基于SIS模型的群体社交网络舆情演化仿真

针对群体社交网络舆情演化时，目前方法获取关键节点中的数据较为困难，导致无法准确获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数，存在演化精度低的问题，提出基于聚类算法与易感-感染-易感(SIS:Susceptible Infected Susceptible Model)模型的群体社交网络舆情演化仿真方法。在群体社交网络中采用PageRank算法获取关键节点，利用聚类算法对关键节点中的数据聚类进行处理，在此基础上构建SIS模型，并通过其完成群体社交网络的舆情演化仿真。实验结果表明，该方法可准确地获得舆情传播次数、搜索指数、达到舆情峰值所用时间等参数，演化仿真精度高。