[发明专利]官方信息控制下的舆情传播模型研究

权利要求书

1.官方信息控制下的舆情传播模型研究的方法，其特征在于以下步骤：

1)节点集划分。将总人口分为五类：S(Susceptible，易感节点)，E(Exposed，潜伏节点)，I_F(False Infected，非官方信息传播节点)，I_O(Official Infected，官方信息传播节点)，R(Recovered，免疫节点)。

2)微分方程的建立。

3)定义OI-SEIR模型中的网络节点的态度值，从理论上推导出网络中各类型节点的态度转换率的计算公式。

4)实际案例仿真实验。

2.如权利要求1所述的官方信息控制下的舆情传播模型研究的方法，其中所述步骤1中，节点集划分的方法如下：

将节点集划分为五类，包括：S(Susceptible，易感节点)，E(Exposed，潜伏节点)，I_F(False Infected，非官方信息传播节点)，I_O(Official Infected，官方信息传播节点)，R(Recovered，免疫节点)。节点具体含义如下表1所示。

表1.节点状态分类

3.如权利要求1所述的官方信息控制下的舆情传播模型研究的方法，其中所述步骤2中，微分方程的建立的方法如下：

根据所提OI-SEIR模型结构图，建立微分方程，模拟网络中信息传播过程。

OI-SEIR模型包含信息传播层和官方控制层，信息控制层包含易感节点S、潜伏节点、E非官方信息传播节点I_F和免疫节点R；官方控制层包含官方信息的传播者I_O。

4.如权利要求1所述的官方信息控制下的舆情传播模型研究的方法，其中所述步骤3中运用差分动力学和再生矩阵法求解出SETQR模型的平衡点和基本再生数的方法如下：

定义节点态度值表示节点在某一时刻对所接收到的官方信息的认可程度，其数值大小随时间发生变化。随着政府等官方部门的介入，在经过时延后，舆情网络中的各类型节点开始向官方信息传播节点转换。根据态度值，分别定义直接免疫率，潜伏免疫率和感染免疫率。

5.如权利要求1所述的官方信息控制下的舆情传播模型研究的方法，其中所述步骤4中实际案例仿真实验的方法如下：

以北大女硕士在美失联，疑遭“假警察”绑架事件这一真实事件为例，研究官方信息对舆情传播进程的控制作用以及不同干预点和干预力度对控制效果的影响。

在获取案例初始参数时，需要对案例中舆情传播所经历的全过程进行实时追踪，并对微博客户端内所有用户的状态变化情况进行详细统计，具有高度复杂性。为了在确保数据准确性的前提下，尽可能降低复杂性，本文选取微博粉丝数高，粉丝互动量大的“人民日报”官方微博账号作为数据统计对象。其中，初始节点比例和转换率为自设值，初始态度值、初始免疫率和时延是利用专业爬虫工具进行数据爬虫后，得到的统计结果。

实验结果表明：

(1)政府等相关部门对舆情网络的控制和引导是十分重要且有效的。官方信息的注入，成功地改变了舆情网络走向，将其引导至正确的方向，避免谣言信息进一步扩散。

(2)时延T不会改变舆情网络的整体扩散趋势，但会增加非官方信息在网络中传播的时间。因此，时延T越小，即官方信息注入舆情网络越早，非官方信息越快在网络中消失，使得整个舆情网络达到平稳。

(3)直接免疫率ε(0)对政府等相关部门对舆情网络的控制和引导效果有很大影响，过小的初始直接免疫率ε(0)会大大削弱官方信息的控制效果，使得非官方信息传播节点I_F在网络中反复出现，降低了正确消息的引导作用，延长了舆情消除的时间。

(4)潜伏免疫率η对政府等相关部门对网络的控制和引导效果有较小影响，但过小的初始潜伏免疫率η(0)会增加网络达到平衡所需时间，降低信息引导的效率。

(5)感染免疫率θ对政府等相关部门对舆情网络的控制和引导效果有较大影响，过小的初始直接免疫率ε(0)会在一定程度上削弱官方信息的控制效果，使得非官方信息传播节点I_F在网络中存在更长的时间。