论文部分内容阅读
随着网络的发展及Web2.0技术的广泛应用,互联网已经成为人们获取信息、表达心情、交流意见的重要场所。局部的讨论在经过网络的传播后可能被非线性放大,从而产生突发事件。因此,网络舆论究竟会对现实社会产生什么样的影响,已经受到了大量研究者的关注。然而,在互联网尤其是社交网络中,基于用户人际网络的帖子转发是信息传播的重要手段,舆论传播速度更快;同时,用户交互的匿名性、随机性,舆论主体的异质性、主观性,网络舆情与现实社会之间的非线性作用等特征使得信息演化环境更加复杂,不确定性更强。而传统的舆论模型不足以准确描述互联网用户的微观交互行为,也难以认识和解释网络舆论传播和演化进程中的现象。鉴于此,本文结合了交叉学科的研究方法和手段,对网络社区及社交网络中的用户行为特性、信息传播机制、舆论演化模式、传播行为及态势预测等问题进行了研究,重点研究了网络用户的耗散行为及活跃性变化,考察了互联网的特异性对群体意见形成的影响及宏观舆论的相变现象,建模了社交网络中的信息转发过程。论文的研究有助于认识网络用户复杂的群体行为及信息传播、舆论演化的过程,为自组织复杂系统的理论研究提供了一些探索性的结果,对进一步开展舆论引导策略的研究也能提供帮助。论文的研究工作受到了国家自然科学基金项目(No.60972012、61172072)、北京市自然科学基金项目(No.4102047、4112045)和中央高校基本科研业务费专项资金研究生创新项目(No.2011YJS005)的支持。论文的主要工作和创新点如下:1.实证分析了网络社区用户的参与程度与活跃性变化,并进行了个体行为动力学建模,提出了耗散网络增长模型;另一方面,分析了用户的话题兴趣分布,建立了用户兴趣驱动的社区帖子参与模型,还原了用户回帖的到达过程。研究证实,网络用户活跃性衰减的耗散行为使得用户关系网络同时具有无标度和小世界特征,有着幂律的度分布、较大的簇系数及较小的平均最短距离长度,同时网络用户的活跃时间服从双尺度的幂律分布。网络社区用户兴趣的差异性促使了帖子吸引力的分化,从而导致了热门帖子的出现,此外,帖子热度还受到活跃用户数、当前其他帖子数等因素的影响;模型能产生与实际一致的话题统计分布及帖子达到过程的特性。2.建立了社交网络的信息传播动力学模型。根据社交网络中基于用户关系的帖子转发机制,引入个体对信息的接触状态,并进一步建模了社交网络的信息传播过程。模型中的个体具有传播态和免疫态两种吸收态,刻画了用户转发的帖子对邻居的作用。平均场分析及蒙特卡罗仿真的结果表明,较小的传播概率能够促使信息在大范围内传播,不同度的节点感染密度随着度的增大而非线性增加;提高网络的平均度能提高传播节点密度,但传播节点数量存在着上限,且更大的网络平均度并非总是意味着更少的弛豫时间;来自同一局部区域的信息才能产生相干作用。3.建模了互联网的舆论主体、系统结构、传播环境对舆论演进过程的影响。根据社交网络的特异性,分别建立了基于个体主观倾向、系统耗散性及人员可信度隐蔽性的观点交互模型,描述了这些特性在微观行为中的作用。数值仿真的结果表明:个体的态度倾向在观点演化过程中逐渐形成,将不断强化初始优势观点的主导地位,而少数派也形成了对其偏好观点的强烈倾向,阻碍了宏观一致的出现;网络舆情是具有耗散结构的系统,只有外部的推动才能促使群体意见走向一致,而在不够活跃的系统中,无序性可能进一步扩大而形成观点严格对峙的局面;互联网的匿名性造就了人员个性的隐蔽性,在个体拥有对手可信度的不完全信息时,宏观的舆论动力学过程会被加速。这些模型解释了社交网络中一些信息演化的现象,揭示了互联网特性的作用过程,论文还讨论了促进或阻碍系统全局收敛的策略。4.研究了网络社区热门帖子及社交网络用户传播行为的预测方法。首先,根据网络社区帖子参与人数的集中性判断热门帖子,提取与帖子热度相关的内容、短期趋势、时间影响特征,并融合这些特征预测帖子成为热门的可能性。再使用已知的热门帖子数据训练模型,并输入测试数据检验模型的性能。该模型不依赖于帖子的时间序列,实验结果表明,模型能够根据帖子的早期数据,检测出大部分的热门帖子。其次,分析并量化了与社交网络用户转帖行为相关的内容、关系、活跃度影响因素,对每个用户,融合这些与帖子对应的特征生成预测模型。使用历史的帖子数据训练模型的参数,从而在新帖子出现时预测每个用户转发该帖子的概率。模型同时结合了用户的兴趣及社会关系,实验证明模型具有较高的召回率和精确度。