[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

摘要

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。

主权项

1.基于群体劝说力建模的网民观点演化趋势预测方法，其特征在于，包括以下步骤：(1)初始化：对社交网络用户信息进行数字化建模，包括对网络用户的各种自身属性信息进行数字量化，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：(2.1)根据得到的初始化网络个体数字信息，获取网络初始化状态；(2.2)对原有群体影响作用力算法进行改进，得到群体劝说力表达式：其中，I_‑表示群体消极劝说作用力，I₊群体积极劝说作用力，N_‑表示社会作用源群体内部持消极态度的人数，N₊表示社会作用源群体内部持积极态度的人数，λ_i表示个体j显式的表达自己观点的概率，表示个体j发表的观点被目标个体接收到的概率，表示个体j的劝说质量，Content表示当前讨论的热点事件的内容相关性，表示目标个体自身的情感极性，Δ_j表示个体j和劝说对象观点的差异度；(2.3)定义用户观点交互规则，由个体与个体间的交互提升到个体与群体的交互，以(2.2)群体劝说力表达式为基础，构建个体观点函数Di,j(t+1)和个体状态转换函数Si,j(t)：其中，Di,j(t)表示在t时步目标个体的观点值，G(t)表示在t时步由相关机构对热点事件的介入程度，G(t)的表达式如下所示：G(t)＝0.22×g1+0.34×g2+0.26×g3+0.18×g4其中g1表示相关机构的权威性，g2表示发布信息的及时性，g3表示发布信息的规模性，g4表示互动性；在t时步，个体Ci,j的状态转换函数表达式如下所示：其中，δ表示观点临界值；(3)仿真预测网络用户的观点演化趋势:(3.1)将网络个体属性的参数信息，网络结构的初始化状态信息带入(2.2)的群体劝说力表达式中，得到群体劝说力的量化数值；(3.2)根据(2.3)建立的观点交互规则，通过计算机仿真软件对网民观点演化过程进行仿真；(3.3)根据计算机仿真演化结果，对网民观点演化趋势进行预测：(3.3.1)定义个体情感极性范围在内的个体为非极端情绪个体，在普通网民仅受到非极端情绪群体影响时，根据非极端情绪群体人数规模预测网民消极观点扩散的情况；若非极端情绪群体人数规模占比低于10％时，则认为后续网民消极观点扩散速度会保持在很低的水平；若非极端情绪群体人数规模占比高于20％时，则认为后续网络舆论的负面消息会加速传播，网民的消极观点会进一步扩散；(3.3.2)定义个体情感极性范围在内的个体为极端情绪个体，在普通网民仅受极端情绪群体影响的情况下，认为舆论的负面影响不会进一步扩大；(3.3.3)在普通网民受到极端情绪与非极端情绪群体同时影响的情况下，认为舆论的消极观点扩散效果要强于只受到极端情绪群体影响的情况，但是要弱于只受到非极端情绪群体影响的情况。