融入内容与社团的超级意见领袖网络舆论模型
发布时间:2021-06-08 07:18
针对当前社交网络中频发的意见偏差和扭曲问题,借鉴Deffuant-Weisbuch(DW)模型,结合用户关系、节点身份和信息噪音等因素,设计了融合内容与社团结构的超级意见领袖舆论模型,并通过仿真实验模拟舆论偏差产生过程。研究发现:超级意见领袖会导致网络舆论发生偏差性传播效果;内容争议性影响意见波动与收敛,但对最终演化结果影响不显著;强、弱社团对舆论演化的影响作用存在差异,通过提高社团内部强度和外部影响力能够与超级意见领袖进行意见对抗,进而改变舆论传播偏向。
【文章来源】:电信科学. 2020,36(05)
【文章页数】:13 页
【部分图文】:
单纯网络环境下的舆论演化仿真
图1 单纯网络环境下的舆论演化仿真网络社团能对舆论起到引导作用,在网络存在争议性内容的情况下,社团依旧能够发挥出相应的舆论引领能力,使网络观点趋于收敛;
无论争议性大小,网络整体观点值均以一定斜率逐步偏移,在内容争议性参数δ(t)较小的情况下表现更为明显;超级意见领袖能够较大程度影响网络整体意见走势,无论是否存在内容争议性,在经历足够长时间的意见交互后,最终网络整体意见将无限趋近于超级意见领袖的意见值;
【参考文献】:
期刊论文
[1]基于级联失效的有向无标度网络节点重要度评价模型[J]. 刘浩然,王星淇,邓玉静,覃玉华. 电信科学. 2020(02)
[2]多维特征融合的网络舆情突发事件演化话题图谱研究[J]. 刘雅姝,张海涛,徐海玲,魏萍. 情报学报. 2019(08)
[3]基于社团结构动态演化的主题突变实时监测研究[J]. 张金柱,刘菁婕,吕品. 情报理论与实践. 2019(07)
[4]基于节点向量表达的复杂网络社团划分算法[J]. 韩忠明,刘雯,李梦琪,郑晨烨,谭旭升,段大高. 软件学报. 2019(04)
[5]复杂网络演化的舆论动力学模型及仿真分析[J]. 王舰,王志宏,张乐君. 计算机应用. 2018(04)
[6]多元偏好、社团结构与网络合作涌现仿真研究[J]. 范如国,崔迎迎,张应青. 复杂系统与复杂性科学. 2016(04)
[7]新媒体环境下网络舆情演化模型及仿真研究——基于信息生态视角[J]. 王晰巍,赵丹,李嘉兴,杨梦晴. 情报学报. 2016 (10)
[8]基于注意力资源分配机制的网络危机舆情演变研究[J]. 宗利永,顾宝炎,孙绍荣. 情报理论与实践. 2010(10)
博士论文
[1]社会网络中群体连续观点演化研究[D]. 陆安.合肥工业大学 2018
[2]网络社团结构挖掘及信息传播特性研究[D]. 赵郁忻.上海交通大学 2015
[3]复杂网络中的社会学习算法研究[D]. 刘其朋.上海交通大学 2014
本文编号:3217940
【文章来源】:电信科学. 2020,36(05)
【文章页数】:13 页
【部分图文】:
单纯网络环境下的舆论演化仿真
图1 单纯网络环境下的舆论演化仿真网络社团能对舆论起到引导作用,在网络存在争议性内容的情况下,社团依旧能够发挥出相应的舆论引领能力,使网络观点趋于收敛;
无论争议性大小,网络整体观点值均以一定斜率逐步偏移,在内容争议性参数δ(t)较小的情况下表现更为明显;超级意见领袖能够较大程度影响网络整体意见走势,无论是否存在内容争议性,在经历足够长时间的意见交互后,最终网络整体意见将无限趋近于超级意见领袖的意见值;
【参考文献】:
期刊论文
[1]基于级联失效的有向无标度网络节点重要度评价模型[J]. 刘浩然,王星淇,邓玉静,覃玉华. 电信科学. 2020(02)
[2]多维特征融合的网络舆情突发事件演化话题图谱研究[J]. 刘雅姝,张海涛,徐海玲,魏萍. 情报学报. 2019(08)
[3]基于社团结构动态演化的主题突变实时监测研究[J]. 张金柱,刘菁婕,吕品. 情报理论与实践. 2019(07)
[4]基于节点向量表达的复杂网络社团划分算法[J]. 韩忠明,刘雯,李梦琪,郑晨烨,谭旭升,段大高. 软件学报. 2019(04)
[5]复杂网络演化的舆论动力学模型及仿真分析[J]. 王舰,王志宏,张乐君. 计算机应用. 2018(04)
[6]多元偏好、社团结构与网络合作涌现仿真研究[J]. 范如国,崔迎迎,张应青. 复杂系统与复杂性科学. 2016(04)
[7]新媒体环境下网络舆情演化模型及仿真研究——基于信息生态视角[J]. 王晰巍,赵丹,李嘉兴,杨梦晴. 情报学报. 2016 (10)
[8]基于注意力资源分配机制的网络危机舆情演变研究[J]. 宗利永,顾宝炎,孙绍荣. 情报理论与实践. 2010(10)
博士论文
[1]社会网络中群体连续观点演化研究[D]. 陆安.合肥工业大学 2018
[2]网络社团结构挖掘及信息传播特性研究[D]. 赵郁忻.上海交通大学 2015
[3]复杂网络中的社会学习算法研究[D]. 刘其朋.上海交通大学 2014
本文编号:3217940
本文链接:https://www.wllwen.com/shekelunwen/shgj/3217940.html