基于复杂网络的网络舆情论文(全文)

基于复杂XX络的XX络舆情论文
1模型应用的必要性
基于XX络的真实数据进行实证性研究是研究XX络舆情演化规律的有力方向，但由于XX络结构复杂、海量的个体和真实数据难以猎取等原因，虽有一定进展，但成果不显著．而通过模型构建来反应个体的观点交互进而解释XX络舆情的传播规律成为大量学者的选择．模型不是现实，而是虚构的对象，旨在通过某些可测量，在一定程度上达到与所研究现实世界的同构性．模型通常是将研究对象简单化，关于其相关变量和交互都考虑得不够周全，但是模型是获得事实的有益工具．简单的模型可以作为研究更加复杂和精确现实的起点，不完全的模型可以让我们专注于复杂现象的特别属性或评估缺失变量的重要性．在XX络舆情建模研究上，有来自物理学、数学、计算机与信息科学、传播学、心理学、社会学、情报学等多学科的学者分别在自己的研究视域内开展，不同学科的交叉更促进了其进展速度．研究者们利用统计物理学、观点动力学、社会动力学、社会心理学等领域的方法，着重描述个体之间意见交互和观点形成的过程，进而得出群体的宏观舆论涌现，为后续研究储存了深厚的积淀，并产生了深远的影响．舆情XX络是典型的社会复杂XX络，具有复杂系统的特征．复杂XX络理论的逐步进展，提供了比以往其他方法都更有效的表达社会XX络结构及关系的方法．复杂XX络中的个体行为传播与集体活动的演化等引发了学者们的关注．随着社会系统
的复杂化和信息技术的快速进展，XX络传播的模式也越来越多元化复杂化，利用复杂XX络分析方法分析互联XX，尤其是Web2．0XX络中的舆情信息发生、进展、演化的机理成为一个研究热点．
2基于复杂XX络的XX络舆情传播模型
2．1传染病模型由于信息传播与病毒感染的前提条件存在一定的相似性(有向性和相邻性等)，并且具有相同的动力学特点，所以传染病模型被借以模拟XX络舆论尤其是谣言的传播［7］．传染病模型最早是1926年Kermck和McKen-drick构造的SIR(susceptibleinfectedrecovered)模型，以及1932年提出的SIS(susceptibleinfectedsus-ceptible)模型．在SIR模型中，将人群分为易感人群(S)，染病人群(I)和免疫人群(R)．该模型适用于染病后自动免疫并不会被二次感染的疾病，如水痘、百日咳，或者不能治愈终会死亡的疾病，如艾滋病等．SIS模型则只有易感人群和染病人群，适用于被治愈以后仍然恢复为易感人群的疾病．对于同一谣言，接触的次数并不影响已经被传播的后果，所以很多谣言传播模型借鉴了SIR模型．Dley和Kendl在1965年首次根据流行病模型构建了谣言传播的D－K模型，该模型借助随机过程理论，将谣言相关个体分为三类，未听说过谣言(相当于易感人群)，传播谣言的人(相当于染病人群)和听说过谣言但不传播(相当于免疫人群)，并假定角色以一定概率转换．Mki和Thompson等随后构建了M－T模型［9］．这两个模型在谣言
传播上得到广泛使用．随着复杂XX络的兴起，谣言传播重新被学者重视，并取得了较大的研究进展．Kitsk等将谣言传播的SIS 模型和SIR模型应用在了一些真实复杂XX络中，分别为:LiveJournl．com上的550万人的朋友圈、伦敦大学学院计算机科学系的邮件联系XX、瑞典的病人联系XX和imdb．com 上提供的电影演员的合作XX络，并得出了一些重要结论．Znette首次应用了小世界XX络理论研究谣言传播，建立了SIR平均场方程，结论显示，谣言传播有一定的临界值．随后，Znette比较了谣言传播在小世界XX络和动态小世界(dynmicsmllworlds)两种复杂XX络机制下的异同，结果显示，动态小世界XX络更接近实际，并具有易分析和便于数值处理等优势．Moreno和Nekovee则在无标度XX上了构建了谣言传播模型，并对随机分析和计算机模拟两种分析方法得出的结论进行了比较．Xiong等提出了SCIR模型，该模型侧重微博转发行为导致的信息传播，其中，C表示已获知信息但对是否转发该信息尚处于犹豫状态，并基于规则XX格和无标度XX络进行了仿真．国内也有大批研究成果出现．潘灶峰和汪小帆等在改进的无标度XX络(聚类系数可变)上构建了谣言传播模型，发现增加XX 络聚类系统，即增加信息的透明度是抵制谣言的有效手段．陈静等综合了SIS模型和SIR模型，提出了针对在线XX络传播形式的SICRS传播模型．该模型加入了起过渡作用的治疗状态(cured)，通过对该模型的仿真，发现了复杂XX络尤其是无标
度XX络中舆情传播的三阶段规律:初期的爆发、中期的周期性波动和后期的稳定状态．此外，天津科技大学经济与治理学院。