Ising model on evolution networks and its application on opinion formation

Many phenomena show that in a favorable circumstance an agent still has an updating possibility, and in an unfavor- able circumstance an agent also has a possibility of holding its own state and reselecting its neighbors. To describe this kind of phenomena an Ising model on evolution networks was presented and used for consensus formation and separation of opinion groups in human population. In this model the state-holding probability p and selection-rewiring probability q were introduced. The influence of this mixed dynamics of spin flips and network rewiring on the ordering behavior of the model was investigated, p hinders ordering of opinion networks and q accelerates the dynamical process of networks. Influence of q on the ordering and separating stems from its effect on average path length of networks.

重大突发事件下网络舆情传播中社会群体主题演化图谱构建研究

研究重大突发事件下网络舆情传播中社会群体主题演化图谱构建,对重大突发事件的应急和维护社会稳定具有重要作用。文章基于LDA主题模型构建社会群体主题演化图谱,基于主题时序统计和主题频次统计构建社会群体主题热度演化图谱,基于JS散度和DFS算法构建社会群体主题路径演化图谱,并给出重大突发事件下网络舆情传播中社会群体主题演化图谱构建过程模型。研究发现:利用构建的模型可以对群体主题特征、主题热度影响因素及主题最优传播路径进行分析,发现重大突发事件下舆情演进态势和识别敏感舆情话题,从而进行正向的舆情引导,为重大突发事件下网络舆情治理提供新的参考视角。

金融网络舆情演化机制仿真与实证

构建了金融网络舆情观点聚合模型并进行模拟仿真,在此基础上以2020年“美股熔断”为现实案例,检验了金融网络舆情观点聚合过程,刻画了金融网络舆情演化机制。研究发现:第一,在仿真环境下,个体接受度越大,舆情观点聚合速率越快;信任阈值越大,网络中的观点更容易趋于一致;个体间的强关系更能推动金融网络舆情观点聚合。第二,实证案例验证了个体投资者间的意见交互有利于实现观点聚合,但他们基于消极和积极情绪所表达出的观点仍存在两极对立,且个体投资者与主流财经媒体之间的强关系更能加速推动金融网络舆情演化。该研究结果对于完善中国金融网络舆情监管具有启示意义。

基于主题模型和情感计算的高校网络舆情演化分析

为优化高校网络舆情引导和管理工作,以新浪微博为例,构建融合主题模型和情感计算的高校网络舆情演化分析框架。该分析框架依据生命周期理论划分高校网络舆情演化阶段,利用主题模型抽取高校网络舆情事件主题,并将情感计算与主题模型相结合,分析高校舆情事件演化过程中主题的强度演化趋势和情感演化趋势。主题强度演化主要度量大学生讨论舆情事件话题的热点程度及在舆情事件发展阶段的变化趋势,可有效预测舆情热点话题;主题情感演化主要度量大学生讨论舆情事件话题的情感态度及在舆情事件发展阶段的变化趋势,可有效预测舆情负面情绪话题。最后,基于典型网络舆情演化周期提出高校网络舆情引导策略,以期对大学生关注的主题及其演化趋势进行有针对性的引导和管理。

基于SIS模型的群体社交网络舆情演化仿真

针对群体社交网络舆情演化时,目前方法获取关键节点中的数据较为困难,导致无法准确获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,存在演化精度低的问题,提出基于聚类算法与易感-感染-易感(SIS:Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。在群体社交网络中采用PageRank算法获取关键节点,利用聚类算法对关键节点中的数据聚类进行处理,在此基础上构建SIS模型,并通过其完成群体社交网络的舆情演化仿真。实验结果表明,该方法可准确地获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数,演化仿真精度高。

网络舆论演化的高影响力优先有限信任模型

针对经典有限信任模型在观点更新时需考虑其他全部个体的观点,以及虚拟社会网络规模巨大、用户时间和精力有限等问题,提出了基于影响力和信任阈值、含有双重选择机制的网络舆论演化模型,并对参与网络舆论演化个体的观点坚持策略进行建模,在多个参数集下对该模型与经典有限信任模型进行仿真.结果表明,所获得结果与实际网络舆论演化的情况相符.

网络舆情中一种基于OLDA的在线话题演化方法

研究网络舆情分析中话题演化方法。首先分析网络舆情信息的特点;在此基础上,建立网络舆情信息模型,基于话题模型抽象描述文本内容的隐含语义,进而建立文本流在时间序列上的关联模型;进一步,提出基于OLDA的话题演化方法,针对舆情信息的特点,建立不同时间片话题间的关联。实验结果表明,该方法能够有效检测话题演化,为网络舆情分析提供了有效途径。

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。

基于主体观点度演变的网络舆论形成模型研究(英文)

为了研究网络舆论的形成规律,以复杂适应系统(CAS)的视角,从舆论的构成要素出发,引入舆论主体(A-gent)观点度的概念,分析了影响Agent(网络舆论话题参与者)观点度发生变化的相关因素并确定了观点度变化的规则,以Agent的影响力、辩论能力、自我坚持力度、活跃标志以及主流媒体、法律影响等相关因素为自变量建立了网络舆论形成模型;最后将该模型作适当工程简化后进行仿真试验,并对实验结果进行了分析。

G(Galam)模型在网络舆情演化中的应用

网络舆情的互动性、多元性、衍生性等特点,使得对网络舆情演化的分析相当复杂。首先,剖析网络舆情的来源、内容、传播和影响的特征,进而引入G(Galam)模型,并将其运用于网络舆情演化过程的研究中。通过实验分析,得出网络舆情的演化最终极化方向存在一定的规律性和可控性。通过干预公众个体间的交流和影响公众的公共偏好,可以引导网络舆情的最终演化方向。

网络舆情演化机理多维建模与仿真研究

[目的/意义]研究网络舆情演化的多维度模型,从更高视角解读网络舆情传播规律,丰富和完善网络舆情传播理论。[方法/过程]定量分析网络舆情趋势预测中信息增长率的变化问题,构建以增长率和时间为自变量,信息累计数量为因变量的多维函数模型,并通过MATLAB仿真研究各个参数对网络舆情传播的影响以及网络舆情传播路径分析,然后通过"成都女司机"微博数据验证了模型的可行性,更加直观地诠释了高维模型研究网络舆情演化机理的优势。[结论/结果 ]经过理论建模和实证分析得出,将logistic模型拓展到高维研究网络舆情演化机理是可行的,并且多维度模型很好地解释了网络舆情数据出现多个"峰值"现象,而网络舆情统计数据的实质是高维度模型曲线在时间轴的投影。

复杂网络上集群行为与自旋模型

复杂系统中的集群行为(collective behavior)是复杂系统涌现性的重要表现之一,它通过微观个体之间的相互作用,在宏观上表现出一定的时空或功能有序结构.已有研究表明,个体之间相互作用的网络结构对复杂系统的集群行为有重要影响.基于复杂网络上的自旋模型,介绍了复杂网络上的集群行为的部分研究进展.首先简要介绍了自旋模型的相变现象以及网络结构对相变行为的影响;其次,介绍了以自旋模型为基础应用到社会经济等领域中的工作,包括舆论形成、羊群效应以及分隔现象(segregation)等,尤其关注网络结构对集群行为的影响,最后介绍了基于自旋模型的网络社团划分方法.对进一步的发展方向进行了初步的讨论.

基于改进的OLDA模型话题检测及演化分析

[目的/意义]话题检测和演化分析是网络舆情监控中的热点问题,对热点话题的检测和演化分析有助于挖掘热点话题和深入理解话题的演化趋势,并给以舆情监控者提供完整的话题演化路径和更为合理的决策意见。[方法/过程]OLDA(Online Latent Dirichlet Allocation)模型是用于挖掘热点话题和分析话题演化的工具,由于其存在新旧主题混合、冗余词较多的缺点,采用双通道模式对主题、词分布的遗传度进行改进,并给出了新的词分布计算方法。[结果/结论]提出的改进OLDA模型解决了新旧主题混合问题,降低冗余词的概率,更为明确地解释话题的含义。实验表明,改进的OLDA模型更为有效地对话题进行检测及演化分析。

复杂网络中的舆情演化机制:传播媒体的外场力作用

以探索新兴传播媒体环境下的舆情演化机制和规律为研究目的。首先,以伊辛模型为基础,利用媒介研究行业数据构建了由大量节点组成的复杂网络,以此来描述现实世界的舆情演化环境。然后,通过对伊辛模型体系下的格劳伯动力学进行改进,得出了有向、加权的复杂网络舆情演化模型,并运用蒙特卡罗方法,对舆情演化过程进行计算机仿真。实验结果揭示了舆情演化机制和网络发生相变的规律,总结出了一些对舆情管理具有指导意义和实践价值的结论。

基于LDA模型的网络舆情事件话题演化分析

通过挖掘网络舆情事件话题演化,有助于在事件全面爆发之前的更早阶段釆取应急措施。本文基于网络舆情事件时间性强、话题与时间关联度单一的特征,选择网民关注度高的食品安全网络舆情事件新闻报道建立文本集,基于LDA模型抽取话题,使用后离散时间型话题模型思路分析话题热度变化,用先离散时间型话题模型思路分析话题内容迁移。实验表明,此思路能够较全面体现话题演化路径,为网络舆情事件分析提供有效途径。

基于时间片划分的舆情话题演化模型研究

着眼于舆情话题演化的时序特性、衍生特性和话题漂移现象,在分析话题演化特性的基础上构建了基于时间片划分的话题动态演化模型并通过数理分析和实验仿真对模型的有效性进行了验证.实验结果说明划分时间片的话题演化模型可以在保证热点话题追踪准确性前提下可进一步通过缩减信息流规模来提高话题追踪效率,从而解决以往话题追踪算法中由于舆情话题的漂移和衍生特性导致的追踪效率低下的问题.

网络结构和有界信任对群体观点演化过程的交互影响

对HK模型进行扩展,综合考虑不同观点之间的影响权重以及交互网络的结构特征,探讨了在有界信任和影响异质性的前提下,网络结构和信任阈值对群体观点演化结果的交互影响。仿真结果表明,随着有界信任参数的增加,不同网络结构类型下的平均观点簇数量均呈现出递减的趋势,且递减速度受网络结构的影响。小世界网络随着重连概率的增加,平均观点簇数量的下降趋势更明显,并且群体观点演化速度不断加快,使得网络能够在较短的时间内形成更大的观点簇,从而更有利于群体共识的达成。规则网络中观点的收敛速度最慢,最终网络中保持着较高的观点簇数量,使得群体观点比较分化,一致性构建的难度加大。

突发事件网络舆情的形成、演化与控制

突发事件网络舆情具有自由性、互动性、即时性、隐匿性、群体极化性等特点,一般经历形成、高涨、波动和最终淡化四个阶段。对网络舆情的引导和控制,必须遵循其形成演化规律,建立公开透明、及时的政府信息发布制度,同时注重培育网上意见领袖,推动网络媒体与传统媒体良性互动,并依托网络舆情监控系统,对不良信息进行及时处理,这样才能有效消除网络媒体的负面影响,发挥其在社会突发事件处理中的积极作用。

基于时序信息的话题动态演化模型及追踪算法

针对舆情话题演化的时序特性、衍生特性和话题漂移现象,在分析话题演化特性的基础上构建了基于时间片的话题动态演化模型,并设计了话题追踪算法,将网页内容与链接关系归一化来计算话题相关度。实验表明,该算法能够有效应对话题漂移和话题衍生效应,显著提高了话题的追踪效果。

基于平台推荐机制和有界信任影响的网络群体观点演化研究

[目的/意义]基于现实背景扩展了Deffuant-Weisbuch(DW)模型,并对网络媒体平台中群体观点演化规律进行了系统研究,这对开发舆情预警系统以及完善舆情导控政策都具有一定的理论价值和社会实践意义。[方法/过程]在是否存在智能推荐机制的信息推送机制的基础上,考虑平台影响力、话题类型等因素,运用仿真实验分析了不同参数对群体观点演化过程的影响。[结果/结论]平台影响力和智能推荐机制都会影响网络群体观点的收敛速率;在无智能推荐机制情景下,对于敏感程度不同的话题,其网络群体观点分裂程度依旧具有显著差异。