基于社交网络的信息传播模型分析

随着社交网络的蓬勃发展,网络舆论的控制变得越来越重要。信息传播模型能够揭示信息传播的规律,从而达到对传播过程进行预测的目的,因此社交网络信息传播模型的研究具有重要意义。针对经典传染病模型的不足进行了分析,结合社交网络的网络拓扑特点,考虑了网络中用户的不同感染状态,引入感染用户的衰减函数,提出了适合社交网络的信息传播模型。在真实E-mail网络中进行模型仿真,对比分析了不同模型的结果,研究了模型中各个影响因子对传播过程的影响。结果表明：不同的模型参数反映了传播趋势的差异,模型反映出的传播规律更符合信息在现实网络中的传播过程。     

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。     

基于文本挖掘及情感分析的社区负面舆论传播预测模型

企业品牌舆论监控、网络敏感社区及重点社区识别是当前企业舆情监控的重点工作。作为网络社会的子集,不同的网络社区（社交媒体中联系密切的群体）由于社区网络结构的不同、社区成员情感倾向的不同,导致企业负面新闻在其中的传播会表现出来不同的特质。从网络社区的角度出发,研究不同社区情感倾向及社区网络结构下,企业负面新闻在其中产生的影响;进而提出了基于文本挖掘及情感分析的社区负面舆论传播预测模型。根据心理学测量视角ProfileofMoodStates（POMS）测度社区成员情感倾向（Tendency）,以事件划分时间窗口;通过对连续六个用抓取的网络数据使用文本挖掘相关算法分析每个事件窗口内社区成员六种情感的分布（愤怒、紧张、失望等）;在情感分布及网络结构上进行聚类,识别不同类别的情感倾向的网络社区;在些基础上建立社区情感倾向及舆论传播预测模型。测试结果表明：该模型在对网络社区情感倾向的识别及舆论传播倾向预测方面有较高的准确度,在舆论传播监控、敏感社区及重点社区识别等方面有一定的指导意义。     

基于在线社交网络的舆论传播模型研究

考虑了真实社交网络中的舆论传播过程中存在与舆论大方向相悖的劣势观点,在MORENO Y等人研究的谣言传播模型的基础上,提出了一种新的舆论传播模型,研究了拥有劣势观点节点的存在对舆论演化带来的影响。接着对模型建立动态方程并进行分析求解,得到舆论传播的最终规模的表达式。最后,在Facebook用户数据构成的网络上进行仿真分析,得出舆论演化过程中的状态变化情况,并分析最终规模的影响因素。     

基于线上-线下超网络模型的舆论演化仿真分析

目前在舆论演化模型及其动力学规则的研究中大多数都没有考虑线下网络,导致其无法真实反映舆论传播过程。为解决上述问题,首先利用线上-线下社交网络映射方法得到线上-线下社交网络拓扑结构;然后构建线上-线下超网络模型,集成舆论事件态势信息形成舆论演化仿真环境;最后,利用传播学原理制定线上-线下超网络模型动力学交互规则,进行舆论动力学仿真。将提出的模型用于事件实例分析,仿真结果与舆论事件实际发展情况之间的余弦相似度达到0.99,平均差值为1%。实验结果表明,所提出的模型取得了比其他方法更好的仿真效果,验证了线上-线下超网络模型和舆论动力学交互规则的正确性和有效性。     

在线社会网络的网络结构和信息传播研究综述

随着在线社会网络的大规模应用和普及, 亟需对在线社会网络进行深入研究分析。在线社会网络的网络结构和信息传播研究是该领域中的两大研究热点和关键问题。网络结构包括关键节点、网络关系以及社团的挖掘, 通过对网络结构的分析可以掌握被分析网络中存在的社团、节点之间的关系以及关键节点等, 而这种分析对于国家及时掌握在线社会网络的舆情、公司广告在网络上投放策略的制定都具有极大的帮助。对在线社会网络信息传播的研究主要有信息传播动力模型、信息传播源和路径的发现与描绘、信息传播的最大化和最小化等, 通过对在线社会网络信息传播的研究, 人们可以对在线社会网络信息传播的影响进行预测和干预, 从而可以将信息传播的影响按照有利的方向引导。综述了在线社会网络的网络结构和信息传播的研究现状, 并对这两方面的主要研究方法及技术的优势和不足以及适用场合进行了对比分析。     

属性和亲密度关系兼顾的影响力研究

随着5G的发展,网络传播以前所未有的速度向各领域渗透.其中,影响力分析是研究网络信息传播机制的关键技术.传统的影响力分析算法主要通过选取具有最大传播特性的种子节点用于网络传播.但在种子节点选取上,其度量算法没有反映社交网络中的潜在信息.这将对影响力传播分析造成影响,同时一旦社交网络结构遭到破坏,网络的传播能力将会受到影...     

基于网民心理的微博舆论传播模型及仿真研究*

根据社交网络中微博舆论的传播特点,考虑到不同心理倾向的网民对舆论观点和传播特征的不同,建立了基于网民心理的微博舆论传播模型,并通过网民的心理倾向将网民分为理性和非理性个体,研究了有向社交网络中,不同群体下舆论观点的形成和传播特征,以及辟谣者发布的辟谣信息对网民观点的影响。仿真结果表明,与理性群体相比,群体中非理性个体的存在加速了信息的扩散与传播,并且在信息可信度较低的情况下,刺激群体产生大量与初始传播者意见相反的观点。研究还表明,网络事件的辟谣信息,发布时间越早,可信度越高,该信息发挥的作用就越大。另外,当辟谣信息发布不及时或者可信度不高时,群体中非理性个体会加剧该信息的反作用。     

基于节点亲密度挖掘的谣言抑制算法

通过对谣言等易误导大众舆论的信息传播进行抑制,从而实现对谣言、错误舆论等负面信息的控制。首先,通过对社交网络的结构拓扑以及节点行为特点的分析,提出了基于节点亲密度的社交网络舆论领袖节点识别方法;然后,利用谣言传播特性及节点的亲密度,建立谣言传播模型,并分析谣言在社交网络中传播时节点的状态转化过程;最后,提出了一种利用节点亲密度实现谣言抑制的方法。     

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。     

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。     

考虑群组结构的在线社交网络竞争性舆情信息传播模型研究

针对在线社交网络中竞争性舆情信息同时传播的问题,在无标度网络的基础上引入群组结构,构建竞争性舆情信息传播模型,考虑舆情信息内容、用户亲密度、社会强化效应因素并进行仿真研究。仿真结果表明,引入群组结构的无标度网络充分契合了在线社交网络的复杂性质;群组数量、群组规模、用户亲密度、社会强化效应对竞争性舆情信息的传播有不同的促进作用;控制舆情信息内容的重要性与模糊度可有效调控竞争性舆情信息的传播与扩散。     

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...     

改进LeaderRank算法的意见领袖挖掘

意见领袖挖掘是社会网络研究的重要课题,对于舆情控制、信息传播等方面具有重要意义。LeaderRank算法是一个有效的意见领袖挖掘算法。为提高LeaderRank算法的准确性和抗干扰能力,在LeaderRank算法基础上,加入用户之间的情感倾向、用户活跃程度,提出了改进的LeaderRank算法。基于SIR模型的实验验证表明,改进算法的准确性和抗干扰能力均得到了有效提升。     

基于数据挖掘的通信网络故障分类研究

以往针对通信网络故障分类的算法没有考虑告警和故障数据中的潜在特征,导致故障分类准确率低,因此提出一种基于数据挖掘的通信网络故障分类算法。首先,根据对数据背景和数据特点的理解,使用特征构造挖掘数据中潜在的特征,将挖掘到的特征加入原数据中。然后,使用LightGBM算法的特征重要性评估函数对新数据集中的所有特征进行重要性评估,根据重要性值删除不重要特征。最后,使用集成学习模型对特征筛选后的数据集进行故障分类研究。实验结果表明,基于数据挖掘的通信网络故障分类算法的准确率有更好的效果。     

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。