基于社会网络的网络舆情演化研究
发布时间：2022-01-01 14:12
目前,网络诱致、放大、介入或主导的社会舆情事件频发。由于互联网的快速性、虚拟性和发散性,网络舆情事件可能由社会突发公共危机事件诱致,也可能由公共危机事件放大,网络舆情事件的传播和爆发将是一个不可逆转的趋势。由于网络舆情研究的理论和应用价值,越来越多的学者开始对网络舆情的基础理论、支撑技术和演化机制进行研究。如果将网络舆情事件中的参与用户看作节点,将用户之间的沟通交互看作连线,网络舆情事件的整体结构可以看作一个社会网络。基于社会网络的网络舆情演化是涉及网络科学、传播学、信息科学等多领域的复杂问题。本文试图从社会网络结构角度探索网络舆情事件的演化规律,主要的研究内容及创新点如下：（1）本文首先从社会网络结构视角,以2014年2月“官员夫妇殴打护士”这一特定事件为研究对象,构建以微博平台用户为节点,以转发关系为连线构建舆情社会网络。并基于改进的PageRank算法对舆情社会网络中的关键节点进行识别,发现①政府类关键节点在微博平台中对舆情演化影响力非常有限；②媒体类关键节点在整体舆情事件中承担着重要的传播作用；③草根类关键节点在舆情事件中传播作用不可小觑；（2）本文其次采用基于时间序列的社会网...
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图２．１?ＳＩＳ模型中单个节点状态转移示意图??
定的概率义受到感染；感染状态的人也是以一定的概率／／被治愈。由于存在二次感染的??情况，在感染节点被治愈为易感节点后，仍然存在被传染的可能性。本文用图形化表征??ＳＩＳ模型中“信息”的传播方式，具体如下图２．１所示。??？??易感状态系？染状态??图２．１?ＳＩＳ模型中单个节点状态转移示意图??ＳＩＲ模型中，用户可能会出现三种状态：易感状态（Ｓ）、感染状态（Ｉ）和免疫状态??（Ｒ）。即感染状态的人与易感状态的人接触后，易感人群是以一定的概率；Ｉ受到感染；??受到感染后的人会以一定的概率／／成为免疫状态。进入免疫状态后的人，便不再有再被??感染的可能性。所以成为免疫状态后的个体在模型中将没有任何传播作用。本文用图形??化表征ＳＩＲ模型中“信息”的传播方式，具体如下图２．２所示。??感染状态??户．广一易感状态?免疫状态??图２．２?ＳＩＲ模型中单个节点状态转移示意图??ＳＩＲ模型在ＳＩＳ模型基础上，增加一种“免疫”状态。即用户在受到传染病感染后，??１６??
３）节点结构洞Ｅｆｆｓｉｚｅ??“结构洞”指当网络中节点之间没有直接关系或关系缺失时出现的空洞，是在节点??度数中心度基础上对节点控制资源程度的进一步描述。如下图３．１所示，左侧图形中ｂ??和Ｃ无法建立连接。但在右侧图形中，节点Ｂ和Ｃ仍然无法直接建立连接，但可以通过??Ａ节点的中介建立节点Ｂ、Ｃ的联系。则可以说Ａ在整体网络中占据了节点Ｂ和（：之??间的结构洞。在实际的舆情网络中，节点结构洞是普遍存在的。节点占有的“结构洞”??数量直接表征该节点的结构优势。结构洞的测度依据的指标包括有效规模（Ｅｆｆｓｉｚｅ）、??效率（Ｅｆｆｉｃｉｅｎｃｙ）、限制度（Ｃｏｎｓｔｒａｉｎｔ）和等级度（Ｈｉｅｒａｒｃｈｙ）四个。由于四项指标对??结构洞的表征结果非常相似，本文以其中的有效规模（Ｅｆｆｓｉｚｅ）作为结构洞测度的指标。??有效规模指的是个体网的规模减去网络的冗余度，有效规模等于网络中的非冗余因素，??具体公式如下。其中设？表征当前节点ｉ的有效规模，ｊ表征与ｉ点相连的所有点，ｑ??是除了?ｉ或ｊ之外的每个第三者，Ｐｉｑｍｊｑ代表ｉ节点与特定点ｊ之间的冗余度［７６］。??＾?Ｓｔｒｕｃｔｕｒｅ?ｈｏｌｅ??图３．１结构洞示例??Ｅｆｆｓｉｚｅ）?＝?Ｘ！?（１?－?Ｓ?Ｐｉ＜，?）?ｑ?式?ｚ－，（３．５）??ｊ?＜ｉ??３．３微博舆情关键节点识别及评价??社会网络Ｇ是由非空的节点（或顶点）Ｖ和有限的边集Ｅ所构成
【参考文献】：
期刊论文
[1]基于信息生命周期理论的网络舆情监测研究[J]. 张玥,罗萍,刘千里. 情报科学. 2013(11)
[2]基于团购商品评论的网络意见领袖识别[J]. 宁连举,万志超. 情报杂志. 2013(08)
[3]微博转发网络中意见领袖的识别与分析[J]. 熊涛,何跃. 现代图书情报技术. 2013(06)
[4]高校BBS中意见领袖的识别与构成分析[J]. 管飘. 新闻传播. 2013(05)
[5]面向学术博客知识交流的社会网络中心性分析[J]. 王学东,杜晓曦,石自更. 情报科学. 2013(03)
[6]基于社会网络分析的网络舆情实证研究[J]. 石彭辉. 现代情报. 2013(02)
[7]基于复杂网络分析的微博网络舆情传播[J]. 金鑫,谢斌,朱建明. 吉林大学学报(工学版). 2012(S1)
[8]基于SNA的突发事件网络舆情关键节点识别——以“7·23动车事故”为例[J]. 康伟. 公共管理学报. 2012(03)
[9]基于社会网络分析的博主与评论者关系研究——以“科学网博客”为例[J]. 邱均平,李威. 情报科学. 2012(07)
[10]一种基于情感倾向分析的网络团体意见领袖识别算法[J]. 肖宇,许炜,夏霖. 计算机科学. 2012(02)
博士论文
[1]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
[2]社交网络中信息传播模式及话题趋势预测研究[D]. 程军军.北京交通大学 2013
[3]社会化商务环境下意见领袖对购买意愿的影响研究[D]. 梦非.南京大学 2012
[4]在线社会网络中的舆论演化关键技术研究[D]. 胡艳丽.国防科学技术大学 2011
[5]网络舆情危机的政府适度反应研究[D]. 张玉强.中央民族大学 2011
硕士论文
[1]基于生命周期理论的网络舆情及其管理研究[D]. 张恒.北京邮电大学 2013
[2]群体性突发事件微博舆情演化分析[D]. 侯万友.哈尔滨工业大学 2013
[3]自媒体时代网络草根名人的社会功能研究[D]. 朱咏竹.西南大学 2013
[4]复杂网络上基于流行病学的舆情传播模型及其规律研究[D]. 陈静.吉林大学 2013
[5]基于微博的网络舆情关键技术的研究与实现[D]. 单月光.电子科技大学 2013
[6]突发事件网络舆情数据采集与抽取技术研究[D]. 陈翰.解放军信息工程大学 2012
[7]在线社会网络结构演化及其对信息传播影响研究[D]. 邢小云.合肥工业大学 2012
[8]基于SNA面向特定主题的意见领袖发现研究[D]. 朱义生.合肥工业大学 2012
[9]基于微博的网络口碑研究[D]. 许玉.南京大学 2011
[10]BBS中组织拓扑结构研究和意见领袖识别[D]. 夏霖.华中科技大学 2011
本文编号：3562319
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：80 页
【学位级别】：硕士
【部分图文】：
图２．１?ＳＩＳ模型中单个节点状态转移示意图??
定的概率义受到感染；感染状态的人也是以一定的概率／／被治愈。由于存在二次感染的??情况，在感染节点被治愈为易感节点后，仍然存在被传染的可能性。本文用图形化表征??ＳＩＳ模型中“信息”的传播方式，具体如下图２．１所示。??？??易感状态系？染状态??图２．１?ＳＩＳ模型中单个节点状态转移示意图??ＳＩＲ模型中，用户可能会出现三种状态：易感状态（Ｓ）、感染状态（Ｉ）和免疫状态??（Ｒ）。即感染状态的人与易感状态的人接触后，易感人群是以一定的概率；Ｉ受到感染；??受到感染后的人会以一定的概率／／成为免疫状态。进入免疫状态后的人，便不再有再被??感染的可能性。所以成为免疫状态后的个体在模型中将没有任何传播作用。本文用图形??化表征ＳＩＲ模型中“信息”的传播方式，具体如下图２．２所示。??感染状态??户．广一易感状态?免疫状态??图２．２?ＳＩＲ模型中单个节点状态转移示意图??ＳＩＲ模型在ＳＩＳ模型基础上，增加一种“免疫”状态。即用户在受到传染病感染后，??１６??
３）节点结构洞Ｅｆｆｓｉｚｅ??“结构洞”指当网络中节点之间没有直接关系或关系缺失时出现的空洞，是在节点??度数中心度基础上对节点控制资源程度的进一步描述。如下图３．１所示，左侧图形中ｂ??和Ｃ无法建立连接。但在右侧图形中，节点Ｂ和Ｃ仍然无法直接建立连接，但可以通过??Ａ节点的中介建立节点Ｂ、Ｃ的联系。则可以说Ａ在整体网络中占据了节点Ｂ和（：之??间的结构洞。在实际的舆情网络中，节点结构洞是普遍存在的。节点占有的“结构洞”??数量直接表征该节点的结构优势。结构洞的测度依据的指标包括有效规模（Ｅｆｆｓｉｚｅ）、??效率（Ｅｆｆｉｃｉｅｎｃｙ）、限制度（Ｃｏｎｓｔｒａｉｎｔ）和等级度（Ｈｉｅｒａｒｃｈｙ）四个。由于四项指标对??结构洞的表征结果非常相似，本文以其中的有效规模（Ｅｆｆｓｉｚｅ）作为结构洞测度的指标。??有效规模指的是个体网的规模减去网络的冗余度，有效规模等于网络中的非冗余因素，??具体公式如下。其中设？表征当前节点ｉ的有效规模，ｊ表征与ｉ点相连的所有点，ｑ??是除了?ｉ或ｊ之外的每个第三者，Ｐｉｑｍｊｑ代表ｉ节点与特定点ｊ之间的冗余度［７６］。??＾?Ｓｔｒｕｃｔｕｒｅ?ｈｏｌｅ??图３．１结构洞示例??Ｅｆｆｓｉｚｅ）?＝?Ｘ！?（１?－?Ｓ?Ｐｉ＜，?）?ｑ?式?ｚ－，（３．５）??ｊ?＜ｉ??３．３微博舆情关键节点识别及评价??社会网络Ｇ是由非空的节点（或顶点）Ｖ和有限的边集Ｅ所构成
【参考文献】：
期刊论文
[1]基于信息生命周期理论的网络舆情监测研究[J]. 张玥,罗萍,刘千里. 情报科学. 2013(11)
[2]基于团购商品评论的网络意见领袖识别[J]. 宁连举,万志超. 情报杂志. 2013(08)
[3]微博转发网络中意见领袖的识别与分析[J]. 熊涛,何跃. 现代图书情报技术. 2013(06)
[4]高校BBS中意见领袖的识别与构成分析[J]. 管飘. 新闻传播. 2013(05)
[5]面向学术博客知识交流的社会网络中心性分析[J]. 王学东,杜晓曦,石自更. 情报科学. 2013(03)
[6]基于社会网络分析的网络舆情实证研究[J]. 石彭辉. 现代情报. 2013(02)
[7]基于复杂网络分析的微博网络舆情传播[J]. 金鑫,谢斌,朱建明. 吉林大学学报(工学版). 2012(S1)
[8]基于SNA的突发事件网络舆情关键节点识别——以“7·23动车事故”为例[J]. 康伟. 公共管理学报. 2012(03)
[9]基于社会网络分析的博主与评论者关系研究——以“科学网博客”为例[J]. 邱均平,李威. 情报科学. 2012(07)
[10]一种基于情感倾向分析的网络团体意见领袖识别算法[J]. 肖宇,许炜,夏霖. 计算机科学. 2012(02)
博士论文
[1]面向公共危机预警的网络舆情分析研究[D]. 董坚峰.武汉大学 2013
[2]社交网络中信息传播模式及话题趋势预测研究[D]. 程军军.北京交通大学 2013
[3]社会化商务环境下意见领袖对购买意愿的影响研究[D]. 梦非.南京大学 2012
[4]在线社会网络中的舆论演化关键技术研究[D]. 胡艳丽.国防科学技术大学 2011
[5]网络舆情危机的政府适度反应研究[D]. 张玉强.中央民族大学 2011
硕士论文
[1]基于生命周期理论的网络舆情及其管理研究[D]. 张恒.北京邮电大学 2013
[2]群体性突发事件微博舆情演化分析[D]. 侯万友.哈尔滨工业大学 2013
[3]自媒体时代网络草根名人的社会功能研究[D]. 朱咏竹.西南大学 2013
[4]复杂网络上基于流行病学的舆情传播模型及其规律研究[D]. 陈静.吉林大学 2013
[5]基于微博的网络舆情关键技术的研究与实现[D]. 单月光.电子科技大学 2013
[6]突发事件网络舆情数据采集与抽取技术研究[D]. 陈翰.解放军信息工程大学 2012
[7]在线社会网络结构演化及其对信息传播影响研究[D]. 邢小云.合肥工业大学 2012
[8]基于SNA面向特定主题的意见领袖发现研究[D]. 朱义生.合肥工业大学 2012
[9]基于微博的网络口碑研究[D]. 许玉.南京大学 2011
[10]BBS中组织拓扑结构研究和意见领袖识别[D]. 夏霖.华中科技大学 2011
本文编号：3562319
本文链接：https://www.wllwen.com/xinwenchuanbolunwen/3562319.html
