基于犹豫模糊集的多维社会网络模型优化及突发事件风险评估应用研究
发布时间：2021-07-13 17:52
突发事件风险评估属于运用社会网络理论探究舆情控制问题的研究范畴,是舆情控制研究的细分研究。本文首先通过多维社会网络模型描述自媒体社交平台的信息特征,在此基础上建立突发事件风险评估模型。通过对多维社会网络模型的多维度风险特征量化,将突发事件的宏观信息指标转化为微观的社会网络特征。为进一步度量情感维度在多维社会网络模型中的作用,本文引入犹豫模糊集理论量化情感极性,并运用模糊集对自然语义的二维描述方式,建立基于犹豫模糊集的情感极性度量方法。为进一步探究风险评估模型的有效性、适用性及准确性,本文对五个不同类型的社会突发事件进行了风险评估量化实证研究。首先,通过分析突发安全事故、突发自然灾害、政府业绩等新闻事件的微博信息,获得不同类型事件的情感极性度量及风险度量结果。其次,通过对事件内部各层次影响因素对比及多个事件之间横向结果对比,得出基于犹豫模糊集的多维度社会网络模型在突发事件风险评估问题中具有有效性及较高的准确性。再次,通过事件内部的纵向因素对比,探究该风险评估模型中各影响因素指标的影响效果,并通过事件之间的横向结果对比,探究风险评估模型中各影响因素指标在不同类型突发事件评估的适用性及准确性...
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
梯形极性语义集
浙江大学硕士学位论文模型构建与优化28在其他语义的模糊性极高。此时最小自然语义集s1为：S0=<“0，H”,“1，0”>。当负性情感极性语义集si-越接近s0时，则表示其情感负性越高，反之则表示其情感负性越低。同理，当正性情感极性语义集si+越接近s1时，则表示其情感正性越高，反之则表示其情感正性越低。按照以上描述，文本信息的负向情感极性S(s0,si)与正向情感极性S(s1，si)度量公式如公式（3.21-3.22）所示：0i0imax0i(,)S(s,)(,)edsssess=（3.21）1i1imax1i(,)S(s,)(,)edsssess=（3.22）3.3小结通过对以上基于犹豫模糊集的情感极性度量方法的描述可知，在多维网络中的情感子网中可采用极性度量方法量化情感极性。基于多维度社会网络模型的风险评估模型，可对突发事件的舆情演化的过程风险进行科学量化，从而直观得展现社会网络中个体风险及整个事件风险。图3.10为模型构建框架。图3.10模型构建框架如图3.10所示，情感子网中的文本进行文本分析获得情感评分后，本文运用模糊集理论将评分转化为正向及负向情感极性，从而获得多维层次网络的风险评估度量特征值。该模型框架可综合分析自媒体平台中突发事件舆情信息个体及整体事件的风险值，本文运用该模型展开实例分析，详见第四章。
活跃用户受众分布
【参考文献】：
期刊论文
[1]基于超网络理论的微博舆情关键节点挖掘[J]. 张连峰,周红磊,王丹,张海涛. 情报学报. 2019(12)
[2]突发公共事件网络舆情治理研究的取向与进路[J]. 林振. 情报杂志. 2019(04)
[3]网络社会安全风险评估指标体系研究[J]. 曾润喜,罗俊杰,朱美玲. 电子政务. 2019(03)
[4]基于社会化媒体的公共政策舆情预测研究[J]. 王亚民,宁静,马续补. 情报理论与实践. 2019(01)
[5]基于主题一致性和情感支持的评论意见领袖识别方法研究[J]. 安璐,胡俊阳,李纲. 管理科学. 2019(01)
[6]基于系统动力学的社交网络舆情应对策略仿真分析——以“亚布力事件”为例[J]. 曹海军,李明. 东北大学学报(社会科学版). 2019(01)
[7]Rebels Lead to the Doctrine of the Mean: A Heterogeneous DeGroot Model[J]. CAO Zhigang,JIAO Fengliang,QU Xinglong,WANG Wen-Xu,YANG Mingmin,YANG Xiaoguang,ZHANG Boyu. Journal of Systems Science & Complexity. 2018(06)
[8]国内外网络舆情演化、预警和应对理论研究综述[J]. 王兰成,陈立富. 图书馆杂志. 2018(12)
[9]网络舆情治理的关键是“治未病”[J]. 曾润喜. 中国传媒科技. 2018(12)
[10]网络暴力下突发事件中观点决策与舆情反转[J]. 黄传超,胡斌,闫钰炜,赵旭. 管理工程学报. 2019(01)
博士论文
[1]基于意见挖掘通用框架的情感极性强度模糊性研究[D]. 寇广增.武汉大学 2010
本文编号：3282523
【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校
【文章页数】：76 页
【学位级别】：硕士
【部分图文】：
梯形极性语义集
浙江大学硕士学位论文模型构建与优化28在其他语义的模糊性极高。此时最小自然语义集s1为：S0=<“0，H”,“1，0”>。当负性情感极性语义集si-越接近s0时，则表示其情感负性越高，反之则表示其情感负性越低。同理，当正性情感极性语义集si+越接近s1时，则表示其情感正性越高，反之则表示其情感正性越低。按照以上描述，文本信息的负向情感极性S(s0,si)与正向情感极性S(s1，si)度量公式如公式（3.21-3.22）所示：0i0imax0i(,)S(s,)(,)edsssess=（3.21）1i1imax1i(,)S(s,)(,)edsssess=（3.22）3.3小结通过对以上基于犹豫模糊集的情感极性度量方法的描述可知，在多维网络中的情感子网中可采用极性度量方法量化情感极性。基于多维度社会网络模型的风险评估模型，可对突发事件的舆情演化的过程风险进行科学量化，从而直观得展现社会网络中个体风险及整个事件风险。图3.10为模型构建框架。图3.10模型构建框架如图3.10所示，情感子网中的文本进行文本分析获得情感评分后，本文运用模糊集理论将评分转化为正向及负向情感极性，从而获得多维层次网络的风险评估度量特征值。该模型框架可综合分析自媒体平台中突发事件舆情信息个体及整体事件的风险值，本文运用该模型展开实例分析，详见第四章。
活跃用户受众分布
【参考文献】：
期刊论文
[1]基于超网络理论的微博舆情关键节点挖掘[J]. 张连峰,周红磊,王丹,张海涛. 情报学报. 2019(12)
[2]突发公共事件网络舆情治理研究的取向与进路[J]. 林振. 情报杂志. 2019(04)
[3]网络社会安全风险评估指标体系研究[J]. 曾润喜,罗俊杰,朱美玲. 电子政务. 2019(03)
[4]基于社会化媒体的公共政策舆情预测研究[J]. 王亚民,宁静,马续补. 情报理论与实践. 2019(01)
[5]基于主题一致性和情感支持的评论意见领袖识别方法研究[J]. 安璐,胡俊阳,李纲. 管理科学. 2019(01)
[6]基于系统动力学的社交网络舆情应对策略仿真分析——以“亚布力事件”为例[J]. 曹海军,李明. 东北大学学报(社会科学版). 2019(01)
[7]Rebels Lead to the Doctrine of the Mean: A Heterogeneous DeGroot Model[J]. CAO Zhigang,JIAO Fengliang,QU Xinglong,WANG Wen-Xu,YANG Mingmin,YANG Xiaoguang,ZHANG Boyu. Journal of Systems Science & Complexity. 2018(06)
[8]国内外网络舆情演化、预警和应对理论研究综述[J]. 王兰成,陈立富. 图书馆杂志. 2018(12)
[9]网络舆情治理的关键是“治未病”[J]. 曾润喜. 中国传媒科技. 2018(12)
[10]网络暴力下突发事件中观点决策与舆情反转[J]. 黄传超,胡斌,闫钰炜,赵旭. 管理工程学报. 2019(01)
博士论文
[1]基于意见挖掘通用框架的情感极性强度模糊性研究[D]. 寇广增.武汉大学 2010
本文编号：3282523
本文链接：https://www.wllwen.com/guanlilunwen/zhengwuguanli/3282523.html
