基于复杂网络的协同舆情演化模型研究

针对舆情传播中人际关系网络的复杂性和个体邻域的异质性,建立可变聚类系数的无标度网络,在此基础上构建了协同舆情演化模型。通过不同参数下的仿真实验,分别讨论了序参量和网络结构特征对系统磁化率的影响。实验结果表明,序参量更能体现舆情系统的协同效应,比较符合网络舆情演化的实际情况。此外,当网络平均度较小时,提高聚类系数可以有效抑制舆情的传播;当平均度超过临界值时,将促使系统迅速收敛于极端态度,此时聚类系数不再起关键作用。研究结果有助于理解舆情的演化规律,为导控舆情发展提供了理论参考。     

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。     

基于非理性博弈的舆情传播仿真建模研究

随着社交网络的不断发展,借助社交网络进行传播的舆情信息的威胁越来越大. 本文利用博弈论的方法研究了舆情信息的传播机制,从理性博弈和非理性博弈的角度出发对个体与邻居的交互行为进行建模. 随后以目前较为成熟的传染病模型为基础,通过引入传播学中的社会威慑因素来构建基于非理性博弈的舆情传播模型,以实现适应舆情传播研究的仿真系统,继而将基于非理性博弈的舆情传播模型在无标度网络和小世界网络上的动力学特征进行理论分析. 在仿真环境中对非理性博弈的舆情传播模型进行实验,分析模型参数、网络密度和舆情传播源对舆情传播的影响,其结果符合理论分析结果. 最后对无标度网络上舆情传播的控制策略进行了研究,包括:社会威慑方法、目标免疫方法和正面消息方法,为社交网络上的政策制定提供了理论基础.     

基于参数反演的网络舆情传播趋势预测——以新浪微博为例

针对现有的舆情传播模型研究与实际舆情数据结合较少以及难以从舆情大数据中挖掘舆情传播内在规律的问题,提出一种基于实际网络舆情大数据采用神经网络的舆情传播模型参数反演算法。改进经典SIR传染病传播模型,构建一种网络舆情传播模型,基于该模型对实际案例进行参数反演,预测网络舆情的后续传播趋势,并与马尔可夫预测模型对比,所提算法可以精确预测舆情的具体热度值。实验结果表明,所提算法在预测性能上具有一定的优越性,可以用于网络突发事件传播的数据拟合、过程模拟和趋势预测。     

自适应复杂网络中的病毒传播模型

提出了一个基于自适应复杂网络的病毒传播模型。模型中,易感节点为了不被感染,能够有意识地避开与感染节点的连接,此过程一方面使得网络结构发生了变化,另一方面网络结构的变化又反过来对病毒传播过程造成了影响。着重考查了模型中个体的躲避行为对病毒传播效果的影响,结果显示,在个体躲避行为的驱动下,系统的最终染病节点数会发生振荡,并且在一定的参数范围内系统出现了双稳状态。     

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。     

基于改进SIR的正负面网络舆情信息传播模型与仿真

针对网络舆情传播过程中正负面信息共存的问题,在SIR模型的基础上,引入正面信息澄清者C,构建正负面信息同时传播的SCIR模型,并考虑首页效应和网民异质性,借助多智能体仿真技术对舆情的传播过程进行模拟仿真.仿真结果表明,SCIR模型比SIR模型更吻合现实网络中舆情的传播;第三方机构利用首页发表的声明可信程度越高,越有利于舆情控制,但存在阈值;首页效应对正负面信息的传播具有两面性,网民异质性和正负面信息传播率均对正负面信息竞争结果有显著影响.     

基于多特征信息传播模型的微博意见领袖挖掘

在线社交网络中的意见领袖通常是指在社交网络的信息传播中具有较大社会影响力的个体。针对当前意见领袖挖掘方法中只考虑社交网络的拓扑结构和节点的个体属性,缺乏信息传播中交互特征的问题,该文提出了基于扩展独立级联模型,并融入网络结构特征、个体属性和行为特征的意见领袖挖掘模型(extended independent cascade, EIC)。该模型以个体属性、个体在信息传播过程中的交互行为建立加权的传播网络,利用改进的CELF(cost effective lazy forward)算法,挖掘网络中影响力较大的个体。通过实验验证,在意见领袖的扩展核心率指标上,该算法优于拓扑结构类算法,且具有较好的稳定性,同时并未降低意见领袖的传播范围。     

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。     

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。     

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。     

基于正负反馈的SEIR微博舆情传播模型

社交网络舆情已经成为社会舆情的主要阵地。针对传统模型难以描述社交网络舆情话题的真实传播过程,分析社交网络舆情话题的真实特点,补充加入社交网络中显著的水军和僵尸粉这2大显著特征,作为舆情话题传播中的正负反馈,分别对舆情话题的传播起到推动及抑制作用,构建带有正负反馈的社交网络舆情传播话题模型,提高舆情预测模型的准确率,得出正负反馈对舆情传播的影响力。     

Epidemic spreading model of complex dynamical network with the heterogeneity of nodes

In this paper, we model epidemic spreading by considering the mobility of nodes in complex dynamical network based on mean field theory using differential equations. Moreover, a resistance factor which can characterise the impact of individual's difference on the propagation dynamics in complex dynamical network is proposed by considering the influence of total number of connections and the continuous time to remain in contact. The effect of heterogeneity on the evolution process of propagation dynamics is explored by simulation. Extensive simulations are conducted to study the key influence parameters and the influence of them on the spreading dynamics, which are helpful to the understanding of epidemic spreading mechanism and the designing of effective control strategies.     

基于区块链技术的在线社会网络舆情传播模型与干预治理

区块链的快速发展和普及,为网络社会网络舆情的传播提供了便捷的平台,这使得网络舆情逐渐成为人民群众最活跃的反映方式。当网络舆情涉及社会热点等问题时,会引起网民的快速关注,甚至引发突发事件和连锁反应,考察政府的治理干预能力,甚至对国家社会安全和稳定构成紧张。本文根据网络舆情传播的特点,从个体行为和群体社会强化两个方面揭示网络舆情传播的规律,并进一步从干预网络负面舆情和最大化网络正面和情感影响两个方面构建干预和引导模式,从而全面、系统地分析基于区块链技术的在线网络社会的网络舆情传播和干预,为政府应对网络舆情传播提供有效的理论指导。     

代价约束下基于随机游走的负影响力传播抑制方法

在社交网络的信息传播机制中,不同用户之间信息扩散往往会受到用户之间影响力的影响,因此开展复杂网络分析研究显得格外必要.首先研究在代价约束下,社交网络的影响力传播模型,在未知网络传播原理的情况下,研究如何利用叠加的随机游走策略对网络的影响力传播进行度量,将影响力传播的范围控制在某一子图中,设计出抑制负影响力传播的有效方法...     

The Impact of Discrimination on the Spread of Infectious Diseases in Complex Networks

This paper proposes a novel model combining an epidemic dynamics and an opinion dynamics to investigate the impact of epidemic-related opinion dynamics on the spreading of infectious diseases in complex networks. We assume that, the outcomes of opinion dynamics on the behavior of asymptomatically infected individuals who have known their infected state, could not only reduce their transmission probabilities, but also could increase their transmission probabilities. This assumption has rarely been considered for modeling the interactions among epidemic dynamics, opinion dynamics and the exchange of human behaviors. We find that when the epidemic-related opinion dynamics exist, a higher randomness of individuals will simultaneously lead to a higher prevalence of infectious diseases and a lower social discrimination perceived by infected individuals. Furthermore, if the positive external global impact exceeds a certain critical value, there is an abrupt disappearance of infection owing to the contribution of opinion dynamics. Based on our results, some suggestions are given to reduce the spreading of epidemic diseases.     

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。     

基于复杂网络的IC-SEIR网络舆情传播模型研究

基于传染病模型进行舆情传播的研究中,已有传播模型中节点的状态转化仅取决于设定的概率,并不符合真实的传播情况。根据现实中用户传播舆情信息的行为特征,将兴趣度与亲密度引入舆情传播的过程中,并扩展了SEIR模型中的状态转移途径,提出了IC-SEIR网络舆情传播模型,使用兴趣度、相似度来描述节点的相似性,亲密度来描述节点间连接的紧密程度,并且节点的状态转移方向取决于这两种属性。在Matlab平台下采用Facebook数据集进行仿真分析,仿真结果表明,当初始传播点为度大节点或兴趣度分布为均匀分布或常数时,舆情信息更容易传播,当亲密度分布为常数时对舆情传播也有促进作用,为进一步研究社会网络中舆情传播的过程与趋势提供参考。