基于广义随机Petri网的突发事件网络舆情演化模型

【目的/意义】准确掌握突发事件网络舆情的演化规律,提高政府应对能力,避免事态恶化是刻不容缓的课 题。【方法/过程】本文首先从生命周期和社会燃烧视角,将突发事件网络舆情演化的各个阶段分别按照“燃烧物质、 助燃剂、点火物质”集合形式进行结构化描述,探究演化过程中各阶段的关键属性以及属性之间的紧密联系。在此 基础上根据广义随机 Petri网理论,构建突发事件网络舆情演化的 GSPN模型。最后以“山东非法疫苗事件”为例从 事件代表性、谣言煽动性、情绪交融性三个方面评测演化系统的性能。【结果/结论】验证模型有效性,揭示其中的变 动规律及均衡状态,为相关部门引导舆情良性发展,防范舆情失控提供决策参考。     

面向时间序列的微博突发事件衍生舆情情感分析研究 ——以 “6.22”杭州保姆纵火案衍生舆情事件为例

【目的/意义】将时间序列分析方法引入情感分析,可以对微博突发事件衍生舆情作出科学预测,为政府掌 握舆情情感走势,从而根据舆情发生的不同阶段采取相应的导控策略提供合理的意见与指导。【方法/过程】结合 突发事件衍生舆情的特点,采用词集合并法、SO-PMI、PMI-IR等方法构建了微博突发事件衍生舆情专属情感词 典,随后利用该情感词典和时间序列分析方法对“6.22”杭州保姆纵火案衍生舆情事件进行实证分析。【结果/结论】 对该事件的日均情感值进行计算,与实际情感值拟合程度较好,证明了建立的衍生舆情情感词典及时间序列模型 较为科学,可以为政府选择相应的策略及应对时机提供一定的参考。     

网络舆情驱动下突发事件情景推演研究

【目的/意义】非常规突发事件的爆发会带动舆论信息的传播,本文旨在揭示网络舆情驱动下突发事件的演化机理,为有关部门及时采取应急救援活动、有效控制舆情蔓延提供依据。【方法/过程】运用知识元表示法描述突发事件的情景状态、应急活动、孕灾环境和承灾体四种要素,构建基于动态贝叶斯网络的情景推演模型,并以沈阳非洲猪瘟事件为例,建立网络舆情驱动下突发事件情景网络结构,通过动态贝叶斯网络直观呈现情景演化过程。【结果/结论】研究结果表明,情景推演模型在时间推理与事件发展的顺序上与突发事件演化过程基本一致,通过应急活动扰动分析,证实知识元表示和动态贝叶斯网络方法的有效性,为舆情引导提供一定的参考。     

基于混合算法和BP 神经网络的网络舆情预测研究

【目的/意义】网民对社会现象及问题表达意见、态度使得网络舆情对社会的影响力越来越大,构建模型对 网络舆情的发展进行预测具有现实意义。【方法/过程】通过信息熵理论控制种群初始化,利用遗传算法较强的全 局搜索能力和粒子群算法的局部搜索能力实现对BP神经网络权值的优化,构建混合算法优化的BP神经网络的网 络舆情预测模型并进行实证分析及对比实验。【结果/结论】结果表明,该模型在预测性能上具有更好的优越性及 稳定性。     

突发事件舆情信息生态链系统的协同演化机理研究

【目的/意义】突发事件通过互联网形成网络舆情,网络舆情又将突发事件反复发酵,使突发事件舆情信息 生态链系统得以演化。【方法/过程】基于信息生态链理论构建突发事件舆情信息生态链系统,分析其系统构成要 素,利用协同学理论及系统动力学方法,阐述突发事件舆情信息生态链系统的协同演化机理。【结果/结论】提出突 发事件舆情信息生态链系统的治理策略。     

情绪因素影响下的突发事件网络舆情演化研究

【目的/意义】突发事件容易催生舆情主体的各种情绪,诱发其情绪化行为和态度,分析网民和政府的情绪对其行为倾向的影响机制,有助于更好地把握舆情态势。【方法/过程】该文将包含情绪函数的RDEU理论引入突发事件网络舆情演化的博弈中,然后结合演化博弈中的复制动态方程,构建以网民和政府为代表的动态博弈模型并求解,最后通过假设收益数值对情绪影响下的演化过程进行仿真分析,得出相关结论和建议。【结果/结论】研究结果表明,不同的情绪类型和情绪强度不仅会改变最终的演化结果,而且还会影响群体策略的演化速度,导致舆情的不同演化趋势。     

基于熵值法的网络舆情组合预测研究

【目的/意义】互联网成为网民情感宣泄的平台使得网络舆情影响力剧增,构建模型对网络舆情的发展进行 预测具有现实意义。【方法/过程】针对网络舆情趋势预测及时性的需求,以事件标签确定待选历史数据,通过模糊 理论的模糊逻辑构建模糊时间序列预测模型,同时构建BP神经网络预测模型,以组合预测的方式提高整体的预测 精度。【结果/结论】通过实验分析结果表明,预测模型可以在一定程度将预测的时间区间前置,实现“早期”预测。     

基于信息传播模型-SIR传染病模型的社交网络舆情传播动力学 模型研究

【目的/意义】随着移动网络技术的飞速发展,用户已习惯在社交网络平台发表意见,进而形成所谓的网络 舆情。准确建立舆情的传播模型,对于舆情的引导和控制具有重要的帮助。【方法/过程】本文基于传统的SIR传染 病模型,综合考虑用户的心理特征行为因素,搭建新型的社交网络舆情传播动力学模型,并选用粒子群算法,以 2016年内热点的微博舆情事件为例,求解模型参数的最优值,并进行实验数据验证。【结果/结论】结果表明：用户的 追根溯源心理、持续关注心理以及漠不关心心理等心理特征对舆情的传播特性有重要影响,同时本文给出的模型 由于考虑了用户的心理特征行为因素,模型的准确性相较传统的SIR模型有明显优势,模型拟合曲线与真实数据曲 线基本一致,并且模型拟合值与真实数据的绝对误差值和RMSE值都较低。本文的研究对准确预测舆情信息传播 趋势以及舆情的分析和引导有着重要的指导作用。     

知识主题演化预测研究

【目的/意义】针对现有主题演化方法难以满足预测目的的需求,本文从知识动态发展的角度出发,构建知 识主题演化预测模型,为探究科学领域发展脉络与研究趋势提供方法。【方法/过程】通过Lda模型抽取知识主题,利 用马尔可夫和隐马尔可夫构建主题稳态与主题热度的演化预测模型。【结果/结论】以云计算领域的科学文献作为 实证分析对象,结果表明本模型可以根据历史数据来预测知识主题稳态分布情况与未来热度趋势,且在热度预测 精度上较灰色模型更高。【创新/局限】本文只考虑了横向主题内部的热度高低变化,没有进行纵向维度上各知识主 题间的对比。     

面向舆情大数据的突发事件民意系统演化机理与仿真研究

【目的/意义】面对舆情这一大数据平台,把握网络民意演化规律,为政府突发事件应急决策提供重要依 据。【方法/过程】针对突发事件民意演化的研究,采用系统动力学建模方法,分别从内部因素（网民因素）、外部因素 两大影响网络民意演化的主要方面进行分析,以突发事件民意热度为指标,探讨突发事件民意演化影响因素及其 逻辑关系,并检验其中的关键性因素,同时考虑网民和政府间的博弈与关联性。【结果/结论】通过模拟仿真,得出若 干条关于突发事件民意演化机理的规律。     

新媒体环境下网络舆情用户情感演化模型研究 ——基于情感极性及情感强度理论

【目的/意义】对新媒体环境下网络舆情用户情感进行研究,能够剖析用户情感演化规律,从而有助于采取 针对性措施对舆情信息传播进行合理控制。【方法/过程】本文基于情感极性及情感强度理论构建新媒体环境下网 络舆情用户情感演化模型,以微博平台为例进行情感极性和情感强度分析用户情感演化特征及波动规律。【结果/ 结论】“江歌案”微博热点话题主要呈现负向情感,其比例远高于正向情感和中性情感;情感值与极性值都随着极性 值的增加而增加,话题在 12月 11日负向情感值与极性值达到最低。     

基于信息关联的负面网络舆情风险分级与预测研究

【目的/意义】网络社会充斥大量负面网络舆情,负面网络舆情风险分级和研判对提高网络治理能力和网络 社会治理成效意义重大。【方法/过程】构建负面网络舆情风险指标体系,并采用熵权法计算风险指标权重;基于加 权GRA模型计算灰色加权信息关联度,在此基础上,运用k-means聚类算法构建负面网络舆情风险分级方案,据此 对负面网络舆情进行风险预测。【结果/结论】实证分析结果表明,所建负面网络舆情风险分级模型客观性强、可靠 度高,可为负面网络舆情风险精准响应提供有效决策依据。【创新/局限】以信息关联为视角,为负面网络舆情风险 分级与预测提供了新的研究框架,但典型案例数据库有待继续完善。     

基于参与式治理理论的舆情信息质量演化博弈分析

【目的/意义】网络信息环境健康发展受到了多种因素的影响,提高新媒体和政府部门的公信力、营造良好的舆论环境迫在眉睫。【过程/方法】基于参与式治理理论建立舆情信息发布的新媒体组织与政府媒体监管部门之间的演化博弈模型,探寻博弈双方行为的演化过程及演化稳定策略,并进行数值仿真模拟,分析公众参与治理对演化结果的影响。【结果/结论】结果表明:公众参与治理能有效约束新媒体组织的掺假行为,有利于促使监管部门选择从严监管策略,如此才能达到帕累托最优,实现社会效益最大化。     

基于残差修正的多因素灰色模型的网络舆情预测研究

【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要 意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模 型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建 基于残差修正的多因素灰色模型,并结合“莆田系事件”对模型预测性能进行验证。【结果/结论】仿真结果表明,相 对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具 有一定的优势。     

突发事件网络舆情风险评价的投影寻踪建模与实证研究

【目的/意义】将四种不同的投影寻踪（PP）模型引入到突发事件网络舆情风险评价研究中,针对有教师值、 无教师值和有单指标评价标准的舆情风险评价问题,分别采用两种PP模型进行实证研究,拓展了舆情风险评价的 新方法。【方法/过程】根据前人研究建立的舆情风险评价指标体系和数据,将专家法结果纳入PP模型的约束条件 中,实现专家主观判断结果（意见）与PP模型客观结果的有机结合,进而建立基于决策者偏好的舆情风险评价PP模 型。【结果/结论】PP模型能很好地应用于三类舆情风险评价问题的研究,计算结果与专家法结果具有很好的一致 性。指出了现有的应用投影寻踪分类（PPC）和插值型PPC（IPPC）模型进行舆情风险评价研究存在的问题,提出了 建立可靠和有效PP模型的基本原则和注意事项。     

高校突发事件网络舆情传播影响因素研究

【目的/意义】高校突发事件引起的网络舆情会让高校的声誉等受到直接的影响,研究高校突发事件网络舆 情传播过程,并总结出其影响因素,这对于高校舆情的治理及学生工作的开展而言意义非凡。【方法/过程】以微博 用户群体作为研究对象,以选取的典型案例为研究话题,通过扎根理论的研究方法对原始文本数据进行编码分析, 研究高校突发事件舆情传播影响因素。【结果/结论】构建了高校突发事件舆情传播影响因素模型,并结合时间维度 通过案例对其模型进行了阐释,为后续研究提供参考和启示。【创新/局限】本研究针对高校突发事件网络舆情所选 取的典型案例进行扎根理论研究,探索高校突发事件舆情传播过程影响因素模型,在理论与实践层面具有一定创 新意义。但由于本研究仅针对一个典型案例进行分析,尚存在一定的局限性。     

基于SIR-EGM模型的复杂网络舆情传播与预警机制研究

【目的/意义】负面情绪导向的舆情传播严重威胁到我国的网络空间安全和社会和谐稳定,而"不完全"的复杂网络系统也为政府监管带来了挑战。因此厘清舆情传播特征实现精确预警具有较强的现实性与实践性。【方法/过程】基于SIR传染病模型与EGM灰色预测模型,提出一种实现舆情预警与舆情防控模型,并利用python挖掘到的政务微博历史数据进行模型模拟与检验。【结果/结论】结果表明:舆情传播过程中,易感染类网民占比会随着时间演化而不断减小;传播阈值与易感染类网民占比间的大小关系能够预示舆情演化趋势;政务微博通过及时互动能够转移网民情绪,起到一定舆情导控效用。     

基于BP神经网络的突发传染病舆情热度趋势预测模型研究

［目的/意义］研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。［方法/过程］本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。［结果/结论］实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。     

基于熵理论的突发事件舆情演化研究

【目的/意义】舆情治理能力是政府管理能力的重要组成部分,从信息供需角度,运用熵理论研究突发事件 舆情的演化机理,为相关实践提供参考。【方法/过程】将关注该事件且有信息需求的公众视为突发事件舆论场系统 的内部组成部分,媒体和政府视为系统外部环境,基于熵理论研究突发事件舆情的演化机理。【结果/结论】研究结 果表明,在突发事件舆情复杂多变的动态演化中,存在五个具有重要影响的关键时间节点：熵增突变点、熵增减缓 点、熵增速度零点、熵减加速点和新平衡形成点,为相关部门的管控实践提供一定的参考。     

基于动态贝叶斯网络的网络舆情危机等级预测模型

【目的/意义】本文利用动态贝叶斯网络构建网络舆情危机等级预测模型,为网络舆情危机预警系统提供理 论支撑。【方法/过程】对网络舆情主体、客体与媒体三个要素进行分析,构建网络舆情危机等级预测指标体系,在 指标体系的基础上,构建了动态贝叶斯网络并完成了动态贝叶斯网络的训练。【结果/结论】本文以“教科书式老赖” 为例,结合动态贝叶斯网络对其属性进行了分析,提出了对策与建议。