基于主路径网络的舆情传播态势预测与干预研究——以社会化媒体中舆情为对象

The propagation state of public opinion in social media is usually an omen for social public opinion. The diffusion paths of public opinion in social media are numerous and intricate, so it is not realistic to monitor and predict each path. For this problem, we propose a public opinion forecasting and intervening methodology on the basis of the main path network which is extracted from the large complex network. First, a modeling method of main path network is studied in the big data environment. Considering that the diffusion of public opinion in social media is much uncertain, we build the adaptive prediction model of users’ reposting behavior and multiple-stage path deducing model. Second, we study public opinion propagation situation forecasting methodology based on self-adaption theory at three levels: critical node, critical path and space-time situation. Finally, we try to put forward an effective intervention strategy including micro-immune and macro-guidance methods. The significance of our research is that the public opinion propagation situation forecasting methodology based on main path network makes it possible to predict the macro-situation from the view of microcosmic propagation path, which differs from the present forecasting models which put emphasis on macro-situation index. Theoretically, it provides more scientific and specific details for guiding public opinion availably, and also enriches the ideas and methods for predicting public opinion.

社会化媒体中舆情的传播态势往往是社会舆情发展的一个先兆。针对社会化媒体中舆情扩散路径错综繁杂，对每一条路径进行监控和预测并不现实这一问题，提出了从这大型复杂网络上抽取出信息扩散的主路径网络，基于此对舆情传播态势进行预测和干预的方法。首先，研究大数据环境下主路径网络的建模方法；考虑到舆情传播过程不确定性大，提出了用户传播行为的自适应预测和多级路径推演模型。其次，基于主路径网络，从关键节点、关键路径和时空态势三个层次研究舆情传播态势的预测方法。最后，结合实验仿真从微观免疫和宏观引导两方面研究社会化媒体中舆情传播的有效干预策略。其意义在于，基于主路径网络的舆情态势预测方法从微观传播路径入手预测出舆情的宏观态势，突破了目前工作仅仅围绕舆情宏观态势指标建立预测模型的框架，为舆情的有效干预提供更为科学和具体的依据，也丰富了舆情预测研究的思路和方法。

社会化媒体中舆情的传播态势往往是社会舆情发展的一个先兆。针对社会化媒体中舆情扩散路径错综繁杂，对每一条路径进行监控和预测并不现实这一问题，提出了通过抽取出信息扩散的主路径网络，实现对舆情传播态势进行预测和干预的方法。首先，以微博这一社会化媒体为例，分析了舆情传播的一般时序过程、用户间交互行为的时序相关性，以及主题偏好等用户间交互特征；分析和定义了能够反映舆情传播态势的指标和计量方法。其次，通过对历史交互记录进行主题细分，构建出能够反映用户交互偏好的信息扩散主路径网络；考虑用户、话题和社交等三类特征，提出了微博用户转发行为预测、路径预测、话题流行模式预测方法；研究了社交媒体平台话题检测方法和“词—主题”耦合关系，提出了一种话题漂移路径分析方法，以期预测出社会化媒体中舆情传播的路径和方向。第三，针对社会化媒体中信息扩散主路径网络，从细分主题下“信息传播力”视角提出了网络中微博用户节点传播力的动态评价模型和路径的重要性评价方法；基于隐马尔可夫模型和高斯混合模型，提出话题生命周期状态识别及趋势预测方法，以及话题风险状态预测方法。第四，采用模拟仿真的方法，构建出媒体协同作用下的舆情话题传播模型，分析发挥协同作用的媒体对舆情传播的引导机制；基于双层网络和耦合网络，分别构建微信、微博与微信之间、线下和线上社交网络之间舆情的传播模型，分析社会化媒体舆情传播和干预的影响因素，据此从微观控制和宏观引导两方面提出了有针对性的舆情疏导和干预策略。项目研究成果为社会化媒体中舆情的有效干预提供更为科学和具体的依据，也丰富了舆情预测研究的思路和方法。