[发明专利]基于群体劝说力建模的网民观点演化趋势预测方法

说明书

本发明公开了一种基于群体劝说力建模的网民观点演化趋势预测方法，主要解决现有技术无法量化计算具有情感极性的群体对个体观点影响力的问题。其实现方案是：对网络中个体属性信息进行数字量化，得到初始网络状态；对原有的群体影响作用力算法进行改进，得到群体劝说力表达式；利用有限信任理论和个体情感极性来优化观点交互规则，结合得到的初始化网络状态信息和群体劝说力表达式建立最终的观点演化模型；通过该模型进行仿真，根据仿真结果预测网民观点的演化趋势。本发明能有效预测在具有情感极性群体参与的网络热点事件中网民观点的演化趋势，进而帮助网络监管机构对舆情制定有针对性的舆论引导措施，可用于网络舆情预警。

技术领域

本发明涉及网络技术领域，主要涉及网络热点事件中网民观点演化趋势的预测方法，可用于网络舆情预警，帮助网络监管机构分析舆情并制定有针对性的舆论引导措施。

背景技术

随着互联网技术的高速发展，网络带给人类的影响越来越大，在Web2.0时代，无论是PC端还是移动终端，已然成为我们获取社会资讯的最重要的渠道。也正是由于人们参与热点事件的门槛变低，网络舆论的演化也变得更为复杂。

对于网络舆论演化的研究，近年来自然科学家借鉴社会学舆论的研究，利用交叉学科知识，包括统计物理学，复杂网络，信息传播动力学，舆论演化模型等方法对网络舆论进行大量深入系统的研究。

复杂网络将现实世界中的很多复杂系统都看成是网络的结构，将这些复杂系统中的个体抽象为一个网络节点。复杂网络的动力学包括两个方向，一个是网络自身的演化，另外一方面是以网络为媒介的演化。对于复杂网络的研究以及有了很多成果并且建立了多种基于复杂网络的模型，模拟了真实网络的发展演化。

舆论演化模型是利用统计物理学的方法对观点交互过程的建模。舆论演化模型主要研究舆论演化的系统状态，舆论演化过程中的关键因素以及这些因素对于舆论演化的影响作用。模型限定了群体规模，设定个体自身持有对于某一热点事件的观点和态度。模型中个体针对具体事件与邻居进行意见的交流和观点的交互，会互相影响对方对于事件的看法。该模型用到了统计物理学的方法并借助元胞自动机模型等仿真工具建立微观个体交互与群体宏观状态之间的连接，给研究简单微观到复杂宏观系统提供了一种思路方法。但是该模型没有考虑到群体中个体的差异性，具有一定的局限性。舆论演化模型按照个体观点来分类可以分为离散观点模型和连续观点模型。离散观点模型包括投票者模型，Ising模型，多数决定模型等。连续观点模型包括Deffuant模型，Hegselmann-Krause 模型等。其中连续观点模型改进了离散观点模型中个体观点只能用少数个状态表示的问题，并且利用了有界信任理论，认为个体的交互只会在与自身观点差异在一定程度内的个体间进行，而不会与自身观点差异过大的那些个体进行交互。有界信任的观点引入，有助于进一步研究观点交互过程中对个体间的交流机制。但是有界信任理论认为个体的信任阈值都是相同的，这一点同样忽略了个体间的差异性。

在现实网络环境中，不同个体带有不同的情感极性，而网络中的群体是由带有类似情感极性的个体所组成。个体和群体情感极性的存在，是导致网络舆情复杂多变的重要原因。要想从深层次理解网民观点演化的规律，把握演化趋势，必须针对情感极性进行分析研究。

综上所述，现阶段研究出一种在有情感极性群体参与的热点事件中对网民观点演化趋势进行有效预测的方法是十分必要和迫切的。

发明内容

本发明的目的在于提出一种基于群体劝说力建模的网民观点趋势预测方法，以在有情感极性群体参与的热点事件中对网民观点演化趋势进行有效预测，维护网络环境安全稳定，促进社会和谐。

为实现上述目的，本发明的技术方案包括如下：

(1)初始化：对社交网络用户信息进行数字化建模，包括网络用户的各种属性信息以及网络状态的信息，得到分析舆论演化所需的初始化状态特征值；

(2)建立观点演化模型：