网络舆论传播的无标度特性及其衰减模型的研究

在网络舆论的传播过程中,舆论传播者通过特定话题的引用关系形成了一个网络.本文通过对我国某网络论坛数据进行分析处理,发现该网络的度分布为幂律分布,有明显的无标度特征.除增长和优先连接外,网络舆论传播的媒介的演化还包括兴趣衰减、初始吸引度和边的添加等事件,据此建立了网络舆论传播的媒介度衰减模型并进行了仿真.仿真结果表明,模型的统计特性与实际数据吻合,对网络舆论传播的研究有一定的实际意义.     

马克思主义人学观指导下的网络舆论新格局的建构

舆论是社会的皮肤更是社会之公器。网络媒体的异军突起打破了传统的媒体格局,颠覆了以传播者为中心的传播模式。网络舆论的勃兴,对构建社会主义和谐社会提出了全新的挑战!全面把握网络舆论的特点和规律,建立新的舆论格局,促进网络舆论健康发展,成为亟待解决的重大问题。本文从人与媒介的共生关系出发,通过探析马克思关于人的全面发展的理论,尝试为建构网络舆论新格局寻找目标和理论根据,并以期为新媒体环境下的舆论建设找到路径。     

培养理论视域下高校网络舆论引导的策略分析

培养理论认为,现实中人们多样化的价值观因接触传媒而变得与传媒所呈现的意见流相似。大学生通过博客、微博、论坛等多种网络平台,表达对时政要闻、社会热点、网络热词等方面的意见,既反映出大学生的价值观念,又渗透着社会舆论的意识形态。研究发现,影响高校网络舆论引导的因素主要有:网络主体多样化;网络意识多元化;网络公众情绪化;网络环境世俗化;舆论建设技术化。因此,有必要以社会主义核心价值体系为指针,将培养理论介入高校网络舆论引导过程中,通过搭建网络舆论参与平台、提高网络舆论引导能力、培养网络舆论结构的正面力量、加大网络舆论引导投入力度等措施,促进社会核心价值观的形成及对传媒的统领。     

社会网络社区识别方法研究

随着Facebook、微信、人人网等社区网络的兴起,社会网络的研究受到越来越多研究人员的注意。社会网络的研究可以为舆论分析、传染病传播等提供技术和理论的支持。关注社会网络的热点问题,对社会网络分析、社会网络社区识别等国内外研究现状及基本技术进行分析,为开展相关研究奠定基础。     

基于CA的网络舆论传播因素的研究

网络舆论是一种新兴的特殊的社会舆论。由于Internet是一个开放的复杂性系统,使得网络舆论传播呈现出纷繁复杂的特性。通过对元胞自动机的分析,在前人研究的基础上,联系现实社会的网络舆论传播特点,提出了一种新的网络舆论传播模型,并模拟分析了人员密度、大众媒介导向、人员移动这几个特定的因素,对网络舆论传播的影响。     

基于微分方程的随机网络舆论传播模型研究与分析

考虑到舆论传播模型往往受到环境噪音的影响，本文提出了媒体影响下的网络虚假舆论传播模型非线性动力学模型。首先，考虑到舆论传播过程中存在随机的不确定因素，将随机白噪声引入非线性动力学传播模型，从而使模型更加真实反应现实情况；其次，基于微分方程稳定性理论，对模型进行了数学分析，从而以理论推断舆论传播方式以及系统在平衡点最终状态；最后，在MATLAB中对所提模型进行数值模拟。结果表明，模型数值模拟情况与理论推导中正不变集分析和正解存在唯一性分析结果一致。数值模拟结果验证了所提模型的有效性。     

基于SNA的网络舆论领袖确定方法研究

网络舆论随着互联网技术的高度发展对于现实社会的影响越来越大,有着逐渐超越传统媒介影响力的趋势。也是因为这一点使得有关部门越来越难以对网络舆论进行有效地控制。事实证明,一些普通的手段诸如封号、删帖对于网络舆论的影响无异于杯水车薪,没有目标的行动只会事倍功半。网络舆论的产生通常是由网络舆论领袖所发起,如果能够将之确定,便可以针对其制定一系列的方案,有的放矢。笔者提出一种以社会网络分析为主的快速确定网络舆论领袖的方法。实验证明,运用此方法来进行网络舆论领袖的搜索,将大大提高工作的效率。     

论网络舆论生态系统的现状与善治

网络舆论生态系统是由网络舆论环境、舆论主体和舆论规则体系所组成的人造社会生态系统。现在我国的网络舆论生态系统主体构成单一,稳定性不强,容易受到不良信息的干扰而引发网络舆论事件,影响现实社会的安定团结。善治网络生态系统,除了技术监督、政府引导、主流媒体议程设置和社会道德的约束之外,还必须重视舆论生态系统自身的净化作用。     

网络舆论传播与控制策略

互联网技术的快速发展及其与移动通信技术的高度融合促使网络舆论的草根性、多元化、及时性特征更加明显,成为参与社会议程设置的重要力量。但存在信息可信度不高、受众对信息的接收和再传播过程中的盲目性、强大的破坏力等问题。我们应当在引导和控制网络舆论的问题上从多个方面入手,调动各个层面的力量共同解决网络舆论发展和控制问题。     

大学生网络舆论参与语言的应用特点及自我认同关系探讨

大学生是网络舆论参与的主体,并逐渐成为网络舆论新的语言传播载体的传播者、创造者和使用者。了解大学生网络舆论参与语言的应用特点,分析大学生网络舆论参与语言的自我认同关系,探究大学生网络舆论参与语言的文化意义,可以帮助我们走近大学生的网络思想世界,构建和谐的校园网络舆论环境,把握校园网络文化发展新趋势。     

基于多层次灰色评价方法的突发事件网络舆情热度评价研究

突发事件由于前兆不充分,在网络E事件的影响力极易被无限放大,将严重危害社会的和谐与稳定,对突发事件网络舆情热度评价是把握突发事件发展方向的重要内容．笔者在已有突发事件网络舆情热度评价指标体系的基础上,采用定性分析和定量分析相结合的方法,建立了基于灰色评价法和层次分析法相结合的突发事件网络舆情热度评价模型,并以2009年杭州飙车案进行了实证研究．通过实证表明,灰色层次评价法科学合理,简单易行,对突发事件网络舆情热度评价具有良好的效果．     

基于Web的实验室互联网舆情分析处理系统的研究与实现

分析了互联网舆情分析处理的主要内容及面临的主要问题,并给出了一个实验室的互联网舆情分析处理系统的解决方案。     

论“社会力量制约权力”——基于“网路反腐”的思考

"网络反腐"是社会力量运用网络平台对权力进行监督和制约的一种方式;社会力量中的公民个人在反腐过程中难以形成对权力"相对强"的"控制",因此必须依赖社会组织的力量;为避免社会组织的力量导致"多数人暴政",社会组织之间也应相互制约。     

舆论形成和演进模型的研究综述

用建模的方法研究舆论的形成和演进过程,是认识和解释舆论传播规律的主要手段之一.本文在分析舆论建模的基本思想和方法的基础上,对舆论建模研究中的经典模型及扩展模型的主要内容、特点和成果进行了综述,并探讨了互联网舆论的研究现状.最后,分析了舆论研究中存在的主要问题和面临的挑战,提出了未来工作的重点与研究方向.     

微博意见领袖在信息传播中的社会责任——以新浪微博为例

微博作为一种创新型网络社交平台,以其"短、灵、快"的传播特点,占据信息传播的上峰,影响着传统媒体的报道架构和我们的生活与沟通方式。在当今的网络时代微博意见领袖传播的信息直接影响着社会及风险秩序。为此,我们必须加强对微博言论的约束力和责任意识,以保证微博传递正能量,提升社会的信任度。     

网络舆论演化的高影响力优先有限信任模型

针对经典有限信任模型在观点更新时需考虑其他全部个体的观点,以及虚拟社会网络规模巨大、用户时间和精力有限等问题,提出了基于影响力和信任阈值、含有双重选择机制的网络舆论演化模型,并对参与网络舆论演化个体的观点坚持策略进行建模,在多个参数集下对该模型与经典有限信任模型进行仿真.结果表明,所获得结果与实际网络舆论演化的情况相符.     

探析我国网络舆论监督的完善途径

网络舆论监督是一把双刃剑:一方面,它促进了我国民主政治建设;另一方面,它损害了公共利益和他人权利。该文通过对网络舆论监督现状的分析,提出引导和规范我国网络舆论监督的途径和方法:政府信息进一步公开;发挥好主流网站及其论坛的作用;网络舆论监督法治化;网络舆论监控系统的完善;加强网络媒体和网民的自律建设。     

网络舆情态势分析研究

对网络舆情的分析已引起人们的高度重视,因为网络舆情热点具有导向性作用,如"某某门"事件,在短短60小时过后就引起监察部门的注意,这只有在日益流行的网络应用的今天才可能做到.分析网络舆情热点的手段多种多样,角度不同,如:可利用文本聚类的方法、动态文摘生成的方法以及意见领袖特征等方法来发现网络舆情中的热点和焦点信息.截止目前,分析网络舆情热点的方法没有固定的模式,值得深入探讨和研究.针对目前网络舆情研究的典型方法及其思想,进行概述性分析,给出网络舆情分析中词频、权重特征词、意见领袖属性矩阵等概念的形式化定义.本文作者通过对比分析,比较研究了网络舆情方法的优缺点;总结了国际上在这一领域的最新研究进展和研究方法,给出下一步的研究工作重点.     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。