基于微博舆论的观点演化与逆转现象的研究

发布时间：2020-07-02 07:42

【摘要】：随着移动互联网的快速发展,人们获取信息和参与讨论热点话题的方式发生了巨大的改变。移动社交平台如微博、微信等软件的出现,使得人们可以随时随地的获取信息、发布信息和传播信息。微博是国内最流行、最具有代表性的社交平台,拥有几亿用户,是网民进行信息或观点获取、分享及传播的重要平台。在微博社交网络中,微博用户针对现实中存在的热点问题发表具有较强影响和倾向的观点,当持有类似观点的用户不断增加,并与其他用户产生相互作用、相互影响,从而形成舆论。近年来,网络暴力事件、逆转事件、造谣事件和故意引导事件等网络舆论事件频繁出现,给人们带来了巨大的伤害,给政府和大众媒体带来极大的负面影响,也给社会带来了不和谐、不安定因素。因此,对于认识和掌握舆论事件的形成与发展越来越重要,它体现了对于舆论事件的研究意义。舆论事件的变化是以观点的变化为载体的舆论观点的演化过程,并且舆论观点在演化过程中存在一种观点逆转的特殊现象。故本文研究了微博舆论的观点演化与逆转现象,本文的主要工作如下:(1)在观点演化模型中,根据三度影响力规则研究个体观点的变化规律。首先,该模型中的个体观点描述是以连续观点离散行为模型为基础,使用连续观点值表达用户对某一事件的内在倾向性(内在观点),使用离散行为表达对事件的态度(外在行为),内在观点和外在行为存在一一映射的关系。在三度影响力下个体外部行为会受到观点支持和反对这两个群体影响,两种不同行为群体混合程度的影响直接作用于个体内在观点的变化。本文使用二元信息熵理论表示两种不同行为群体;当混合程度低表示其中一方影响力大,容易改变个体的观点,当混合程度高表示双方影响力趋同,不易改变个体观点。其次,通过微博用户之间的交互行为(包括微博帖子的发布、转发和评论)和关注关系(关注和粉丝),研究微博中用户对某一事件形成的关系网络。实验发现微博中关系网络的形成是服从幂律分布,因此仿真实验可以在无标度网络上进行模拟。最后,实验分别分析了外在行为的初始密度、交互范围对观点演化的影响和交互行为对观点演化的影响,通过案例分析得到提出模型具有合理性。(2)在舆论观点演化过程中,引入知情个体的影响研究舆论逆转现象的发生。首先,在关系网络中个体观点的选择是内心活动和外在环境共同作用下的决策行为,故使用连续观点离散行为模型(CODA模型)描述个体观点。其次,舆论逆转是由外部力量突然打破个体的行为所造成的,因此使用知情个体代表已知外部信息影响个体观点的变化。最后,使用真实舆论事件的数据与模拟实验的结果进行对比,分析模拟实验的合理性;然后在模拟实验中,分析具有相同外部行为和不同外部行为的知情个体对舆论观点演化过程中逆转现象的影响。本文研究舆论观点演化和演化中的逆转现象,就是研究舆论事件的形成与发展。对于研究舆论事件的形成与发展有利于揭示社交网络舆论事件的发展过程与规律,为政府管理、控制和引导网络舆论向健康、良性的方向发展提供理论支撑和技术支持。
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP393.092
【图文】：

框架图,观点,演化过程,框架

的建模策略；对于用户的交互研究主要是针对个体的观点点动力学中综合了心理学、动力学、复杂科学、传播学和物，从而发现个体观点交互的规律和在宏观层面上舆论形成的舆论观点动力学和舆论逆转现象的相关研究。观点动力学动力学（又称观点动力学、意见动力学、意见演化），是一门、和复杂网络的交叉学科，用于解释人类社会中各种观点的观点动力学的研究方向就是发现人类观点演化的规律，即个动代理人根据既定的融合规则不断融合他们对同一问题的意分化阶段[8]。如图 1.1 所示，个体观点在交互的过程中既不视其他个体的观点，而是一定程度上将这些观点在融合规则新观点，舆论观点的演变其实质就是个体之间相互影响而

泊松分布,图模型,随机网络,规则网络

图 2.1 （a）规则网络图模型图 2.1 （b）随机网络图模型Fig. 2.1 (a) A graph model of regular network Fig. 2.1 (b) A graph model of random network（2）随机网络模型20 世纪有两位数学家建立随机网络模型，其中经典的模型是 ER 随机模型，故随机网络模型又称为 ER 模型[46]。在一定程度上，规则网络和随机网络是两个极端，而复杂网络的其他模型是位于这两个模型之间的。随机网络形成的过程中，其节点之间的关系没有固定的规则，而是依据随机方式生成连接边，如图 2.1（b）是随机网络图。（3）小世界网络模型20 世纪末，Watts 和 Strogatz 两位数学家通过对规则网络少量的边进行连接，得到了小世界网络模型，其模型的特点是：节点的平均路径较短和聚集系数较高[49]。小世界网络最有名的理论就是六度分割原理，其内容是不相邻的两个节点平均通过五个相连的节点找到目标节点并建立联系，如图 2.2（a）是小世界网络图。（4）无标度网络模型1999 年 Barabási 和 Albert 对万维网进行了深入的研究，发现万维网中节点的度不像随机网络那样服从泊松分布，而是服从幂律分布，其中幂律的参数介于 2 和 3 之间。

【相似文献】