舆情演化模型的研究现状与展望
来源:用户上传
作者:
摘要：随着社交媒体技术飞速发展的以及网民规模不断增加的，舆情对社会稳定的影响也越来越大。文章分别从国内、国外两个不同的角度分析了舆情演化模型近些年的发展情况。对比分析了国内外舆情演化模型当前的研究现状以及发展遇需要解决的一些问题，并展望了舆情演化模型未来的研究方向。
关键词：舆情;舆情演化;信息传播;仿真
中图分类号：G206 文献标识码：A
文章编号：1009-3044（2019）22-0283-02
开放科学（资源服务）标识码（OSID）：<E：＼知网文件＼电脑＼电脑22-24＼22＼8xs201922＼Image＼image1.png>
Research Status and Prospects of Public Opinion Evolution Model
QIAN Ya-fei
（School of Computer and Software Engineering， Xihua University， Chengdu 610039， China）
Abstract：The article analyzes the development of the public opinion evolution model in recent years from two different perspectives at home and abroad. This paper compares and analyzes the current research status of the public opinion evolution model at home and abroad and some problems that need to be solved in the development， and looks forward to the future research direction of the public opinion evolution model.
Key words： public opinion ;public opinion evolution ;information diffusion ;simulation
1 引言
网络舆情是网民将某些社会现象或者一些生活中存在的问题的一些看法在社交网络上公开表达，当这些观点达到一定数目形成一个共同的观点，并且产生了較为深远的影响，如果不加以控制，会对我们的正常生活以及社会秩序带来严重的后果。根据《中国互联网发展状况统计报告》显示，当前中国网民数量已经超过8.3亿人，如此庞大的网络群体，如果不加适当以管理，后果不堪设想，因此，通过对舆情演化原理的研究来了解一些舆情的发展规律成了大批国内外学者的研究对象。近年来国内外各个学科领域都对舆情有了很深的研究，诸如计算机、物理、通信等领域，这些学者们有的从心理学方面去探索网民传播舆情的动机;有的构建虚拟社会的基本特征，从理性的角度去探索舆情传播的规律;也有的学者用管理科学的知识结合博弈论的理论分析网民、政府以及媒体之间的收益关系来分析引导策略。
2 国外舆情演化模型研究现状
二十世纪初期，国外一些学者就开始了对舆情传播模型的研究。Alves[1]发现离散动力学模型正在取代宏观的舆情传播模型。Zanette[2]分析舆情在两种不同的小世界（动态和静态）网络上的传播认为社会网络与动态的小世界网络更加相似。O.Kosuke[3]用元胞自动机模型模拟了舆情的传播过程。Yamir Moreno[4]分析了公共危机信息传播的过程然后认为政府可以完全决定公共危机信息是否可以进入公众的视野中。Robrt Health[5]认为舆情流入社会的路径不仅仅只有政府，很多的网络设备以及媒体都可以是舆情流入社会中，并且指出信息是双向传播的并不单单是单向的传播和接收。Kitsak[6]认为传染病模型和于强传播模型很相似，可以用传染病模型来模拟舆情传播的过程。Rybak[7]把Sznajd模型和无标度网络相结合用来研究舆情的传播。Martins[8]把CODA和GUF模型相结合，发现了社会网络中舆情演化的结果。Koulouris[9]在信任机制的基础上发现了MER，并且仿真出了舆情演化的过程。Austin Lucinda[10]建立的信息传播模型能够很好的阐述网民是如何发现舆情事件的。
从国外学者对舆情演化的研究情况来看，对于舆情的研究逐年增多，他们主要是从人们的动机以及复杂的社会网络进行研究。另外，国外学者不仅仅是做了理论的研究创新，他们结合实际的情况从心理学、社会网络等领域与实际社会舆情环境相结合。
3 国内舆情演化模型研究现状
3.1舆情信息传播研究
国内学者沙勇忠[11]研究分析了影响舆情事件传播的因素，认为舆情事件的类型和网民的利益相关的程度以及网民的好友结构等因素都可以影响舆情事件的传播。王杨[12]从博弈论的角度构建了一个舆情信息传播模型，从网民、政府、媒体角度来分析各自收益从而探索控制舆情的方法。史波[13]用扎根理论的方法来分析了舆情事件的转发的帖子，构建了一个基于动机、认识、情绪以及态度的舆情传播模型。孙奕翔[14]结合舆情的特征建立了新的发现传播体系，该体系可以更加科学的精准的识别舆情。陈华珺[15]用新疆的舆情实例结合统计分析方法分析舆情的传播模式。魏超[16]从信息量、管理者的基本素养以及舆情判断不够科学等方面分析了舆情研究存在的问题。刘轶[17]认为舆情的形成类型主要由三大类构成，分别是引导性舆情、自发式舆情以及传播性舆情，并在此基础上构建了舆情传播模型。胡改丽[18]通过分析我国当前的舆情方面的研究，分析了当前的主流方法以及思想，并且提出今后主流方向是对话题的预测。 3.2輿情演化模型研究
潘灶峰[19]改进的BA无标度网络模型认为增加舆情信息的公开性可以有效地控制舆情的传播。徐兰芳[20]根据舆情信息的特点建立了SIRH舆情传播模型，并且用Starlogo软件进行了仿真验证了模型的有效性。陈静[21]把SIS和SIR模型相结合产生了SICRS舆情传播模型分析了影响舆情传播的因素。陈福集[22]把记忆因子加入SEIRS传播模型，并分析了记忆因子对舆情传播的影响。林晓静[23]认为新网民的群体的加入可以影响舆情演化的过程，并且通过仿真软件验证了其有效性。谭娟[24]用传染病模型结合舆情信息的特征构建了一个传播模型，并且验证了其模型的科学性。
从国内学者对舆情演化模型的研究来看，舆情演化模型在社会科学领域发展比较迅速，与国外研究最大的差别是国内学者更加专注理论仿真，对于大规模真实数据集的实例验证相对较少，但是，不可否决的是，国内学者对舆情演化的研究方面还是做出了相当大的贡献。
4 网络舆情研究总结及发展趋势
4.1 研究总结
大多数的网络舆情模型的研究都是关注群体的观点演化情况，将研究对象看成一个系统，然后从社会学、心理学及管理科学等各个学科方面再结合舆情的特点建立一个清晰准确的理论框架，然后通过现有数据集通过一些建模软件再来验证模型的有效性。对于模型的验证自然少不了建模工具，当前主流的建模工具有Netlogo、Starlogo、Python等软件工具。虽然当前有很多的不同的理论模型，但是如何正确地引导舆情走向还需要更加深入的研究。
4.2 发展趋势
当前网络舆情的研究主要就是用经典理论为基础然后用仿真软件进行仿真，然后用现有公开数据集验证模型的有效性。尽管现在大型网站都有数据库但是数据集的获得缺很难，所以未来的研究应该借助信息挖掘的先进技术获得大量实例然后再和理论模型来相结合。其次现有的理论模型还是相对单一，都是单一的从社会学、心理学以及管理科学来研究，舆情演化注定是个跨学科的东西，需要这些学科已有机的结合在一起才能更好的研究舆情演化。 最后舆情研究的目的是为了控制舆情，我们不仅仅应该将研究停留在传播模型的构建，对于舆情的预测以及引导有一个更深入的研究。
参考文献：
[1] Alves S G ， Neto N M O ， Martins M L . Electoral surveys influence on the voting processes： a cellular automata model[J]. Physica A Statistical Mechanics & Its Applications， 2002， 316（1）：601-614.
[2] Zanette， Damián H. Dynamics of rumor propagation on small-world networks[J]. Physical Review E， 2002， 65（4）：041908.
[3] Ono K ， Harao M ， Hirata K . Multi-agent based modeling and simulation of consensus formations in arguments[C]// Information Technology and Applications， 2005. ICITA 2005. Third International Conference on. IEEE， 2005.
[4] Moreno A I . Retrospective labelling in premise–conclusion metatext： an English–Spanish contrastive study of research articles on business and economics[J]. Journal of English for Academic Purposes， 2004， 3（4）：321-339.
[5] Mehrotra S ， Znati T ， Thompson C W . Crisis Management[J]. IEEE Internet Computing， 2008， 12（1）：14-17.
[6] Jiang L L ， Hua D Y ， Zhu J F ， et al. Opinion dynamics on directed small-world networks[J]. The European Physical Journal B - Condensed Matter， 2008， 65（2）：251-255.
[7] Crokidakis N . The influence of local majority opinions on the dynamics of the Sznajd model[C]// Journal of Physics Conference Series. Journal of Physics Conference Series， 2013.
[8] Martins， André C. R， Galam S . Building up of individual inflexibility in opinion dynamics[J]. Physical Review E， 2013， 87（4）：042807.
[9] Katerelos I D ， Koulouris A G . Is prediction possible？ Chaotic behavior of Multiple Equilibria Regulation Model in cellular automata topology[J]. Complexity， 2004， 10（1）：23-36. [10] Austin L ， Fisher Liu B ， Jin Y . How Audiences Seek Out Crisis Information： Exploring the Social-Mediated Crisis Communication Model[J]. Journal of Applied Communication Research， 2012， 40（2）：188-207.
[11] 沙勇忠， 史忠贤. 公共危机伪信息传播影响因素仿真研究[J]. 图书情报工作， 2012， 56（5）：36-41.
[12] 王杨， 尤科本， 王梦瑶， et al. 基于博弈论的网络社区舆情传播模型[J]. 计算机应用研究， 2013， 30（8）：2480-2482.
[13] 史波， 吉晓军. 社会化媒体环境下公共危机信息网民再传播行为——基于扎根理论的一个探索性研究[J]. 情报杂志， 2014（8）：145-149.
[14] 孙亦祥. 网络舆情信息传播视域中传播效果理论的嬗变与思考[J]. 图书情报工作， 2014， 58（1）：35-39.
[15] 陈华珺， 徐敏， 王越， 等. 新疆网络舆情信息传播的统计分析[J]. 新疆财经大学学报， 2014（1）：68-74.
[16] 魏超. 新媒体技术发展对网络舆情信息工作的影响研究[J]. 图书情报工作， 2014， 58（1）.
[17] 刘轶. 社会化媒介场域中的网络舆情信息生成与传播[J]. 情报科学， 2015（3）.
[18] 胡改丽， 陈婷， 陈福集， 等. 我国网络舆情热度分析文献综述[J]. 情报科学， 2016， 34（1）：160-166.
（下转第287页）
（上接第284页）
[19] 潘灶烽， 汪小帆， 李翔. 可变聚类系数无标度网络上的谣言传播仿真研究[J]. 系统仿真学报， 2006， 18（8）：2346-2348.
[20] 徐兰芳， 习爱民， 范小峰. 计算机网络病毒传播模型SIRH[J]. 计算机工程与科学， 2009（1）：4-6.
[21] 陈静. 复杂网络上基于流行病学的舆情传播模型及其规律研究[D]. 吉林大學， 2013.
[22] 陈福集， 陈婷. 基于SEIRS传播模型的网络舆情衍生效应研究[J]. 情报杂志， 2014（2）.
[23] 林晓静. 具有饱和接触率的SEIR 网络舆情传播模型研究[J]. 情报杂志， 2015（03）：150-155.
[24] 谭娟. 基于传染病模型的社交网络舆情话题传播[J]. 计算机工程与应用唯一官方网站， 2015， 51（12）：118-122.
【通联编辑：王力】
转载注明来源:https://www.xzbu.com/8/view-15028401.htm
