[发明专利]一种基于复杂网络的食品安全网络舆情传播演化的建模方法

说明书

本发明涉及一种基于复杂网络的食品安全网络舆情传播演化的建模方法。本发明的主要技术特点是基于复杂网络结构模型，并加入传播和演化模型，利用微博平台食品安全事件数据，分析食品安全网络舆情传播演化过程，可用于查看群众对食品安全事件的关注情况，目的是能够有效查看舆情传播演化情况。本发明用于食品安全网络舆情传播演化研究。

技术领域

本发明属于网络舆情研究领域，涉及复杂网络的构建以及网络舆情的传播演化研究。是用于分析研究食品安全网络舆情传播演化趋势的方法。

背景技术

目前复杂网络的研究当中，主要集中在网络拓扑结构方面。Erdos和Renyi提出随机图论的数学理念，为复杂网络的研究奠定了数学基础。Stanley Milgram提出“六度分隔”理论，反映了现实世界的“小世界”特性。Watts等提出WS小世界模型完成了从规则模型到随机网络的过渡。Newman和Watts提出NW小世界模型。NW小世界模型相比WS小世界模型简单一些，且在一定程度上，NW小世界模型与WS小世界模型并无明显差别。Barabasi和Albert提出BA无标度网络模型是用来解释网络节点度的幂律分布的，提出了网络中的增长特性和优先连接特性。Barabasi等人在BA模型的基础上为每个节点加入了适应度，提出适应度模型。

发明内容

本发明为了了解不同食品安全舆情事件的传播演化情况，利用微博平台的食品安全网络舆情数据，构建了复杂网络结构模型，并将复杂网络模型结合传播和演化模型分析食品安全网络舆情的传播演化过程。

为实现上述目的，本发明的技术步骤是：

步骤1：获取微博平台的食品安全事件数据并进行预处理作为模型的输入。

步骤2：构建复杂网络模型，设立节点的边的权重值，表示节点之间的联系的差别，新加入节点不仅对新边产生影响，还会对周围连接的节点和生成的边产生影响，引入局域世界特征、当新节点加入局域世界后产生新的连边，旧连边权重值太小从而产生连边的消除。

步骤3：在复杂网络模型的基础上，加入经典的病毒传播模型和经典的连续意见演化模型，并将预处理后的数据输入模型，分析舆情信息的传播演化。

本发明的优点和积极效果：

本发明基于复杂网络，采用微博平台食品安全事件数据，分析舆情信息的传播演化，人们可以查看所关注的食品安全网络舆情传播演化分析信息，解决了人们无法准确获得舆情传播演化情况的问题。

附图说明

图1为本发明的舆情信息传播图。

图2为本发明的舆情信息演化图。

具体实施方式

以下结合附图对本发明实施例做进一步详述：

步骤1：数据信息预处理。本文的信息主要为微博平台数据，其中相关内容为主题、内容、发布时间、评论数、转发数等。

步骤2：构建复杂网络模型，模型主要是对网络舆情传播演化所需的网络拓扑结构进行构建，设定局域世界特性以及在伴随新节点加入旧节点的老化删除特性。分析模型的结构特性包括度分布、点权分布、边权分布特性。初始化模型参数，包括网络规模的设定，局域网规模的设定。然后根据设定节点加入局域世界的不同的概率分析网络结构特性。

步骤3：加入构建的网络结构上，加入经典病毒传播模型和连续意见演化模型，通过对舆情数据训练得到模型结果。