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。     

群体性突发事件的舆情演化模型与仿真

针对群体性突发事件舆情演化的内在机理及影响因素问题,利用舆情演化理论与基于多智能体的建模仿真方法,建立了舆情演化数学模型以及综合考虑社会环境和异质个体特征的多智能体仿真模型。分析与实验表明,存在有效传播率阈值,大于该阈值时,群体性突发事件的规模会稳定于某一水平;小于该阈值时,群体性突发事件会随着时间的演化而结束。群体性突发事件一旦爆发,初始参与规模越大则越有利于舆情传播,从众心理会促使群体支持促进强度和阻止强度占优的一方。研究结果为群体性突发事件的预防与控制提供了有意义的参考。     

基于社会网络分析的突发事件网络舆情关键节点识别研究——以#李文亮医生去世#话题为例

网络社会的深入发展为突发事件网络舆情的传播提供助力,为了维护社会的和谐稳定以及平复公众的焦虑心理,及时有效地处理突发事件网络舆情传播刻不容缓。本文通过社会网络分析理论以及复杂网络分析工具Gephi,构建突发事件微博舆情传播网络,以定量的方法识别出关键节点及传播路径,并提出相应的干预及引导策略。研究表明：根据本文案例研究结果,为识别出突发事件网络舆情传播中的关键节点,应对那些连入度、连出度、中介中心度等度数较高的节点保持密切监控,同时分离那些联系较为紧密的传播模块,突破谣言传播的壁垒。     

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Rost Cm文本分析下涉警突发事件舆情应对研究——以安徽女孩溺水事件为例

2020年一起安徽女孩溺亡事件被推上了舆论的焦点,本文基于此次事件以Rost Cm文本分析软件探寻公安机关应对突发事件舆情的措施。此次突发事件舆情具有负面舆情占比大;公众关注度高讨论量大;媒体引导现象严重的特征。同时公安机关在应对突发事件舆情有着防舆情初始传播措施不足;舆情扩散期间防治措施不足;忽视构建警察网络公共关系的三点不足。本文还基于本次突发事件网络舆情特征及公安机关应对不足提出举措。     

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...     

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。     

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。     

新媒体时代突发事件网络舆情的干预机制探究

现代社会,网络这种新媒体的出现大大改变了人们的生活方式,突发事件网络舆情开始成为政府以及社会不可回避的一个话题。本文通过对于新媒体时代突发事件网络舆情及网络舆情的干预现状叙述,来探讨新媒体时代突发事件网络舆情的干预机制,进而提出注重在进行干预时一定要,在突发事件网络舆情潜伏期注重信息的收集,在舆情的持续期注重公开透明突发事件网络舆情,在舆情的持续期注重公开透明突发事件网络舆情,在突发事件网络舆情淡化期注重经验的总结。     

新媒体时代突发事件网络舆情的干预机制探究

现代社会,网络这种新媒体的出现大大改变了人们的生活方式,突发事件网络舆情开始成为政府以及社会不可回避的一个话题。本文通过对于新媒体时代突发事件网络舆情及网络舆情的干预现状叙述,来探讨新媒体时代突发事件网络舆情的干预机制,进而提出注重在进行干预时一定要,在突发事件网络舆情潜伏期注重信息的收集,在舆情的持续期注重公开透明突发事件网络舆情,在舆情的持续期注重公开透明突发事件网络舆情,在突发事件网络舆情淡化期注重经验的总结。     

基于两级传播理论的舆论超网络传播分析

社交网络挖掘可以使人们更好地认识信息在网络中的传播规律,分析信息在事件中的传播特点。现有的文献研究主要集中于舆论事件社交网络的静态建模,以及针对一些共性特点的仿真验证,而对舆论事件模型结构变化的讨论较少。本文尝试从两级传播理论出发,采用三层超网络结构对舆论事件不同时段构建传播分析模型,给出舆论演化分析度量指标,挖掘超网络结构变化的特点,探索舆论酝酿期积蓄力量的潜在因素。以长生疫苗事件进行分析,发现需要在酝酿期有多样化的意见领袖不断在各个话题中进行牵引,在积累了潜在的舆论人群之后才能促成舆论爆发。     

网络舆情演进规律中的PETRI建模分析

通过引入PETRI网分析方法,针对网络舆情事件演进的各种因素,首先对网络舆情演进规律进行分析探讨,将舆情作为一种流的形式进行剖析,提出"舆情流"概念及其控制模型,在此基础上,动态引入网络集群节点间的关联度变量,研究基于关联网络的集群组织间舆情流动的一般规律,提出可以调控网络集群与其他舆论节点间联系的"舆情关联度过程模型",并从新闻学和心理学现象研究中相互借鉴验证,进而证实模型提出与建立的合理性.该模型可以通过舆情演进归纳指导相关系统设计与舆情导控,为相关行业提供智能支持.     

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。     

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。     

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。     

结合二层节点度和聚类系数的链路预测算法

研究复杂网络的链路预测算法对分析舆论传播方向、预测舆论演进趋势和控制舆论发展进程具有重要意义。针对现有的基于节点度的链路预测算法存在预测质量偏低的问题,提出了一种结合二层节点度和聚类系数的链路预测算法。算法全面考虑网络局部结构信息以及共同邻居节点之间的差异性,在相似性评价指标的选择上将节点度和聚类系数结合,深度挖掘节点相似性性质并将节点度扩展到二层。最后在三个真实数据集中分别进行仿真实验,结果表明提出的算法相比于Common Neighbors、Adamic-Adar和Resource Allocation等经典算法具有更好的性能。