具有社团结构的有界信任舆论涌现模型研究

社团结构是复杂网络除小世界和无标度特性外的又一重要性质.建立具有社团结构的有界信任舆论涌现模型,采用Multi-Agent方法对模型仿真发现,具有社团结构的有界信任基本模型终态与社团间连通性无关而只取决于交互阈值,只有当社团间有相反的观点领袖时舆论涌现才与社团间连通性密切相关.研究内容有利于理解社团结构对舆论事件涌现的影响.     

舆论演进中个体策略选择的仿真研究

建立了舆论演进过程的模型,并对其进行了仿真和分析.首先根据实际生活中人们进行观点交互时的行为,建立了具有可自行改变观点交互策略的舆论演进模型,并对参与舆论演进个体的记忆进行了建模.其次在该模型的基础上对不同参数下的多种情况进行了多次仿真,获得了与实际舆论演进情况相符的结果,并得到了舆论演进中个体策略选择的公平性结论.     

涉恐个体极端思想演化双阈值观点动力学模型

为理解涉恐背景下个体极端化过程,有效预防极端意识形态蔓延,在观点动力学Hegselmann-Krause模型基础之上,提出一种极端思想演化双阈值观点动力学模型。仿真实验表明交互范围、人口及社会网络结构对极端思想演化过程产生显著影响。模型整合了极端观点传播过程中个体特质,社会关系及社会环境三方面因素,从一定程度上揭示了涉恐背景下个体极端思想演化的规律。     

基于决策偏移的舆论演化动力学模型

随着社会计算的飞速发展,网络数据日益向大数据方向演进,网络群体呈现出多样性特征. 针对传统舆论演化动力学模型忽略大规模群体一致性压力和个体决策内驱力的相互作用,以及社会网络节点多、规模大等问题,提出了基于决策偏移概念的舆论演化动力学模型. 模型将内在偏移牵引力、外在群体一致性压力相结合,并引入社会心理学从众效应理论,建立依从、趋同和内化的节点状态及状态转移策略和观点演化策略. 仿真结果表明,模型能够有效模拟观点的收敛和分化,与经典有限信任模型相比,更加符合大型社会网络中群体舆论演进和个体交互的行为特征,揭示了群体层面观点演化的内在规律,为大数据时代分析现实舆论形成的内在机理提供理论模型和参考.     

观点动力学视角下基于意见领袖的网络舆情反转研究

舆情反转是网络突发事件与热点事件中的一种重要现象。为探究网络舆情反转现象的内在机理,发掘舆情反转事件的演化规律,提出了一种观点动力学视角下基于意见领袖的观点演化模型。以意见领袖为切入点,基于无标度网络结构改进经典有界信任的HK模型,在观点更新中引入意见领袖的作用。运用社会网络分析理论的中心性指标识别意见领袖,对意见领袖引导下的观点演化进行仿真实验。选取新浪微博上的舆情反转案例,对模型仿真结果进行验证。实验结果表明,意见领袖对观点演化结果起着关键性的作用,能够引导群体的观点发生逆转,利用改进的模型能够模拟网络舆情反转事件的演化进程。     

群体性突发事件中非一致信任水平舆论传播建模与分析

群体性突发事件是影响社会稳定的重要因素,正确认识和理解舆论传播的演化机制, 可以建立快速、高效的应急体系和措施, 从而保证群体性突发事件的客观舆论导向. 针对群体中个体属性的多样性, 在Krause有界信任模型基础上提出了非一致有界信任模型, 进行了一系列计算机仿真实验. 结果表明: 当社会网络中个体的信任水平各不相同时, 要使社会网络的群体观点达到一致, 远比相同信任水平时要难; 而且, 社会网络中个体的数量与舆论传播的最终观点簇之间存在正相关关系.     

动态影响力下网络舆论传播的计算实验研究

基于以往研究较少考虑影响力的即时动态更新,对于网络舆论传播的某些现象,可以融入这一因素进行分析.借鉴Krause有界信任的思想,引入Festinger的认知不一致理论对观点交互条件进行改进,并对信任阈值的作用进行了重新认识.本文认为,信任阈值并非判定个体是否交互的分界线,而是决定影响力增大或减小的分割线.进一步,对影响力的动态性进行了深入研究,引入短记忆过程和惩罚机制,从而构建动态影响力下的网络舆论传播模型,进行了计算实验分析.结果表明:随着群体信任闽值的提高,观点分化程度降低.群体观点演化也受初始影响力分布影响,初始影响力较高,网络群体更容易形成稳定的观点,且收敛速度更快.而投入干预个体的影响作用与群体信任阈值负相关,与干预个体所占的比例正相关.     

具有个体信息差异的Deffuant-I舆论传播模型

现有的舆论传播动力学模型较少考虑个体知识水平对舆论传播的影响。基于Deffuant模型,引入表示知识水平差异的信息量和表示信息应用处理水平的认知能力,提出Deffuant-I模型。仿真实验发现,信息量服从均匀分布或幂率分布时,群体认知能力与观点收敛速度成反比,幂率分布收敛速度较快;信息量服从正态分布时,认知能力正比于观点收敛速度,群体难以达成共识。     

社团结构网络环境下SIS病毒传播建模与分析

考虑许多现实网络具有社团结构,通过引入模块化系数,并在该系数合理范围控制下基于随机网络生成社团网络模型以模拟现实社会网络。通过平均场方法研究网络上的病毒传播动力学行为,推导传播阈值表达式,并用蒙特卡罗仿真加以验证。研究表明:社团结构的存在使得网络度分布发生变化,即社团结构越强,度分布越宽;同时,社团结构越强,病毒越易爆发;另外,传染率远大于阈值时,不同强度的社团结构网络的传播规模趋于一致,即网络结构对传播规模影响不大。     

微博舆论场:突发事件舆情演化分析的新视角

微博舆论场逐渐成为了突发事件网络舆情的策源地,在舆情生成演化中扮演重要角色.本文以微博舆论场为研究视角,首先运用超网络建模理论,构建了集社交、信息、心理、观点四层子场为一体的微博舆论场超网络模型,并对各层子场内部以及子场间关系进行建模分析;然后提出了微博舆论场超网络模型的衡量指标,对微博舆论场"场强"进行了量化分析;最后使用社会计算和数据挖掘算法,定量分析了微博舆论场对新进入的无知者和感染者的作用过程,以及对新个体发生作用后,微博舆论场中舆情的演化.以期对突发事件舆情态势进行预测预警,为舆情干预治理提供理论依据,有效引导突发事件舆情良性发展.