基于案例分析的群体性事件网络舆情传播规律及对策研究

高速发展的网络使群体性事件信息在较短的时间内在网络上散播开来,其中一些负面或虚假的信息给事件带来了较大的影响,严重阻碍政府部门对事件的处理工作.鉴于群体性事件在网络的传播有其自身的规律和特点,本文通过对近年来发生的19起群体性事件网络舆情的传播为例,对群体性事件网络舆情的传播规律进行分析,并提出相关的应对策略,为政府应对同类事件提供参考.     

突发事件网络舆情谣言传播规律模型及对策研究

突发事件发生以后由于信息的匮乏,人们对信息的渴求也异于平常,谣言更容易被人们相信并传播。本文通过构建数学模型,利用MATALB数值仿真,分析突发事件网络谣言的传播机理、探讨控制谣言传播的因素、寻找控制谣言传播的对策,为政府的网络谣言控制决策提供理论依据和合理建议。     

高校突发事件网络舆情传播与演化研究

【目的/意义】高校教育问题是全社会的焦点问题,任何涉及学生个体利益的问题往往会酿成重大舆情,引起社会关注。因此,必须高度重视高校突发事件网络舆情的传播、演化和处置,保障大学生正常的学习生活不被外界舆论打扰。【方法/过程】本文主要从高校突发事件网络舆情的传播和演化两个方面展开研究,首先分析了高校突发事件网络舆情传播的影响因素以及演化动因,在此基础上,对高校突发事件网络舆情的演化阶段及其影响因素进行了分析。【结果/结论】高校网络舆情演化的影响因素包括了主观和客观两个方面,且其共同决定了高校网络舆情的演化阶段。为了降低高校网络舆情的负面影响,高校及其管理者需要从这两个方面入手,进行进一步的引导和完善。【创新/局限】目前本文只是从理论层面对高校突发事件网络舆情进行了定性分析,在未来的研究中将对高校突发事件展开定量研究。     

无标度网络机制下网络舆情传播演化规律分析

结合agent建模法、复杂网络理论,基于Netlogo平台进行仿真实验和结果分析,着重研究在无标度网络机制下,网络规模、个体间交互阈值、意见领袖数量、人为干预的时间点等因素对于网络舆情的影响,总结网络舆情传播与演化的规律。     

网络舆情传播阶段精细化建模与仿真研究

[目的/意义]根据信息生命周期理论,研究网络舆情传播的周期性规律,构建网络舆情传播阶段的精细化模型,使政府在面对复杂多变的网络舆情态势时,能够准确把握舆情发展演化趋势。[方法/过程]通过案例定性分析网络舆情传播的周期性规律,构建网络舆情传播的Logistic模型,根据模型分析得出网络舆情传播的4个关键时间节点以及5个传播阶段,然后基于MATLAB开展模型仿真,研究了3个参数对网络舆情传播的影响程度并应用实例验证了模型。[结论/结果]经过理论建模和实证分析得出本文构建的网络舆情传播阶段精细化模型是可行的,以上理论研究可为政府准确把握网络舆情演化规律,制定网络舆情治理对策提供参考依据。     

突发疫情环境下网络舆情传播趋势预测及社会保障应急机制研究

【目的/意义】突发疫情环境下将形成大量网络舆情,准确把握网络舆情传播趋势可为突发疫情环境下的社 会保障应急机制提供参考依据。【方法/过程】本文从网络舆情信息交互影响要素、网络舆情信息交互机理两方面分 析突发疫情环境下网络舆情信息交互机理;并从网络舆情传播趋势特点考虑,以新冠病毒肺炎李文亮事件为例,采 用Elman 神经网络模型,选取网络信息数量以及情绪总量和主导情绪作为网络舆情传播趋势预测主要变量和辅助 变量,对突发疫情环境下的网络舆情传播趋势进行预测分析,针对预测结果制定相关社会保障应急机制。【结果/结 论】研究提出可通过完善网络舆情相关法律机制、社会参与机制、信息披露机制、社会监督机制、责任追究机制五项 社会保障应急机制,以期为突发疫情环境下维持社会稳定性提供依据。【局限/创新】未来研究中可结合更多相关实 例进行分析,从而使研究结论进一步得到丰富与深化。     

网络谣言传播模式与应对策略研究

网络谣言的传播,严重损害公民权益,影响社会秩序,破坏政府公信力,治理网络谣言已成为重要课题.本文通过分析“事件衍生”型和“无中生有”型两种网络谣言的传播模式,研究制定政府应对网络谣言的防谣策略和辟谣策略,为政府应对网络谣言提供参考.     

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。     

基于影响模型的网络舆情演化与传播仿真研究

用仿真方法对网络舆情演化机理进行推演分析已成为当前网络舆情研究的一个热点。引入影响模型,基于实证调查设定网民个体属性与交互行为参数,通过仿真方法考察网民个体行为在网络舆情传播过程中的作用,重点研究了传播内容以及网民个体属性对舆情演化传播的影响。测试表明该模型能够很好的契合和解释网络舆情传播演化过程的实际规律与现象,为进一步使用仿真方法研究网络舆情演化与传播模式提供了个体行为建模基础。     

基于改进SEIQR模型的突发网络舆情传播与控制研究

[目的/意义]社会突发事件映射到互联网空间中形成的突发网络舆情在不良因素的干扰下于网民间扩散容易形成强烈的负面情绪导向,很可能对网络社会的和谐稳定产生极大破坏。因此,正确认识突发网络舆情的传播特点,把握各种舆情管控措施对传播的影响,对合理、有效地管理舆情至关重要。[方法/过程]针对突发网络舆情的传播特性对标准SEIQR模型进行改进,提出实施舆情管控措施下以媒体恶意炒作和网民间恶性正反馈为主要传播驱动的SEACBR模型,并利用仿真实验对不同规模的突发网络舆情在各种管控措施下的传播过程进行模拟,以探究不同措施的管控效果并验证模型的泛化性。[结果/结论]管控突发网络舆情应以良性引导为主,其他措施为辅,这样在及时施策、积极治理的情况下突发网络舆情的消极影响就可被有效抑制。     

基于主题分类的网络舆情观测指数体系研究

回顾了目前几种典型的网络舆情预警指标体系,在深入研究分析网络舆情事件特点和规律的基础上,将难以观测的基于事件的网络舆情预警监控转换为易于观测的基于不同主题分类上的网络舆情监控。定义了网络舆情影响指数、网络舆情趋势指数和网络舆情积聚指数3个指数,分别给出了各指数的具体含义和计算办法,最后对各种指数的综合运用进行了讨论。     

基于本体和加权朴素贝叶斯的网络舆情主题分类

及时准确地对舆情信息进行主题分类,不仅能实时了解舆情动态变化,还能为预判舆情发展趋势、舆论引导建立基础。本文提出一种基于本体和加权朴素贝叶斯的网络舆情主题分类方法,通过使用本体将领域知识和领域文本特征融入分类过程中。将该方法应用到动物卫生领域舆情主题分类中,分类结果精确度为0.9402,Marco_F1达到0.9339。通过与朴素贝叶斯（NB）和THUCTC两种方法的对比实验,证明本文提出的基于本体和加权朴素贝叶斯的分类方法有效且具有可行性,但是领域本体的概念、关系的完备程度会影响分类的效率。     

政府重大投资项目舆情传播与舆情风险关系研究

根据来自4大类调研对象的339份有效问卷的调查结果,借助结构方程模型分析了政府重大投资项目舆情传播与舆情风险的关系。研究表明,由舆情主体、传播方式、舆情受众等变量所构成的舆情传播对舆情风险具有显著正向影响。以此为基础,提出了加强对舆情信息动态监控、对舆情传播主体进行有效引导、根据舆情传播方式进行有针对性的应对、结合舆情受众特点开展疏导工作等建议,以期为提高政府公信力和重大项目信誉提供管理参考。     

突发自然灾害事件微博舆情蔓延规律与控制研究*

突发自然灾害事件导致的微博舆情蔓延迅速,影响巨大。建立了微博舆情蔓延SIR模型,以2013年4月20日四川省雅安地震这一自然灾害事件在新浪微博上的舆情蔓延为例,采用MATLAB仿真,对微博舆情蔓延规律进行实证研究。开创性地同时从情报学和传染病学的角度来研究突发自然灾害事件微博舆情蔓延特征：从微博舆情蔓延的速度、广度、深度来分析微博舆情蔓延的离散分布、小世界、最小努力性的情报学特征;从“病原体冶、传染性、免疫性来分析微博舆情蔓延的传染病学特征。结合这两方面的特征,从微博舆情的“传染源冶、“传播途径冶、“易感人群冶的角度提出微博舆情蔓延控制措施,为突发自然灾害事件微博舆情应急管理提供理论和实践支持。     

基于投入产出分析的政务微博舆情信息传播效率评价研究

【目的/意义】通过对政务微博网络舆情信息传播效率进行评价,有利于政务微博的运营和管理。【方法/过程】应用道格拉斯生产函数对政务微博网络舆情信息传播效率评价指标体系的投入和产生指标进行分析,应用DEA模型对政务微博网络舆情信息传播效率进行测算和评价,并利用聚类分析方法对政务微博进行分类,从而对政务微博信息传递指标进行归纳。【结果/结论】政务微博规模效率表现较差的原因是政务微博信息传播效率表现不佳;政务微博信息传递规模效率较低的原因是粉丝数和关注数不足;最后基于投影分析,提出政务微博信息传递效率的改进方案。     

基于贝叶斯网络的网络舆情事件分析

【目的/意义】目前网络舆情事件与社会稳定密切相关,其中定量计算方法在网络舆情事件分析中占有重要地位。【方法/过程】本文提出了一种基于贝叶斯网络(Bayesian Network下文简称BN)分析网络舆情事件趋势的方法。先根据先验知识和专家指导设计BN拓扑结构;再利用EM算法推算条件概率表;最后通过训练集和测试集的方法检验BN的有效性。【结果/结论】本文以随机抽取的2018年100件网络舆情事件为数据源进行实验,结果表明本文设计的BN在预测网络舆情事件趋势方面是可靠的。这为基于BN处理网络舆情事件提供了一定理论依据。     

改进的支持向量机在微博热点话题预测中的应用

为了提高微博舆情的预测精度,针对不同单一核函数的局限,用线性拟合确定两种核函数的权重提出改进的支持向量机模型。首先利用马尔科夫模型矩阵的稀疏程度提取影响因子指标,得到微博传播的增减趋势;然后用改进的支持向量机对实时数据按照4∶1的比例划分测试集和训练集,进行实时预测与警示。实验结果表明：应用马尔科夫模型进行微博舆情的主成分提取效果较佳,改进的支持向量机构造了新的组合核函数,比传统的预判效果更佳。     

我国网络舆情热点话题发现研究综述

随着互联网的快速发展,网络舆情对社会的影响不容忽视。若能够及时从海量数据中发现热点话题,追踪热点话题演变以及预测话题的倾向,对于帮助相关部门及时有效地对其引导和控制具有较大意义。本文通过对我国网络舆情热点话题发现的相关文献进行收集、整理及分析,归纳其中的主要研究思想和方法,同时发现存在的不足,并提出进一步的展望,以期对后来研究者提供参考。     

网络舆情中基于突发事件的应急预测算法研究

针对网络舆情中突发事件发生发展的不确定性,提出一种基于贝叶斯算法的突发事件应急预测方法,综合考虑用户影响力和词语权重信息,给出突发度的概念,依据其判断一个词是否为突发词。按照突发事件演化的过程,以网络舆情中突发事件的状态改变为基础,分别建立三种子网络,基于子网络中的公共变量结合三种子网络,构成网络舆情中突发事件预测的整体网络。求出网络中所有节点的边缘概率,获取先验和后验概率网络,给出网络舆情中突发事件贝叶斯网络中的推理,从而完成网络舆情中基于突发事件的应急预测。仿真实验结果表明,所提方法具有很高的准确性。     

大数据环境下网络舆情信息交互模型研究

[目的/意义]面向大数据研究多个网络传播平台之间网络舆情信息交互模型,能够准确把握大数据环境下网络舆情演化趋势以及网络信息在多个平台之间的传播规律,为政府治理网络舆情提供参考依据。[方法/过程]定性分析大数据环境下网络舆情信息交互机理,通过定义交互系数,基于微分方程理论构建网络舆情信息交互模型,并应用差分回归法对各个媒体平台的网络舆情信息交互趋势开展预测。[结论/结果]经过理论建模和实证分析得出本文构建的信息交互模型及趋势预测方法是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情演化规律,制定网络舆情治理对策提供参考依据。