一种自适应网络舆情演化建模方法

网络舆情演化建模及在此基础之上的趋势预测已成为网络舆情研究的热点内容。针对短期趋势预测方法忽略演化过程统计特性的动态变化性,致使模型选择盲目、预测效果较差的问题,本文提出一种自适应网络舆情演化建模方法（AEMIPO）。首先,动态跟踪网络舆情演化过程的平稳性、周期性和自相似性等统计特性;其次,选取能够描述上述统计特性的ARMA、ARIMA、SARIMA、FARIMA模型构建备选模型库;最后,通过制定模型选择规则,从备选模型库中选择合适的模型对当前时刻的演化过程进行自适应建模,并预测其演化趋势。实验表明,与现有方法相比,AEMIPO具有更高的预测精度与更好的预测稳定性,更适合对网络舆情演化过程进行短期建模及趋势预测。     

基于EMD的网络舆情演化分析与建模方法

现有研究忽略网络舆情演化过程的多成分特性,导致演化分析与建模效果较差。为此,提出一种基于经验模态分解(EMD)的网络舆情演化分析与建模方法。对演化过程进行EMD分解,形成演化过程的趋势成分、周期成分、突发成分和随机成分,通过对各成分进行分析与建模,实现网络舆情的演化分析与建模。实验结果表明,该方法通过EMD分解得到的各成分物理含义明显,有助于分析网络舆情的演化规律,同时具有较好的趋势预测效果,适合进行演化建模。     

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。     

网络舆情演化模型研究

随着互联网的快速发展,网络舆情对社会的影响与日俱增,建立网络舆情的演化模型,对于正确应对网络舆情,维护社会稳定具有重要的意义。通过研究网络舆情演化模型,提出了基于Logistic模型和遗传算法建立网络舆情演化模型,并给出了详细的建模方法。实验证明,该方法是有效和可行的。     

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。     

高校网络舆情分析研究

分析了我国高校网络舆情的现状、含义和问题,通过对2006年至2015年十年期间发表的有关论文数量统计分析,同时采取样本分析法对高校网络舆情构成进行了分析研究,提出了做好高校网络舆情工作的几个方面的建议.     

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。     

我国网络舆情研究现状与研究成果分析

随着互联网技术的发展与普及,网络舆论影响力不断增强。为深入分析我国网络舆情的研究成果,通过SATI文献统计分析工具梳理中国知网核心期刊数据库的2577篇网络舆情相关文献,总结网络舆情研究现状,将我国网络舆情研究划分为高校网络舆情研究、网络舆情情感分析、网络舆情监测与传播以及网络舆情治理4个领域,并作出详细阐述,丰富了我国网络舆情的研究结果,为今后的网络舆情研究提供借鉴与参考。     

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Moran过程的竞争性舆情信息的网络传播博弈模型

新的媒体环境下,在享受不同形式在线社交网络提供便捷信息互动渠道的同时,需要加强对信息传播的管理与引导,防止其发展成为负面舆情信息肆意滋生的温床。结合传统演化博弈论与复杂网络理论,提出了竞争性舆情信息的网络传播博弈模型,并理论分析了正面舆情信息传播占优的收益条件及群体规模;随后,结合实际案例,通过仿真实验对比分析三种博弈环境下网络舆情的演化特征。三种博弈环境下,正面舆情信息传播策略占优条件均与收益有关,弱选择情境对收益参数的要求最为严格;强、弱选择情景下策略占优的条件还与群体规模有关,且强选择情景对群体规模的要求更为严格。     

网络舆情演化的阶段分析

网络舆情演化的阶段分析对于研究网络舆情的演化规律具有重要的意义。由于网络舆情演化比较复杂,因此网络舆情演化过程的阶段划分也有一定难度,为便于研究,本文把网络舆情演化过程简化为三个阶段：初始传播阶段、迅速扩散阶段和消退阶段,在此基础上对网络舆情演化过程进行阶段分析。首先分析网络舆情的构成要素,然后分析网络舆情演化所具有的影响因素,最后分别对这三个阶段的演化因素和特征量的变化进行详细分析,并尽可能采用量化语言来分析每个阶段的特征变化,希望有助于对网络舆情演化规律的定量研究。     

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。     

特定话题传播网络中的意见领袖检测方法

针对中文微博目前已有的意见领袖识别模型存在的不足,提出一种特定话题转播网络中的意见领袖检测方法.识别模型通过转发关系建立信息传播网络,以用户自身权威值和转发用户的支持力来评价用户的影响力.通过对微博两周以来特定话题下意见领袖的检测实验,结果表明该方法能够有效地识别特定话题下的意见领袖.     

基于SNA参数增量的网络舆论调控时机研究

采用社会网络分析理论,通过分析对比网络整体及个体的SNA属性参数及其变化对网络舆论的调控时机进行了研究与验证,揭示出网络舆论系统演变的内部特征,以其为依据提出了网络舆论调控时机的判则以及确定SNA属性参数及其增量预警阈值的一般性建议。最后以论坛上的网络话题为例进行了验证。该研究结合SNA理论对网络舆论系统进行了定量分析,对大规模网络舆情事件的爆发具有一定的预警作用,可以作为实行网络舆论调控的依据之一,具有理论指导意义与实际应用价值。     

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。     

基于深度学习的医患舆情多维演化仿真分析

为了探析医患关系近年来的情感演化过程;助力政府部门决策干预提供理论依据;从而更好引导网络舆论走向;促进和谐医患关系的构建。针对互联网复杂语境下大规模医患舆情文本数据;在BERT预训练模型下游任务中构建情感分类器;并与LDA主题抽取技术相结合进行多维情感演化仿真分析;最后结合ARIMA模型进行情感走势预测。通过实验分析表明;LDA-BERT医患舆情多维情感分析模型的情感预测准确度达到98%;ARIMA医患舆情时间序列预测模型的预测平均误差低于11.25%;证明其能够有效运用于大规模医患舆情演化的多维度监测与分析。     

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...