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。     

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。     

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CiteSpace的网络舆情演化研究知识图谱分析

随着互联网技术的快速发展,网络已成为人们获取信息、发表言论的主要载体,网络舆情具有传播速度快、范围广的特征。对网络舆情演化的研究与引导逐渐成为政府、舆情监测等相关部门与机构的关注重点。为探究我国网络舆情演化领域的研究进展及研究热点,本文收录了该领域CNKI数据库2012-2022年的文献,通过科学知识图谱的相关知识和方法,结合CiteSpace软件进行可视化分析。从文献年代分布、作者和机构合作、关键词共现分析及聚类分析等方面,梳理我国网络舆情演化领域的研究概况和研究热点,总结现有研究成果,并探索未来研究者们值得关注的问题及方向,为该领域后续的研究和发展提供参考。     

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。     

基于二次线性模型的网络舆情演化研究与实现

针对目前网络舆情形成迅速,对社会影响巨大,主要讨论在加强互联网信息监管的同时,研究网络舆情的演化趋势并研究相关算法以对其发展做出科学的预测,目的是对网络舆情的特性有一定的了解,掌握其基本的变化规律,以便提早采取应对措施,对于及时应对网络突发的公共事件和全面掌握社会民情民意有重大意义。     

基于二次线性模型的网络舆情演化研究与实现

针对目前网络舆情形成迅速,对社会影响巨大,主要讨论在加强互联网信息监管的同时．研究网络舆情的演化趋势并研究相关算法以对其发展做出科学的预测．目的是对网络舆情的特性有一定的了解,掌握其基本的变化规律,以便提早采取应对措施,对于及时应对网络突发的公共事件和全面掌握社会民情民意有重大意义。     

基于网络舆情的K-Means算法的改进研究

传统的K-Means聚类算法只能保证收敛到局部最优,从而导致聚类结果对初始代表点的选择非常敏感;凝聚层次聚类虽无需选择初始的聚类中心,但计算复杂度较高,而且凝聚过程不可逆。结合网络舆情的特点,深入剖析了K-Means聚类算法和凝聚层次聚类算法的优缺点,对K-Means聚类算法进行改进。改进后算法的核心思想是,结合两种算法分别在初始点选择和聚类过程两个方面的优势,进行整合优化。通过实验分析及实际应用表明,改进后的文本聚类算法在很大程度上可以提高网络舆情信息聚类结果的准确性、有效性以及算法的效率。     

基于语义文法的网络舆情精准分析方法研究

传统的基于关键词统计分析的网络舆情分析方法由于缺少对舆情文本必要的语义处理,往往导致分析结果不准确。提出一种基于语义文法的网络舆情精准分析新方法。该方法包括两部分:首先是可执行的网络舆情精准分析语言Eipoaal,它可根据实际舆情分析需求设计Eipoaal程序,具有一定的通用性;二是网络舆情精准分析系统Ipoaas,它为Eipoaal提供运行平台。目前,已经实现了该系统,并应用到贪腐主题的网络舆情分析中,实验结果证明了方法的有效性。     

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。     

浅谈突发公共事件中网络舆情监测指标体系的应用

本文介绍的网络舆情监测指标体系由舆情发布者指标、舆情要素指标、舆情受众指标、舆情传播指标以及区域和谐度指标五个指标群构成。笔者针对网络舆情的实时监测及预警预报,研究了不同指标的量化方法,给出了相应的计算公式。     

微博舆论的演变机制及实证分析

从时间维度刻画了微博舆论的演变过程,分别是萌芽期、形成期、爆发期、高潮期和消退期,分析了各个阶段的形成动因。以“三亚宰客门”为例,详细分析了微博舆论的演变过程,提出了微博舆论的应对策略。     

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...     

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。     

论高校网络舆情有效监督管理

分析目前高校网络舆情监督管理现状,以南京信息职业技术学院网络为例,从管理制度和网络技术层面,设计高校网络舆情管理制度与网络技术监督管理体系,并介绍了该体系的部署情况。     

外部事件影响下的网络舆情失控风险分析仿真

在对外部事件影响下的网络舆情失控风险进行报警的过程中,各个因素相互影响并且各因素独立存在,在外部因素影响下复杂性更高,无法进行准确分类并设定波动较小的权值,导致传统的网络舆情失控风险报警方法,在利用决策树分类算法对舆论数据进行分类时候,不能客观、准确的对失控风险进行量化计算,无法实现失控风险的有效报警.提出基于外部事件分析的网络舆情失控风险报警模型,确定可能引起网络舆情失控的外部事件,通过被报警网络舆情的实际情况,对失控风险后果的属性类型进行确定,给出失控风险后果属性与其权重,对每种外部事件引起失控的可能性以及可能产生的后果值进行分析,获取所有外部事件影响网络舆情失控的相对严重程度,对其进行排序,报警实现外部事件影响下网络舆情失控风险的准确报警.仿真结果表明,所提方法能够准确的实现失控风险报警,更适合应用于实际网络失控风险报警中.     

基于改进的 single-pass 网络舆情话题发现研究

舆情监控系统解决的关键问题是如何有效且精确地对文本进行聚类,以便从大量Web网页中发现网络舆情热点话题。single-pass算法是话题发现中最常用的文本聚类算法,但其在文本聚类的精度和时效方面存在不足,因而论文在对大量新闻报道语料进行深入分析的基础上,从三个方面对single-pass进行了改进。通过实验求证,发现改进后的sin-gle-pass算法在漏检率、误检率和耗费函数等方面有了明显改善。