基于传染病模型的热点舆情事件情感迁移研究.docx

基于传染病模型的热点舆情事件情感迁移研究.docx

  1. 1、本文档共11页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

?

?

基于传染病模型的热点舆情事件情感迁移研究

?

?

冷东梅

摘要:网络舆情中情感的演化对舆情的走向影响较大,研究网络舆情情感迁移对预测和监管舆情的发展方向、制定应对策略具有重要意义。根据分析舆情情感演化规律,在传统传染病SEIR模型的基础上,增加S、E直接到R的转化,构建改良SEIR模型,运用AnyLogic软件对模型进行仿真,并通过改变参数值来研究其对情感迁移的影响。

关键词:网络舆情;情感迁移;SEIR模型;仿真

在“互联网+”时代,互联网普及率高,加之web2.0技术的发展,互联网成为了网络舆情的主要孵化器。网络事件借助互联网这一平台,在短时间内快速传播,且迅速积聚网民的观点和意见,形成巨大的公众舆论效应,如江歌事件、滴滴空姐事件等。而推动舆论发酵的主要因素就是网民的情感,且网民在接触到这个事件的时候产生的或积极或消极的情感会随着舆情的演化不断传播、迁移,最终影响舆情的走向。

通过分析个体在复杂网络中的情感迁移规律,在传统线性SEIR传染病模型的基础上,增加非知情状态(S)、知情状态(E)直接越级转化成移出状态(R),构建改良SEIR舆情情感演化模型,并进行仿真验证其正确性和有效性。准确把握网络舆情中情感迁移的走向为相关部门进行舆情监管和预测提供依据,对相关舆情工作部门具有重要的指导意义。

一、文献综述

(一)情感迁移研究现状

情感迁移指在两种有联系的事物之间有可能发生感情或評价的迁移。在网络舆情传播过程中,情感附着在信息中,一般以情绪波动的形式表现。随着越来越多消极网络舆情对人们生活产生影响,情感迁移的研究已经引起越来越多学者的注意。

司夏萌认为话题事件本身传播的流向取决于情感的不同程度。情感迁移就是分析处理带有情感色彩的主观性文本时,情感态度和观点的演化。何天翔以微博为研究对象,提出基于情感分析的舆情演化分析。

(二)传染病模型研究现状

传染病模型是对疾病传播过程中的人群分布形式和状态转变进行数学建模的方法,其传播的特点与网络舆情传播特点类似。传统传染病模型主要有SI、SIS、SIR等。ZhuHetal将观点演化引入信息传播模型,构建新型SEIR模型,在分析个体传播意图的同时考虑传播意图对信息传播的影响,从而探究舆情传播的影响因素。目前传染病模型对网络舆情的相关研究主要集中在舆情演化预测、舆情传播机制等方面,很少利用其来研究网络舆情情感迁移。因此,在以往学者研究成果的基础上,改良SEIR舆情传播动力学模型,通过研究各种状态间转化率对情感迁移的影响,得出网民在热点舆情事件中情感迁移的机制。

二、模型构建

(一)传统SEIR模型及不足

在网络信息的传播过程中,将网络中的用户个体看成节点,传统SEIR模型将特定区域内的人群划分为四类:易感者(Susceptible)、潜伏者(Exposed)、传染者(Infective)和免疫者(Removed)。

不同状态的个体随着网络热点事件信息的发布、传播,可能会发生状态转移,从而对传播过程以及网络结构带来影响,如图1所示,其中λ表示易感者转化为潜伏者的概率;ω表示潜伏者转化为传染者的概率;γ表示潜伏者转化为免疫者的概率。SEIR模型的动力学微分方程如公式(1)。

其中S(t)、E(t)、I(t)、R(t)分别表示在t时刻四类人群的密度且S(t)+E(t)+I(t)+R(t)=1。随着网络技术的发展,网络复杂度增加,简单的传染病模型已经不能准确的展现网络舆情的传播规律。

在现实网络舆情传播过程中,网民接受到信息之后,不一定只会以某一概率转化为潜伏者,可能会直接转化为免疫者,拒绝信息的干扰和传播。因此简单的传统模型已经不能满足需求。

(二)改良SEIR模型

由于互联网的开放性,个体在网络舆情传播过程中的角色多样化,不再被动接受信息,可以成为舆情传播的制造者和传播者,各个状态之间的关系处于非线性状态。

非知情状态(S):网民没有接触到舆情信息,未出现情绪波动且无免疫能力,与传播者接触后易被感染。受到舆情信息影响之后,可能会向知情状态和移出状态转化。

知情状态(E):指网民已经接触到舆情信息出现情绪波动,但不会传播,即存在潜在情感波动。该状态的网民会向传播状态和移出状态这两方面转化。

传播状态(I):指网民是携带传染情绪波动的患者,会将情绪波动进行传染。

移出状态(R):指网民已经失去对舆情信息兴趣或从未对舆情信息产生兴趣,不会出现情绪波动,具有免疫能力。

综合上述网络舆情传播特点分析,在传统SEIR模型的基础上,构建改良SEIR模型有两个基本假设:一是网络是静态网络;二是个体发布和转发信息后,相连个体都会受到相同影响,不存在由于不在场等原因造成无法接受信息的情况。构建模型、微分动力学方程如图2和公式(2)所示。

其中S(t)表示易感染节点密度,E(t)表示潜在节点密度,I

文档评论(0)

189****4123 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档