基于SOAR模型的网络舆情应急响应策略

传统的舆情应急响应方法存在偏好度低的问题,极易造成网络用户对舆情信息产生负面情感。引进SOAR模型,结合模型的认知框架,对网络舆情应急响应方法展开设计与研究,通过模型的认知框架,进行人类思维的模拟,以此种方式,映射网络舆情下网民群体行为。结合网民群体行为映射结果,对网民倾向性进行预测,将网络群体的感知层面记忆与规则信息进行对接,计算网民倾向性最优解,以此为依据,制定网络舆情应急响应决策。此外,通过对比实验证明,设计的响应方法在实施后,产生负面情感的网民用户更少,可实现对网络舆情作出正确的情感指示。

基于SOAR模型的网民群体负面情感建模研究

面向网络舆情演变过程中政府应急响应需求,本文基于SOAR（State,Operator and Result）模型,将网民作为智能体Agent,将网络舆情中网民群体行为转变过程看作相应舆情问题空间中状态随时间的连续转换过程,设计突发事件中网民群体负面情感SOAR Agent模型,包括网民Agent的工作记忆、长期记忆、决策过程、学习机制,构建网民群体行为转换规则库和相应算法。在此基础上,设计仿真实验,结合典型网络舆情事件案例,对政府不同应急措施下微博用户群体行为演变过程进行建模。实证结果表明,基于网民群体负面情感的建模,可以分析和预测在不同网络舆情阶段、不同政府应急响应措施下网民群体的行为决策规律。

基于SOAR模型的高校网络舆情应急响应研究

【目的/意义】面向高校网络舆情应急管理需求,以网民群体负面情感的测量作为基点,预测网络舆情演变的路径和态势,进而支持突发事件应急响应策略的制定【方法/过程】基于SOAR(State,Operator and Result)模型和情境危机传播理论,设计高校网络舆情网民群体决策模型,包括工作记忆、长期记忆、决策过程等模块。结合典型高校网络舆情案例进行建模仿真,通过真实案例数据和实验数据的对比验证模型的有效性。【结果/结论】实证结果表明,基于网民群体决策行为规则的建模,可以分析和预测在不同网络舆情阶段、不同应急响应措施下网民群体的行为决策规律,从而为高校网络舆情应急管理提出有效的方法和模型。

联合全域指挥控制机理与过程模型探析

美军为了适应未来战争的需要,不断探索和创新作战理念,先后提出了多域战(multi-domain battle,MDB)、多域作战(multi-domain operations,MDO)、联合全域作战(joint all-domain operations,JADO)等一系列作战概念。结合美相关报告,厘清联合全域作战的发展脉络和联合全域作战的特点。在此基础上,结合时代特征和科技进步,总结出联合全域指挥控制(Joint all-domain operations command and control,JADC2)的机理,表现为面向任务的全面观察、打破边界的快速链接、依托数据的智能决策、面向目标的敏捷打击;提出了联合全域指挥控制“激励-观察-干预-反思”(SOAR)过程模型。该研究有利于形成对联合全域指挥控制全面深刻的理解和认知。

结合SOAR与ARKit的增强现实工程模拟系统仿真

在移动互联网背景下,增强现实类型的手机端应用越来越多.然而,大多数的此类软件都需要识别图来完成信息展示或者互动娱乐,因此软件的稳定性受识别图的影响很大.由于忽视了人工智能在增强现实领域的重要作用,导致此类软件的智能性欠佳.因此,提出一种结合SOAR与ARKit的增强现实工程模拟系统,在不需要识别图的前提下,利用ARKit技术就可以完成信息展示以及互动娱乐,在遵循以用户体验为中心的设计原则下,结合SOAR模型理论构建工程模拟系统,通过反复的性能测试,提高系统的智能性,丰富人机交互方式.仿真结果表明,结合SOAR与ARKit的增强现实工程模拟系统不仅提高了此类软件的稳定性,而且调动了用户主动交互的积极性.