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LDA模型的BBS话题演化

BBS(论坛)作为一种新兴的网络媒体,是网民获取信息和发表评论的主要渠道之一.怎样组织BBS上的话题,发现和跟踪新话题以及话题的演化成为了研究的热点.传统的方法更多的是去检测和跟踪话题,而没有考虑话题的演化.提出了基于LDA模型的话题演化方法,表示话题在时间上的演化情况,发现热门话题和冷门话题,能更好地指导网民了解正在发生的事情.实验证明有很好的效果.     

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。     

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。     

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。     

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.     

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。     

在线社会网络演化模型

在分析在线社会网络的拓扑结构、特征及演化规律的基础上,借鉴了前人网络模型的思想,提出了在线社会网络演化模型,引入动态的加权方式,提出了一种在线社会网络演化模型。理论分析和仿真表明：在线社会网络演化模型具有无标度和小世界特性,点权、边权、度分布呈现幂律特性,具有较多的簇系数、较小的路径长度且可调。这种无标度和小世界特性与现实中的在线社会网络较为一致。     

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。     

基于LDA模型的科技文献话题演化分析

本文提出了一种通过追踪不同时间片内话题的变化趋势进行话题演化分析的方法,该方法首先利用LDA话题模型抽取科技文献的话题,然后对语义意义不明确的话题进行话题过滤,最后通过计算话题的强度和关联度来分析话题的演化趋势。本文对《计算机学报》论文集进行实验,实验结果表明,在不对话题生成进行人工干预的前提下,本文方法较真实地描述了研究主题强度和内容随时间的演化趋势,且具有良好的效果。     

基于话题三层结构模型的话题演化分析算法

在话题追踪研究领域,话题随着时间不断发展变化。目前的话题追踪方法无法对话题的发展演化进行全局的把握。针对该问题,提出基于相似度计算的话题演化分析方法。该方法采用时间片划分的思想,通过子话题间的相似度计算得到话题演化的具体过程及细节。实验结果表明,该方法能有效地反映话题的演化历程。     

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。     

地方性网络论坛热点舆情话题传播机制研究

地方性网络论坛是网络热点舆情话题信息传播的一个重要平台.对其传播机制的研究有助于对网络舆情进行管控.但是,现有的信息传播机制的研究都是基于对信息的"转发"行为进行的,无法适用于网络论坛中信息传播机制的研究.针对这一问题,通过普通的大型论坛和地方性论坛进行数据对比分析,得到了地方性论坛信息传播机制的三个特点.根据论坛中信息传播与帖子回复量呈正相关的特点,在SIR模型的基础上,加入新的浏览者(Browser)节点,引入兴趣指数函数P(m),建立了UBIR(Unknow-Browser-Infected-Removed)模型.根据地方性论坛信息传播的三个特点,对模型的参数进行修改.使用该模型进行仿真实验,对地方性网络论坛中热点舆情话题的传播机制进行了研究.结果表明,该模型能够较好地拟合实际数据并描述地方性网络论坛的热点舆情话题传播机制.     

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。     

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。     

分层演化趋向行为的网络舆情传播模型

通过构建带有分层行为演化趋向的舆情传播模型,研究了媒体作用下分层行为舆情演变的内在规律。在参考疾病传播模型SIR（susceptible infected recovered）和带媒体干预的SIaIbR（susceptible infected-a infected-b recovered）模型基础上,提出了带有媒体干预的具有分层演化趋向行为的舆情演变模型（SI）³R,与SIR模型不同的是（SI）³R模型引入了群体分层这一概念,并且在演化过程中处于群体不同分层中的个体带有不同的演化趋势。通过对不同层次中个体的影响,媒体能够发挥更有效的作用。给出了分层演化群体模型及其动力学方程,通过数值求解,模拟了分层媒体作用对传播过程的影响以及初始分层密度对传播过程的影响。     

基于LDA模型的新闻话题的演化

新闻话题及演化的研究可以帮助人们快速了解和获取新闻内容。提出了一种挖掘新闻话题随时间变化的方法,通过话题抽取和话题关联实现话题的演化。首先应用LDA(Latent Dirichlet Allocation Model)对不同时间段的文集进行话题的自动抽取,话题数目在不同时间段是可变的;计算相邻时间段中任意两个话题的分布距离实现话题的关联。实验结果证明该方法不但可以描述同一个话题随时间的演化过程,还可以描述话题内容随时间的变化,反映了话题(或子话题)之间多对多的演化关系。     

基于并行关联规则的话题演化跟踪方法

目前,话题的演化跟踪方法大部分基于不同时间片对应数据集的特征关键词之间语义相似度与语义距离的计算,忽略话题的不同动态演变阶段各个特征关键词之间关联关系的作用.为此提出一种基于并行关联规则的话题演化跟踪方法.引入时间窗口的概念,对数据集按照时序进行划分,在每个时间窗口获取大规模频繁关键词集;对每个时间窗口的频繁关键词集,应用并行关联规则算法获取关联规则集;筛选并组合所有关联规则集形成话题的相关关键词信息,发现相邻时间窗口的数据集之间的关联关系并实现话题演化跟踪.实验结果表明,与OLDA算法相比,该方法能够更加完整有效地深入分析话题的动态演化细节.