主体属性,提出舆情导控力系数。在元胞自动机模型中,把主体属性以及导控强度赋值给每一个元胞,仿真实现并分析了外界导控作用、网民属性对网络舆情发展的强度和方向的影响。实验结果表明,在网络舆情传播形成和发展时期对舆情进行正确导控,可以避免不良舆论的发生,舆情演化总体呈现扩散状态。     

无标度特性下的网络舆情演化迁移元胞模型

通过实证分析网络舆情演化的无标度特性,将网络舆情演化分成两个阶段:观点形成阶段和观点交互阶段.构建BA'模型,提出无标度特性下的观点形成算法;结合作者前期研究成果迁移元胞自动机网络舆情演化模型,提出了无标度特性下的观点交互算法;观点形成算法和观点交互算法组成了无标度特性下的网络舆情演化二阶段模型.对网络舆情演化的二阶段模型进行仿真,模拟现实网络舆情演化的观点形成和观点交互过程,绘制出倾向度状态转换图和粗细粒度倾向度曲线;经过仿真分析,揭示了网民观点倾向度和网民素养对网络舆情演化的影响规律.     

基于元胞自动机的网络蠕虫病毒传播仿真

针对模拟网络蠕虫病毒的传播,提出基于元胞自动机模型的网络蠕虫病毒传播的方法。将病毒的传播过程分为2个阶段,并分别对不同的阶段建模。经过仿真,可以获得不同状态的计算机系统的数量、蠕虫病毒的数量和病毒传播趋势等信息。结果表明,用元胞自动机模型仿真蠕虫病毒传播能够更清晰地反映出网络蠕虫病毒传播的趋势,与实际的蠕虫病毒传播符合较好。     

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。     

一种基于朴素贝叶斯的微博情感分类

本文基于二次情感特征提取算法,利用句法依存关系进行一次文本情感特征提取,在此基础上,利用情感词典,进行二次情感特征提取。构建朴素贝叶斯分类器,对采集的热门话题微博和酒店评论进行文本情感倾向性分类。主要比较了表情符号、标点符号,基于情感词典的特征提取和基于二次情感特征提取方法,在不同的组合下的分类性能,寻找更佳的微博文本情感分类预处理方法。并与酒店评论情感分类结果对比、分析,发现影响微博情感分类性能的原因。实验结果表明,二次特征提取方法在分类上取得更高的F1。实验最佳的分类预处理方式是"表情符号+标点符号+二次情感特征提取+BOOL值"。同时发现,朴素贝叶斯在酒店评论情感分类取得更高的分类性能,主要是微博评价对象多样化造成的。     

基于情感分析和影响力评估的突发事件情感图谱

针对突发事件中负面网络舆情传播的问题,提出了一种基于情感分析和影响力评估的突发事件情感图谱研究方法。提出了一种基于多头自注意力机制和双向长短期记忆网络（Bi-LSTM）的情感分析模型来计算网站用户的情感倾向,并提出了一种融合加权度与K-shell值的节点影响力评估算法来评估用户的影响力,从而综合构建突发事件的情感图谱,有效提高了情感图谱的准确性和科学性。以“7.7安顺公交车坠湖事件”为例,将突发事件的生命周期划分为爆发期、蔓延期、成熟期和衰退期四个阶段,分别生成情感图谱进行可视化分析。实验结果表明,在酒店评论数据集上,所提出的情感分析模型的F1值在积极和消极方面比文本循环神经网络（Text-RNN）模型分别提升了9.92个百分点和2.5个百分点;在Karate网络上,所提影响力评估算法的区分度和准确性比K-shell算法分别提升了46.89个百分点和29.05个百分点。构建基于社交网络的情感图谱有助于相关部门发现意见领袖及其情感倾向,从而把握网络舆情的发展趋势,并降低消极情感对社会造成的影响。     

基于二部图的公共交通网络模型

利用现有方法对兰州市公共交通网络进行建模时,不能得到真实网络参数,或复杂度过高。为此,以二部图作为基本模型,将车次作为“上集”,站点作为“下集”,建立兰州市公共交通网络模型。计算并分析数据,验证其符合小世界特性和无标度网络,并利用 Laplacian特征值和最大连通子图相对值来分析网络的性能和连通情况。分析结果证明,该模型在减少网络存储空间的同时能保证计算结果的准确,且对其优化也较简单直观。     

基于依存句法关系的文本情感分类研究

为增加向量空间模型的文本语义信息,提出三元组依存关系特征构建方法,将此方法用于文本情感分类任务中。三元组依存关系特征构建方法在得到完整依存解析树的基础上,先依据中文语法特点,制定相应规则对原有完整树进行冗余结点的合并和删除;再将保留的依存树转化为三元组关系并一般化后作为向量空间模型特征项。为了验证此种特征表示方法的有效性,构造出在一元词基础上添加句法特征、简单依存关系特征和词典得分不同组合下的特征向量空间。将三元组依存关系特征向量与构造出的不同组合特征向量分别用于支持向量机和深度信念网络中。结果表明,三元组依存关系文本表示方法在分类精度上均高于其他特征组合表示方法,进一步说明三元组依存关系特征能更充分表达文本语义信息。     

容差近似空间的广义概念格模型研究

在粗糙集合理论中,近似空间概念格之间存在着有趣的对应关系,利用概念格研究知识的约简和发现。更直观和更有效,但已有的概念格模型是基于近似空间的等价类划分的。等价类划分过于苛刻,扩展的基于容差关系的近似空间具有更广泛的意义,但目前未见有相应的格模型被提出。该文提出了容差近似空间的一种格模型,称为广义概念格,给出了定义,描述了建立方法和由它产生规则的原则,讨论了空间复杂性问题,并且与其它相近方法做了比较     

基于周期性晶格的3D打印模型轻量化方法

为了获得 3D 打印模型节材效果和优化的物理力学性能,从晶格的形状多变性出发,提出了一 种基于晶格的 3D 打印轻量化结构生成方法,由此产生的轻量化结构用来替代给定模型的实体空间。首先,提 出了一种通用的晶格描述方法,进而对晶格的几何和拓扑特征进行个性化设计。其次,通过在模型包围盒内周 期性排列晶格单元,构造出了实体建模所依附的拓扑骨架结构。接着,采用了一种基于网格拼接的直接构建 STL 模型的几何建模方法,其无需布尔运算即能快速获得网格质量可控的晶格实体结构。通过实物打印验证了 适用于晶格结构的 3D 打印成型工艺。对 5 种典型晶格的几何和力学特性进行了对比分析,并作为晶格设计选 用的初步依据。结果证明,该方法在实现节材和提高模型强重比的同时,达到了保证轻量化模型的可打印性、 自平衡性以及力学性能可优化等目标。相较于以往的方法,具有多变性和效率优势,适合各种工程应用。     

网络舆情的监测、疏导及预警

近年来,由于互联网的飞速发展,网民数量急剧增加,网络舆情也随之异常活跃,若对舆情处理不当,极有可能诱发民众不良情绪,导致不良事件的发生,对社会稳定造成严重威胁,进而破坏政治经济生活秩序。因此,做好互联网时代网络舆情的监测、疏导及预警,是我们在新形势下面临的一项十分重要而迫切的任务。     

一种基于LDA主题模型的评论文本情感分类方法

针对互联网出现的评论文本情感分析,引入潜在狄利克雷分布(Latent Dirichlet allocation,LDA)模型,提出一种分类方法。该分类方法结合情感词典,依据指定的情感单元搭配模式,提取情感信息,包括情感词和上、下文。使用主题模型发掘情感信息中的关键特征,并融入到情感向量空间中。最后利用机器学习分类算法,实现中文评论文本的情感分类。实验结果表明,提出的方法有效降低了特征向量的维度,并且在文本情感分类上有很好的效果。