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SIR的SNS网络舆情话题传播模型研究

舆情话题通常是由突发性的新闻事件所引发,社交网站(Social Network Sites,SNS)因其庞大的用户规模和开放性、即时性与互动性等特点,成为舆情话题传播的重要渠道.因此,研究SNS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.然而传统的网络信息传播模型无法真实地描述SNS网络中的舆情话题传播过程.为了解决上述问题,分析了SNS网络中的信息互动模式及舆情话题的传播特点,基于无标度网络上的SIR模型,通过引入内部感染概率、外部感染概率、免疫概率以及直接免疫概率,构建了SNS网络中的舆情话题传播模型.仿真结果表明,基于SIR的舆情话题传播模型可以很好地描述SNS网络中的舆情话题演化规律.     

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。     

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。     

面向论坛网络的观点传播与舆情形成模型

根据网络论坛的信息传播规律和用户交互特性,提出了一个基于节点影响力的离散时间观点传播与舆情形成模型。在该模型中,节点具有自我影响力和观点值,并且节点影响力被定义为网络中边的权值,节点在每一个周期内重新分配权值并更新它们的观点。节点观点收敛于某一定值时,形成网络舆情。仿真结果表明,所提模型可以准确地体现节点观点的动态交互特性和收敛特征,并可为舆情传播趋势的预测研究提供依据。     

网络舆情SIR模型优化与干预研究

【背景】网络舆情对企业的健康发展产生越来越重要的影响作用。SIR传染病模型是常用的网络舆情传播研究模型,目前关于网络舆情传播的研究大部分是基于SIR模型及其变种。但现有SIR模型没有将感染者细分,不利于网络舆情的传播研究和精准化监控。【目的】通过优化SIR模型,使其更能反映企业网络舆情的真实情况,并提升监控效果。【方法】将SIR模型的感染者细分为积极的感染者、中性的感染者和消极的感染者等三类感染者。对于不同类型的感染者,其发帖率不同。设置差异化的发帖率,以提升企业网络舆情的监控和预测精准度。根据不同的网络舆情级别,设计三个不同干预级别的监控措施,提升监控效果。【结果】将改进模型应用到“海底捞大肠菌群不合格”的真实企业网络舆情,从效果对比得知,改进模型的监控效果比SIR模型的更理想。【结论】细分研究对象、考虑感染者的发帖率、制定不同监管力度的干预级别,有利于提升企业网络舆情监管的精准度、监管成效和预测准确度。     

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。     

不良舆情话题在传播节点网络模型的演化规律研究

不良网络舆情是网络时代的一种重要舆论形态,反映了公众对突发事件的情绪表达,具有很强的社会影响力,需要及时处置和正确引导。本文分析了突发事件网络舆情的演化动力和影响因素,对不同阶段的舆情传播演化规律进行研究,并同步构建了网络舆情的传播模型,从而为做好舆情防控工作提供参考。     

BBS网络舆情的在线自适应话题演化模型

针对电子公告栏(BBS)内容演化过程中话题数量动态变化的特点,提出基于潜在狄利克雷分布的自适应在线话题演化模型。该模型以历史时间窗口中话题、词分布的后验线性加权调节当前时间窗口中话题、词分布的先验,给出在线新话题检测和消亡话题检测方法,自动适应数据流中的话题数量。实验结果表明,该模型能有效识别BBS内容演化过程中话题的产生与消亡,分析它们在时间和内容上的演化,及时发现热点事件。     

超网络中的舆情传播模型及仿真研究*

现实中,个体受到来自不同社会关系网络中所有邻居的信息传播的影响。引入超网络刻画个体的复杂社交关系,基于传染病学建模的思想,模拟超网络中的舆情传播过程。对比分析舆情在超网络和复杂网络结构下的传播过程。当超网络的结构参数取特定值时,模型可以退化为复杂网络模型。进一步,测试超网络结构参数、传播率、恢复率及初始传播节点对舆情传播的影响。探讨舆情的传播时间和波及范围,进而揭示网络舆情的传播规律。     

突发事件网络舆情传播与预警模型研究

随着网络的普及使用,我国网民数量不断上升,网络舆情无论是内容还是传播的速度都在不断攀升,突发事件 网络舆情的预警与控制,已经成为一道必须正视的问题。由于突发事件有其特定的生命周期,突发事件网络舆情也有其时段 性,要根据舆情传播的变化,注重对突发事件网络舆情传播的管控,避免群体极化现象和舆情的多级衍生。本文主要从构建网 络舆情研判指标体系,构建网络舆情预测模型和突发事件网络舆情预警措施三个方面进行了简要分析,对突发事件网络舆情 传播与预警模式进行研究。     

引入时间机制的网络舆情演化分析方法研究

网络舆情的迅速发展使舆情发展成为研究热点,它对舆情的预测预警具有重要意义。从文本聚类入手,针对舆情的演化分析过程,在时间序列上进行K-means聚类研究,得到聚类中心,又依此对聚类中的词频统计进行时序加权处理,使统计所得关键词更具有代表性。通过对时间聚类法和时序加权统计法所得关键词的分析,得到了舆情演化的趋势。研究结果表明该方法降低了聚类的维数,减少了噪声,提高了聚类的准确度,增强了演化分析的可信度。     

基于百度贴吧的高校网络舆情热点话题分析

高校网络舆情是大学生在校园背景下,对网络上直接关系到大学生或者自身感兴趣的公共事件所持态度、认知、意见、情感交叉的集合。随着网络应用的普及,高校网络舆情可能朝着任一个不可控的方向发展,因此,高校网络舆情研究是高校管理中的重要工作之一。本文以百度贴吧中的泰州学院吧为数据源,利用网络爬虫采集泰州学院吧主题帖内容和回帖数量作为实验数据,通过Python数据分析技术分析高校网络舆情的热点话题,并通过数据可视化技术进行数据分析结果展示,基于数据分析结果研究高校网络舆情热点话题成因与影响,最终提出相关引导策略以促进互联网环境下大学生全面发展和推进校园和谐建设。     

网络舆情热点信息自动发现方法

根据公共安全网络舆情研究的需求,将中文分词技术应用于突发事件应急管理中,提出基于ICTCLAS分词技术的网络舆情热点信息的自动发现方法。该方法读入新闻文本并进行分词和词频统计,从词频表中去除停用词,合并多单位关键词得到突发事件热点信息关键词列表,对网络信息及时进行检索,为突发事件应急决策提供技术支持。通过1个突发事件的实例验证了该方法的实用性和可靠性。     

高校网络舆情监测系统构建及应对机制研究

针对高校网络舆情监测工作的不足,结合高校舆情信息的传播特点,提出构建舆情监测系统的整体方案.在校园网内基于Nutch搜索引擎技术进行信息检索,互联网范围内采用元搜索引擎技术获取相关信息,采用关键词特征库匹配方式自动进行网络舆情监测,实现对舆情信息及时准确的发现,并探讨高校面对网络舆情在监测、分析、引导和反馈等环节的处理...     

基于复杂网络方法的舆情热点挖掘

研究使用复杂网络理论和算法的网络舆情热点提取.网络舆情分析技术可以分为基于内容的分析方法和基于数据挖掘的分析方法,二者均是采用传统技术处理网络舆情,并未结合网络特性.针对上述问题,开拓了舆情分析的思路,提出采用网络化方法处理网络问题的思想,将舆情网络的页面视为节点,链接关系作为边,构建符合复杂网络特征的舆情传播网络.使用PageRank算法和Hits算法,可以挖掘出舆情网络中的重要节点,进而发现舆情热点.以维基百科数据为仿真数据集,采用新提出的方法,可以挖掘相关领域的热点条目.仿真结果表明,两种方法均可以完成网络舆情热点的发掘工作,从复杂网络的角度处理网络舆情热点挖掘问题是可行的.但PageRank方法侧重于链接节点的影响,Hits算法侧重考虑节点自身的核心程度,挖掘结果存在一定差异.将两种方法的挖掘结果相结合,结合领域特征,可以获取网络舆情热点.