基于异质性Agent建模的EID网络舆情引导模型

理解新发传染病(EID)网络舆情的内在机制,能够协助政府制定精准网络舆情引导策略。目前尚缺乏从网民的异质性以及网络舆情的动态演化视角分析EID情境下个性化引导策略的研究。整合Wilson信息行为的三要素模型、人格特质等理论,采用向量自回归模型分析异质性网民的观点交互偏好,基于优化Deffuant模型设计EID网络舆情中网民的观点交互过程,构建了基于异质性Agent的EID网络舆情引导的计算实验模型并对其进行了校验;进而分析EID网络舆情的演化以及基于风险感知、情绪与人际影响力的引导策略,提出了EID情境下针对异质性网民群体的个性化引导策略。研究丰富了网络舆情的精准引导研究,同时帮助政府理解和掌握EID网络舆情的发展态势,并指导政府针对EID网络舆情特点以及异质性网民群体制定精准引导策略。

EID事件情境下情绪对信息分享行为的动态影响——人格特质的调节作用

本文研究聚焦重大突发公共卫生事件中的典型案例,整合情绪反馈理论、人-环境交互假说和危机管理的四阶段生命周期模型构建概念模型,采用向量自回归模型与脉冲响应函数分析EID网络舆情不同生命周期中网民人格特质对情绪与信息分享行为的动态调节作用机制。结果表明,人格特质对情绪与信息分享行为影响的动态调节影响存在差异,在萌芽期、爆发期和缓和期,高神经质对恐惧情绪与信息分享行为影响有显著的正向短期调节作用;在爆发期和缓和期,高外向性对恐惧情绪与信息分享行为影响有显著的正向短期调节作用;高开放性和高宜人性人格特质在网络舆情四个阶段也存在不同程度的调节作用,进而放大信息分享行为。

网络舆情SIR模型优化与干预研究

【背景】网络舆情对企业的健康发展产生越来越重要的影响作用。SIR传染病模型是常用的网络舆情传播研究模型,目前关于网络舆情传播的研究大部分是基于SIR模型及其变种。但现有SIR模型没有将感染者细分,不利于网络舆情的传播研究和精准化监控。【目的】通过优化SIR模型,使其更能反映企业网络舆情的真实情况,并提升监控效果。【方法】将SIR模型的感染者细分为积极的感染者、中性的感染者和消极的感染者等三类感染者。对于不同类型的感染者,其发帖率不同。设置差异化的发帖率,以提升企业网络舆情的监控和预测精准度。根据不同的网络舆情级别,设计三个不同干预级别的监控措施,提升监控效果。【结果】将改进模型应用到“海底捞大肠菌群不合格”的真实企业网络舆情,从效果对比得知,改进模型的监控效果比SIR模型的更理想。【结论】细分研究对象、考虑感染者的发帖率、制定不同监管力度的干预级别,有利于提升企业网络舆情监管的精准度、监管成效和预测准确度。

建筑楼空间下突发传染病建模仿真研究

为研究建筑楼空间下的突发传染病传播过程,提出了建筑楼空间下突发传染病的多阶段超网络传播模型,从多阶段传播、多属性层子网构建、改进的仓室模型嵌套等方面对该模型进行设定,并对不同情境下传染病的传播动力学进行仿真分析.结果表明,建筑楼空间下突发传染病传播过程受建筑楼空间人群聚集程度、年龄结构及外界疫情严重程度的影响,感染者传染率和临床感染比率对传染病的传播峰值有较大影响,且早期舆情干预的及时性是提高政策干预有效性的重要决定因素.

突发性传染病舆情中的公共管理沟通效果研究——以中东呼吸综合征疫情微博社区舆情为例

[目的/意义]网络舆情中的公共管理沟通是网络舆情治理领域中值得关注的重要问题。[方法/过程]针对突发性传染病舆情中的公共管理沟通问题,以新浪微博社区中关于2015年MERS(中东呼吸综合征)疫情的微博文本及相应评论内容为样本,对MERS舆情话题进行了分类整理和情感倾向性判断,论述了MERS疫情相关舆情的特点,分析了MERS舆情话题中公共管理机构的表现,并对比分析了其他媒介MERS舆情话题中公共管理机构的表现,总结出舆情话题发展与公共管理沟通之间的作用机制。[结果/结论]研究发现,此次疫情中以政府为代表的相关机构在公共管理沟通过程中存在选择性地接收、处理和反馈与公众的实际需求不相称等不足,需要从沟通的主动性、技巧和保障措施等方面构建统一的沟通体系,以改善公共管理沟通效果。

疾病预防控制网络直报信息化管理的探讨

网络直报信息化管理在疾病预防控制中的应用越来越广,越来越重要,尤其是面对新发、重点传染病和突发公共卫生事件,如何更好开展网络直报信息化管理是非常值得探讨的问题。虽然网络直报信息化管理的应用正逐步广泛化、正规化,但仍存在许多问题,并针对存在问题提出几点建议。

大数据时代开源情报在重大疫情中的作用分析

[目的/意义]基于突发重大疫情爆发速度快,影响力大的现状,探究大数据背景下的开源情报在重大疫情中的作用。[方法/过程]结合具体案例,分析大数据技术对开源情报改革的促进作用,论述其在疫情中的信息传播和应急协作等作用。[结果/结论]大数据时代,开源情报的收集范围、敛散性、分析人员、服务对象和处理流程发生了改变,使之可以更好地夯实政府信息公开的基础、推动疫情防控工作、修复社会信任危机和促进情报融合。

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SIR的SNS网络舆情话题传播模型研究

舆情话题通常是由突发性的新闻事件所引发,社交网站(Social Network Sites,SNS)因其庞大的用户规模和开放性、即时性与互动性等特点,成为舆情话题传播的重要渠道。因此,研究SNS网络中的舆情话题传播机制,将有利于对舆情话题的传播过程进行分析与监控。然而传统的网络信息传播模型无法真实地描述SNS网络中的舆情话题传播过程。为了解决上述问题,分析了SNS网络中的信息互动模式及舆情话题的传播特点,基于无标度网络上的SIR模型,通过引入内部感染概率、外部感染概率、免疫概率以及直接免疫概率,构建了SNS网络中的舆情话题传播模型。仿真结果表明,基于SIR的舆情话题传播模型可以很好地描述SNS网络中的舆情话题演化规律。

食品安全网络舆情的重复感染SIR模型研究

基于利益相关者理论,根据食品安全网络舆情的舆情主体与舆情事件的利益紧密程度将舆情主体分为直接利益相关者、间接利益相关者和边缘利益相关者三种类型.设计重复感染的SIR改进模型,提出SDIERF模型,显示感染者在网络舆情不同发展阶段的发帖数,根据突发事件的四个预警级别设计四个不同干预力度的干预级别.通过仿真的方法,研究该三类利益相关者出现重复感染的感染人数及其发帖数的变化情况.使用实例验证了SDIERF模型的预测和监控效果,在潜伏阶段进行干预的效果最好.

湄公河流域疾病监测网络综合监测经验及启示

介绍了湄公河流域疾病监测网络的管理机制、核心战略、数据管理及实施效果.指出要提高我国疾病预防控制系统综合监测水平,应在以下方面努力:探索建立跨境公共卫生综合监测网络和协调共享模式;建立跨区域公共卫生综合监测网络和数据共享机制;加强数据评估,提高综合监测数据质量和及时性;建立综合监测系统第三方评价机制;开发公共卫生人力资源;加强流行病学能力建设等.

基于EEMD-NAR的突发传染病舆情热度预测研究

为了准确地预测舆情发展趋势,选取百度指数作为热度值构成原始时间序列,采用集成经验模态分解(EEMD)对原始时间序列进行离散分解,运用NAR神经网络对各部分进行预测建模并合成,得到热度预测结果。最后,通过对比分析组合模型和单一模型预测结果的精度,说明组合模型热度预测的准确性、有效性。试验结果表明,EEMD-NAR神经网络组合模型可以较好地解决非线性单一序列的预测问题,提高了NAR神经网络模型舆情热度预测的精度,能够为相关部门预测舆情热度的发展趋势提供参考。

基于改进SIR的突发事件网络情绪传播机制研究

为更好地呈现突发事件网络情绪的传播状态和转移过程,揭示网络情绪传播的内在机理,首先在传染病SIR模型的基础上,考虑网络情绪的不稳定性和调节性特征,加入网络情绪暂时稳定阶段,接着基于改进SIR模型构建突发事件网络舆情中积极和消极情绪传播模型,然后通过对模型求解和数值仿真来探究网络情绪传播的内在规律,最后结合仿真结论和新冠疫情案例来验证模型有效性。研究结果表明,在突发事件网络情绪的感染期中,网络舆情信息是影响网民情绪传播的关键因素;在网络情绪的爆发期中,政府对网络情绪的积极引导可有效缓解网民消极情绪,减少网络情绪对现实生活中的负面影响;在网络情绪的消亡期中,舆情反弹程度是引起网络情绪二次爆发的重要因素。模型能有效预测突发事件网络舆情中消极和积极情绪的传播演化过程,揭示网络情绪的传播规律,为网络情绪引导提供可靠建议。

运用时间序列模型分析新发传染病网络舆情变化规律的研究

目的了解新发传染病引起的网络舆情变化的趋势和规律,为舆情监测预警和实施早期舆论引导提供针对性的依据及方向。方法利用百度指数收集网络用户对寨卡、埃博拉两起新发传染病疫情报告后相关信息的搜索量,形成时间序列数据,应用ARIMA模型对数据分析并建立预测模型,对建立的预测模型进行参数估计、模型诊断、模型评价和比较,选择最优预测模型。结果网络舆情前驱期平均4 d,暴发期平均9.5 d,波动期平均13.5 d,消退期平均29 d,到达峰值的时间平均12.5 d。广州市寨卡相关舆情拟合的ARIMA(3,1,0)模型和全国寨卡相关舆情拟合的ARIMA(1,1,1)模型的赤池信息准则(AIC)分别为747.85和689.81,预测的误差的标准差(SDE)分别为27.05和1388.97;埃博拉相关舆情拟合的ARIMA(3,2,1)模型和全国埃博拉相关舆情拟合的ARIMA(3,2,1)模型的AIC分别为850.05和1 150.65,预测的SDE分别为70.87和1 283.21。结论舆情搜索量与该传染病在本地是否出现病例、发病规模、疾病严重程度有关,疾病预防机构在疫情舆情发展中的暴发期进行疾病宣教效果更好,ARIMA模型能较好地模拟新发传染病网络舆情变化趋势,且局部地区的数据拟合模型预测效果优于全国数据拟合模型。

基于SEIQR演化博弈模型的突发网络舆情传播与控制研究

【目的/意义】突发网络舆情具有爆发快、破坏强的特点。准确建立突发网络舆情的传播模型,研究其内在传播规律,对控制突发网络舆情的传播具有重要意义。【方法/过程】建立SEIQR演化博弈模型,将网媒与地方政府的策略互动行为融入改进的传染病模型中,同时针对期望效用理论在描述博弈主体损益方面的缺陷,将前景理论引入模型的分析过程中,探讨了地方政府不同引导策略对舆情发展的影响,并进行仿真实验。【结论/结果】研究结果表明:地方政府对社会效益与形象损失的感知、网媒对地方政府非财政性奖励的感知、罚金以及网民的集体认同感等因素将对突然网络舆情的发展趋势产生重大影响,进而为地方政府部门提出对策建议。

基于登革热事件的官方微博网络舆情可视化分析

目的了解公共卫生事件中政务微博的传播效果,为政府和媒体引导网络舆情与监控提出建设性意见。方法根据2017年8~9月登革热相关政务或官方微博,利用ROST内容挖掘系统软件(ROST Content Mining System Version 6.0),根据内容分析法和社会网络分析,对政务或官方微博评论内容进行词频、语义网络和情感分析,并绘制可视化图形。结果登革热官方微博评论高频词为"蚊子""杭州""登革热",以此三个词语为中心呈现三组语义网络,显示为单项扩散网络和交互性网络。情感分析显示公众情感波动不稳定,整体积极情绪呈上升趋势,消极情绪递减。结论政府或组织应建立网络舆情平台,加强监控和引导,结合公众的反馈和情绪变化及时采取正确有效的措施,避免负面舆论和谣言的传播。

基于无标度网络模型和传染病模型的舆论演化仿真研究

【目的】精确地呈现网络社交中信息传播状态和传播过程,从而更深入理解网络信息的传播机制。【方法】在无标度网络模型和传染病模型基础上,加入可调整参数,构建改进的网络信息传播模型,并在Net Logo平台上进行舆情传播演化仿真。【结果】仿真实验结果表明:在信息传播过程中,不断变化的传播速率能够更好地描述网络信息传播;在集群度大的网络中对信息传播进行引导和控制的最佳时机是在传播速率增大阶段。【局限】模型对人群分类仍然不够精细。【结论】模型不仅能够在设定条件下模拟不同类型信息的传播过程,还可以为网络舆情监测、引导和控制提供支持。