基于復雜網絡的網絡輿情論文范文

本站小編為你精心準備了基于復雜網絡的網絡輿情論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1模型應用的必要性

基于網絡的真實數據進行實證性研究是研究網絡輿情演化規律的有力方向，但由于網絡結構復雜、海量的個體和真實數據難以獲取等原因，雖有一定進展，但成果不顯著．而通過模型構建來反應個體的觀點交互進而解釋網絡輿情的傳播規律成為大量學者的選擇．模型不是現實，而是虛構的對象，旨在通過某些可測量，在一定程度上達到與所研究現實世界的同構性．模型通常是將研究對象簡單化，關于其相關變量和交互都考慮得不夠周全，但是模型是獲得事實的有益工具．簡單的模型可以作為研究更加復雜和精確現實的起點，不完全的模型可以讓我們專注于復雜現象的特殊屬性或評估缺失變量的重要性．在網絡輿情建模研究上，有來自物理學、數學、計算機與信息科學、傳播學、心理學、社會學、情報學等多學科的學者分別在自己的研究視域內開展，不同學科的交叉更促進了其發展速度．研究者們利用統計物理學、觀點動力學、社會動力學、社會心理學等領域的方法，著重描述個體之間意見交互和觀點形成的過程，進而得出群體的宏觀輿論涌現，為后續研究儲存了深厚的積淀，并產生了深遠的影響．輿情網絡是典型的社會復雜網絡，具有復雜系統的特征．復雜網絡理論的逐步發展，提供了比以往其他方法都更有效的表達社會網絡結構及關系的方法．復雜網絡中的個體行為傳播與集體活動的演化等引發了學者們的關注．隨著社會系統的復雜化和信息技術的快速發展，網絡傳播的模式也越來越多元化復雜化，利用復雜網絡分析方法分析互聯網，尤其是Web2．0網絡中的輿情信息發生、發展、演化的機理成為一個研究熱點．

2基于復雜網絡的網絡輿情傳播模型

2．1傳染病模型由于信息傳播與病毒感染的前提條件存在一定的相似性(有向性和相鄰性等)，并且具有相同的動力學特點，所以傳染病模型被借以模擬網絡輿論尤其是謠言的傳播［7］．傳染病模型最早是1926年Kermack和McKen-drick構造的SIR(susceptibleinfectedrecovered)模型，以及1932年提出的SIS(susceptibleinfectedsus-ceptible)模型．在SIR模型中，將人群分為易感人群(S)，染病人群(I)和免疫人群(R)．該模型適用于染病后自動免疫并不會被二次感染的疾病，如水痘、百日咳，或者不能治愈終會死亡的疾病，如艾滋病等．SIS模型則只有易感人群和染病人群，適用于被治愈以后仍然恢復為易感人群的疾病．對于同一謠言，接觸的次數并不影響已經被傳播的后果，所以很多謠言傳播模型借鑒了SIR模型．Daley和Kendal在1965年首次根據流行病模型構建了謠言傳播的D－K模型，該模型借助隨機過程理論，將謠言相關個體分為三類，未聽說過謠言(相當于易感人群)，傳播謠言的人(相當于染病人群)和聽說過謠言但不傳播(相當于免疫人群)，并假定角色以一定概率轉換．Maki和Thompson等隨后構建了M－T模型［9］．這兩個模型在謠言傳播上得到廣泛使用．隨著復雜網絡的興起，謠言傳播重新被學者重視，并取得了較大的研究進展．Kitsak等將謠言傳播的SIS模型和SIR模型應用在了一些真實復雜網絡中，分別為:LiveJournal．com上的550萬人的朋友圈、倫敦大學學院計算機科學系的郵件聯系網、瑞典的病人聯系網和imdb．com上提供的電影演員的合作網絡，并得出了一些重要結論．Zanette首次應用了小世界網絡理論研究謠言傳播，建立了SIR平均場方程，結論顯示，謠言傳播有一定的臨界值．隨后，Zanette比較了謠言傳播在小世界網絡和動態小世界(dynamicsmallworlds)兩種復雜網絡機制下的異同，結果顯示，動態小世界網絡更接近實際，并具有易分析和便于數值處理等優勢．Moreno和Nekovee則在無標度網上了構建了謠言傳播模型，并對隨機分析和計算機模擬兩種分析方法得出的結論進行了比較．Xiong等提出了SCIR模型，該模型側重微博轉發行為導致的信息傳播，其中，C表示已獲知信息但對是否轉發該信息尚處于猶豫狀態，并基于規則網格和無標度網絡進行了仿真．國內也有大批研究成果出現．潘灶峰和汪小帆等在改進的無標度網絡(聚類系數可變)上構建了謠言傳播模型，發現增加網絡聚類系統，即增加信息的透明度是抵制謠言的有效手段．陳靜等綜合了SIS模型和SIR模型，提出了針對在線網絡傳播形式的SICRS傳播模型．該模型加入了起過渡作用的治療狀態(cured)，通過對該模型的仿真，發現了復雜網絡尤其是無標度網絡中輿情傳播的三階段規律:初期的爆發、中期的周期性波動和后期的穩定狀態．此外，作者還具體闡述了輿情傳播的影響因子．陳福集等［20］重要關注了網絡輿情傳播建模中的衍生效應，通過仿真的數值設定實驗，在傳統SEIRS模型基礎上引入話題衍生率，同時考慮輿情傳播的社會影響作用和個體記憶因素等，分析其對輿情傳播的影響．陳波基于泛在媒體環境，考慮現有模型對網絡個體狀態處理太過簡單，引入了兩個新的變量:直接免疫率和潛伏個體，建立了一個帶直接免疫的SEIR模型，并采用了starlogo仿真軟件驗證了該模型．朱恒民等將SEIR模型應用到BA無標度網絡上，重點考慮媒體對網絡輿情話題傳播的影響，提出了輿情話題傳播模型，結果表明，媒體會加快輿情傳播速度．錢穎基于SIR模型建立了微博輿情的傳播模型．

2．2觀點動力學模型研究輿論或共識形成過程的模型可以追溯到應用數學領域的French模型，該模型創建于1956年，研究在離散條件下，考慮個體以某種不同權重值采用他人意見時，團隊內部的意見相互影響的復雜性問題．隨著問題不斷被研究者重視，出現了多個能用于模擬網絡輿情傳播的模型，經典的元胞自動機模型、Sznajd模型、Hegselmann－Krause模型、Deffuant模型、Wu－Huberman模型等均在一定程度上影響了后續網絡輿情傳播模型的構建．隨后，大量學者將觀點動力學上的模型應用到輿情中觀點的傳播，進一步考察輿論的形成等．Alves［等首次提出宏觀的輿論模型正逐漸被基于局部個體空間相互作用的微觀離散動力學模型所代替．國內學者紛紛在元胞自動機模型的基礎上提出多個改進模型．方薇團隊考慮元胞堅定性特點設計了元胞移動遍歷的輿情傳播模型，并進一步構建了協同元胞自動機模型．王鹍鵬提出了三位元胞自動機模型來模擬網絡輿情傳播動態．潘新等改進了Wu－Huberman模型，考慮社會網絡中的個體交互，構建了網絡輿情傳播模型，該模型可用來衡量輿情傳播的速度．

2．3其他模型博弈論因為其分析個體關系的優越性，被應用到網絡輿情傳播中．王楊等基于博弈論，考慮網絡社區內外部對輿情傳播的影響，構建了網絡輿情的傳播模型．結果表明，網絡輿情在網絡社區中的傳播具有初期傳播穩定、后期形成具有影響力的輿論的一般特點．韓少春、劉錦德等利用了不完全信息演化博弈模型，分析了網絡輿情傳播的羊群行為，并提出了控制羊群行為的主要策略．其他學者拋開經典模型，嘗試構建新的病毒模型來模擬輿情傳播、模擬群體極化的動力模型;也有學者利用復雜網絡的方法，分析網絡輿情傳播的特點和規律，或者構建相應的模型，對實際的網絡輿情引導起到指導作用，例如在新浪微博、高校BBS等方面的應用．

3現有研究的總結及發展趨勢

3．1研究總結

3．1．1建模方法多數網絡輿情傳播模型采用了自上而下的建模方法，重點關注網絡輿情宏觀的演變及群體整體的觀點變化．這類模型將研究對象看成一個系統，在不同層次研究系統的整體．最典型就是利用傳染病模型模擬謠言傳播過程進而反映網絡輿論的傳播過程．

3．1．2建模工具基于復雜網絡的模型構建，利用恰當的軟件或工具能起到事半功倍的效果．目前常用的建模工具有Starlogo、Netlogo、Swarm、Ucinet、Pa-thon等軟件工具．也有不少學者自行開發了相關軟件平臺，如武漢大學信息管理學院開發了NEView-er，用于復雜網絡的演化分析，這些工具都在相關研究中發揮了重要的作用．

3．1．3模型對實踐的指導目前，大多是結合理論研究和實證分析來研究網絡輿情傳播的規律和特點，從理論上深入探討網絡輿情傳播演化的數學或物理模型，建立清晰準確的理論框架，同時在大數據的背景上，借助數據倉庫和數據挖掘等先進信息技術獲取大量實證數據，驗證理論模型的有效性，修正理論模型的假設．盡管目前已構建了基于不同理論基礎的多個模型，但是模型如何指導實踐，用于引導網絡輿情朝正確方向發展，或控制負面輿情的發展等方面，仍需要進一步深入研究．

3．2發展趨勢隨著復雜網絡理論的不斷發展，網絡拓撲結構更加接近真實網絡，促進了基于復雜網絡理論建模的復興．通過網絡微觀生產機制來探尋網絡宏觀性質成為一項有意義且極具挑戰性的工作．盡管統計物理學和數學等學科領域的經典模型可以借助到網絡輿情的觀點演化研究上，學者也展開了一些實際的應用研究，但是社會網絡的復雜性，使得目前學界的研究成果對于描述實際網絡輿情演化狀況仍顯簡化，存在較大的改進空間．移動網絡已成為更重要的輿情傳播陣地，所以針對移動網絡社區的輿情傳播特性，例如微信群等，構建相應模型將成為一個新的研究熱點．自適應網絡代表了一類新的網絡結構和網絡行為，主要特點是能夠相互反饋，這類網絡能夠反應真實的合作演化過程，所以流行病模型在自適應網絡上的應用受到越來越多的關注。

作者：任立肖檀柏紅張亮單位：天津科技大學經濟與管理學院