跨学科视角下的网络舆情仿真研究

网络舆情仿真呈现出多学科交叉的发展趋势,网络舆情一方面在数据上体现出强自然科学属性,另一方面其参与主体为社会人,具有强社会科学属性。但目前模型多来自于系统动力学、马尔科夫模型、小世界理论、SIS模型等自然科学领域,缺乏对舆情传播主体心理因素的描述。以主体信息传播中的心理建模为切入点,介绍了心理学的大五人格、传播学的媒介素养、意见领袖、创新扩散等理论,并以心理距离为例论述了心理学在主体建模中的应用,希望有助于从社会学科的视角丰富未来网络舆情仿真主体模型的构建,为未来跨学科视角的网络舆情仿真研究提供思路和实现路径。

面向网络舆情仿真的人物智能体建模

人是社会中具有自主行为的个体,对网络舆情突发事件的发生、发展具有重要影响,同时由个体组成的群体是舆情事件的承灾体,因此使用仿真建模手段探索网络舆情发生、发展机理,为舆情事件应急处置措施提供决策支撑时,对个体行为的建模仿真显得尤其重要。面向网络舆情仿真,分析了个体信息处理的心理行为过程,提出了能够反映个体心理行为过程的机理模型,基于实际数据进行了个体模型的实现、参数分析和仿真实验。

多层同步网络在舆情仿真研究中的应用

为统筹考虑线上社交网络与线下社交网络在舆情传播中的作用,首次提出了一种包含"媒体层-线上层-线下层"的多层同步网络模型,并在此基础上搭建了舆情仿真系统框架.基于对人类社交网络拓扑结构的已有研究成果,给出了多层同步网络的缺省设定.通过案例仿真,分析了线上网络与线下网络之间的相互影响,对比了舆情事件目击者数量在多媒体传播、自媒体传播这两种舆论传播模式中的作用差异.最后,讨论了多层同步网络模型的兼容性与可扩展性,并指出了该模型改进的方向.

基于BERT-LDA模型的新冠肺炎疫情网络舆情演化仿真

构建大规模网络舆情演化仿真模型,对新冠疫情武汉重灾区与全国其他地区采取差异化的应急管理和舆情疏导具有指导价值。为实现主题细粒度的舆情情感演化仿真,将LDA(Latent Dirichlet Allocation)主题模型与BERT(Bidirectional Encoder Representations from Transformers)词向量深度融合,优化主题向量助力文本主题聚类;同时,在改进BERT预训练任务的基础上,叠加深度预训练任务,以提高模型在情感分类中的精确度。结果表明:在主题向量训练过程中,改进的BERT-LDA模型较原始LDA模型NPMI(Normalized Pointwise Mutual Information)值提升0.357;在疫情事件情感分类任务上,AUC(Area Under the Curve)值超过了99.6%,证明其能够有效运用于大规模网络舆情演化仿真。

基于Multiagent的突发事件网络舆情演化

针对突发事件的传播过程,采用定性与定量相结合的方法,提出了突发事件网络舆情传播的“五段六点”模式。根据贝叶斯概率原理,给出了Agent的决策规则,以网络结构的方式体现Agent之间的内在联系,建立了基于Multiagent分布的突发事件网络舆情传播模型。通过仿真分析Agent情感态的演化,验证了该模型的有效性,表明该模型能够较好地分析网络用户对突发事件网络舆情传播的演化趋势。