环境事件网络舆情演化博弈模型构建及分析

突发环境事件网络舆情的有效管控对建立政府公信力和营造网络法治化环境意义重大.基于演化博弈理论和系统动力理论,分析了无政府管控下环境事件网络舆情参与主体策略选择的演化规律,构建了一个政府管控下网媒、网民和政府的三方网络博弈场,并建立系统动力学模型.以“3·21响水爆炸事件”为例进行仿真分析发现：环境事件网络舆情的扩散主要受政府奖惩力度和动态惩罚机制的影响,政府可通过建立网络舆情监测预警机制、构建科学的动态奖惩治理机制和规范网民诉求表达方式以实现对环境事件网络舆情的有效管控.     

基于时序超网络模型的突发事件网络舆情热点话题发现与演化

网络舆情安全是社会安全的重要组成部分，识别和追踪热点话题是治理突发事件网络舆情的基础。现有研究具有网络舆情事件表征不全面、对于热点话题的识别和追踪局限于语义信息等问题。该研究基于社交、内容、话题、情感4个维度构造超网络模型，并引入时间特征作为网络的连接关系，用于定量表征时序的网络舆情事件；将话题节点在超网络中的中心性及中心性变化率作为话题热度的度量指标，实现热点话题发现及演化跟踪；应用“甘肃白银马拉松”微博舆情案例对模型和指标进行验证分析。研究结果表明：该时序超网络模型能够清晰表征突发网络舆情事件，中心性及中心性变化率指标能够准确识别和跟踪热点话题，并为实时态势研判预警、舆论引导等提供指导。     

一种网络舆情的动态预警方法

针对影响网络舆情预警等级各因素的特点以及目前各预警方法对预警等级动态变化性考虑不足的问题,提出了一种网络舆情的动态预警方法.引入动态模糊集,利用模糊综合评价法对网络舆情进行综合评判和动态预警.选取舆情和舆情受众2个方面共7个对网络舆情预警等级影响较大的因素构成预警指标体系,给出3个舆情实例的预警计算过程及其最终预警等级和动态变化趋势.验证结果表明：动态预警方法可以准确计算出预警等级并对以后的动态变化趋势做出正确判断.     

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

基于因子分析和SVM的网络舆情危机预警研究

针对网络舆情的指标冗余和复杂度高不利于监管,提出了因子分析和SVM建立综合评价模型;首先利用因子分析将网络舆情的14个指标进行降维为3个公因子,其次在简化的指标体系中用遗传算法的5-折交叉优化SVM参数,建立遗传算法优化SVM的网络舆情危机预警模型,最后将两类的SVM改进为一对多算法对4种情况进行分类,得出网络舆情的预警;对2019年的10个网络舆情事件进行实证分析表明,低于0.51%的误差预警充分说明了其可行性,达到了强化网络舆情的监管,而因子分析降低了指标体系的复杂性,遗传算法的5-折交叉提高了SVM分类器的学习能力,能更准确地预测训练集,并用一对多算法使得分类速度较快,对网络舆情的监管提供了帮助。     

网络舆情预警机制的系统动力学仿真

利用层次分析法和系统动力学建模,考虑网络舆情传播各个环节,建立了网络舆情预警机制的系统动力学模型,将网络舆情预警机制定量研究与定性研究相结合,从政府和网络媒体两个方面分析了模型。结果表明,运用系统动力学研究网络舆情提高了舆情预警的准确性;通过提高政府公信力和加强舆情预防,可以缩短舆情运行周期;加强网络监管,从源头提高预警,减弱其对社会的危害性。     

突发公共卫生事件网络舆情治理发展现状研究

目的:从政府实践和学术研究两个角度探讨突发公共卫生事件网络舆情治理的发展现状.方法:文献研究.结论:在政府实践中,卫生行政管理部门越来越重视突发公共卫生事件网络舆情的管理,但其管理方式仍属于起步阶段:在学术研究领域,网络舆情正逐步成为各领域的学术热点,然而关于突发公共卫生事件网络舆情治理的研究还很有限.因此,建立科学的网络舆情预警机制,增强对突发公共卫生事件的可预见性,并在此基础上形成成熟的舆情动态调节机制,将成为未来研究的发展方向     

基于图注意力网络的舆情演变预测研究

要想实现对纷繁复杂的网络舆情的监控和管理,预防舆情危机的突发状况,一个关键的解决方案就是对网络舆情事件的发展趋势进行预测.然而,目前针对舆情演变预测的研究工作却十分有限,尤其是社交网络环境中的舆情演变预测.本文将评论文本的情感值作为演变预测的对象,利用情感词和舆情事件中评论文本的语义相似度,为事件发展的每个时间段都构造一个对应的图结构,再结合门控循环单元（GRU）与图注意力网络（GAT）对情感时间序列进行预测.为了验证模型的有效性,本文以Twitter中弗洛伊德事件的评论文本作为数据集,开展与基于图卷积网络的预测模型的对比实验.实验结果表明,本文提出模型的R²决定系数为0.569,平均绝对误差（MAE）、均方误差（MSE）和均方根误差（RMSE）均小于基于图卷积网络的预测模型,能较好地实现舆情事件中评论文本的情感演变预测.     

高校网络舆情分析的K-Means算法优化研究

为提高高校网络舆情的可识别性和预警实时性,提高网络舆情热点分析的准确性,论文设计了一个高校网络舆情热点发现模型.包括网络舆情信息采集、预处理、中文分词、特征选择、文本分词和聚类分析.考虑到网络舆情的不确定性和模糊性,提出了一种基于信息熵和密度改进的K-Means聚类算法的网络舆情相似度分析方法,此方法可以对网络热点和危机事件进行聚类和识别.实验结果表明,该方法能够快速获得网络舆情,具有较高的聚类准确率,证明了论文提出的模型的可行性与有效性,可为高校网络舆情监测和识别提供重要的技术支持.     

基于改进的Elman神经网络的网络舆情预警模型

在深入分析影响网络舆情发展变化的各种因素的基础上,建立了三层网络舆情指标体系。针对表征舆情事件样本数据的非线性动态变化等特点,提出一种改进的Elman神经网络模型。该模型以量化的网络舆情指标为网络输入,以网络舆情预警等级为输出。实验结果表明,该模型在一定程度上降低了预测问题的复杂度,同时又在一定程度上提高了预警精度,为科学分析网络舆情预警机制提供一种解决问题的思路。     

网络舆情模型研究

论文以网络舆情中帖子总量、发贴人数为基础建立数学模型得出相应的连续函数,然后用此函数对网络舆情的发展情况进行模拟,再利用离散化的计算方法进行量化。本文为网络舆情预警提供理论支持,并为管理者提供预警和辅助决策的科学依据。     

SWOT-Pro矩阵的开发及其在分析网络舆情中的应用

现阶段我国的网络舆情数量不断增长,尽管SWOT矩阵在事件的分析中有其源于属性的天然优势,但是,SWOT矩阵在网络舆情分析中的应用却罕有先例。阐述了网络舆情及SWOT矩阵的基本概念,并对现有的SWOT矩阵进行了完善与改进,以期为公安机关准确分析网络舆情提供技术保障,达到事先预警、快速反应、有效防控的目的。     

网络舆情危机的预警方法概述

论述了网络舆情监控的重要性,并据此总结了目前研究较多的网络舆情危机预警方法,包括基于情感倾向性分析技术的预警、基于网络舆情晴雨表的预警、基于指标的预警体系、基于Web数据挖掘的预警、基于模糊推理的网络舆情预警方法等。认为基于计算机网络技术和文本分析处理技术的互联网舆情监控系统将会越来越多引起人们的关注。     

基于BBS的网络舆情演变和分析技术研究

在分析网络舆情基本内涵的基础上,采用生命周期方法探索了网络舆情的演变机制,并对网络舆情发展过程中所表现出的特征和规律进行了归纳和总结.在此基础上,以BBS为标的对网络舆情的分析技术进行了探究,建立了以BBS为基础的网络舆情技术分析模型,通过BBS舆情热点事件实验,验证了网络舆情的演变机制,揭示了网络舆情的内在衍生规律.     

我国突发事件网络舆情研究进展

风险社会与互联网时代叠加，致使由各类突发事件引发的网络舆情也日趋增多.为充分了解我国网络舆情研究进展，有效应对网络舆情引发的不利影响，选取CNKI数据库中突发事件网络舆情相关文献，运用CiteSpace文献分析软件对该领域文献进行主题聚类、时空分布等可视化分析.现阶段我国学界关于突发事件网络舆情的研究热点主要集中在舆情演化传播、监测预警和引导治理三大方面.在对其相关文献成果进行梳理与总结的基础上，得出已有研究需要改善的地方：突发事件网络舆情演化传播定量研究较少，突发事件网络舆情风险动态实时监测、防范控制领域研究较少，尚未构建基于现实情景的网络舆情治理体系等.提出应加强在突发事件网络舆情研究范式转变、网络舆情风险动态监测、跨学科研究视角下的舆情引导治理等方面的研究.     

融合微博热点分析和LSTM模型的网络舆情预测方法

当前互联网已成为公众获取信息、表达观点的重要平台,也带来社会舆情事件易发生的风险,通过对网络舆情走势的提前预测,能够准确判断热点事件的发展态势,为政府相关部门应对舆情危机提供参考.针对单一预测模型预测精度不高和社交媒体对舆情走势影响较大的问题,提出了融合微博热点分析和长短期记忆神经网络(LSTM)的舆情预测方法.利用网络爬虫和PyTorch机器学习平台构建了用于舆情时序数据分析的网络舆情预测系统;在此系统内,考虑微博的强时效性,采用网络热点分析技术计算微博热度分值;改进LSTM网络,设计由2个隐含层组成的MH-LSTM预测模型;将MH-LSTM模型用于舆情事件百度指数的定量预测中,通过试验验证了模型的正确性,证实了该预测模型拥有较好的预测效果.     

基于大数据分析的多关系社交网络舆情传播模型研究

为了真实再现舆情在多关系社交网络中的传播过程,通过对爬取的新浪微博数据进行大数据分析,从中得到社交网络中多种关系对网络舆情传播的影响,基于复杂网络理论提出了一种适用于多关系社交网络的舆情传播模型,该模型根据多种关系对舆情传播的影响界定传播模型中各状态之间的转移过程和转移概率.仿真结果表明:与传统社交网络舆情传播模型相比,该舆情传播模型可以更好地描述真实互联网环境中的舆情传播规律.     

农产品安全网络舆情演化分析与导控策略

农产品安全事件的网络舆情是关乎民众健康和社会安定的重大问题。采用改进的元胞自动机模型分析此类网络舆情的演化趋势及导控策略。通过对元胞空间邻域结构、状态转移函数及演化规则的改进体现农产品网络舆情特点,引入导控因子分析舆情导控策略,并通过仿真实验探究网民情感倾向、相互作用以及信息干预对舆情演化趋势的影响。最后对中国近期发生的"非洲猪瘟"事件相关舆情进行实证分析。研究表明:本文模型实现了对该事件网民情感倾向变化及舆情发展的合理预测,并提出科学的舆情干预和监管措施。研究将有助于揭示农产品安全网络舆情特征与演化规律,为网络舆情的有效监管提供参考。     

高校网络党建在大学生网络舆情演变中的功能及机制

高校党建在高校网络舆情管理中责无旁贷,并且应该大力开展网络党建,积极参与到高校网络舆论场中来。在大学生网络舆情演变中,高校网络党建应当充分发挥教育功能、引导功能、凝聚功能、意见领袖功能等,要从日常宣传教育机制、舆情协调交流机制、舆情信息汇集与反馈机制、舆情危机预警机制、舆情应急处理机制等多方面构建高校网络党建参与大学生网络舆情管理的机制。     

旅游危机事件网络舆情的演化机理研究

探索旅游危机事件网络舆情演化机理有利于政府、企业等管控主体根据网络舆情在不同发展阶段的特点,采取针对性措施避免舆情向不利的方向发展恶化。基于湖南凤凰古城收费事件,从舆情演化的阶段划分、阶段分析和影响因素3个方面,研究旅游危机事件网络舆情的演化机理。研究发现,根据事件事态和网络关注的变化,网络舆情演化分成孕育、出现、爆发、高潮、回落、反复和长尾7个阶段。社会心态、事件效应、官方言行、媒体行为、网民行为、外部刺激、舆情应对是影响旅游危机事件网络舆情演化的主要因素,对舆情演化起到推动或遏阻的作用。根据研究结论,提出重视网络民意、做好舆情监测、规范信息发布和完善政务微博4个方面的网络舆情管理策略。