网络舆情研究中的仿真方法应用综述-
收稿日期:2013-07-25 修回日期:2013-08-26
基金项目:教育部人文社会科学研究青年基金项目 基于信息生态学的网络舆情管理机制与平台研究 (编号:10YJC 870053);江苏高校哲学社会科学研究重点项目 涉农网络舆情的政府监管研究 (编号:2011ZDIXM 027)三
作者简介:朱毅华(1973-),男,硕士生导师,研究方向:网络信息资源管理;郭诗云(1991-),女,硕士研究生,研究方向:网络信息资源组织;张超群(1990-),男,硕士研究生,研究方向:网络信息采集与处理三
网络舆情研究中的仿真方法应用综述
*
朱毅华 郭诗云 张超群
(南京农业大学信息科学与技术学院 南京 210095)
摘 要 引入仿真方法进行网络舆情演化二引导机理的探索是近年来网络舆情研究的一个热点三在对我国网络舆情研究中仿真方法的应用状况进行文献梳理和评述的基础上,详细介绍了仿真方法的对象二建模理论与方法和相关仿真平台,探讨了当前的研究不足与未来的研究方向三关键词 网络舆情 舆情演化 文献计量 仿真平台
中图分类号 G 20 文献标识码 A 文章编号 1002-1965(2013)10-0029-07
A Review on Application of Simulation Method in Network Public Opinion Research
Zhu Yihua Guo Shiyun Zhang Chaoqun
(College of Information Science and Technology ,Nanjing Agricultural University ,Nanjing 210095)
Abstract In recent years ,simulation method was introduced into the research of network public opinion and became a research hot spot.Based on a literature review of the application of the simulation method in China 's network public opinion research ,this article introduces the simulation object ,modeling theory and associated simulation system in detail ,then discusses the limitations of current research and the future research directions
Key words network public opinion public opinion evolution bibliometric simulation platform
随着信息技术飞速发展,互联网已被公认为是继报纸二广播二电视之后的第四媒体,并成为思想文化信息的集散地和社会舆论的放大器三作为一个新兴研究领域,网络舆论的传播二监控以及舆情态势分析二预警研究在理论与实践的紧密结合中不断拓展和创新,引起了社会的广泛关注和重视,形成了基础理论二支撑技术和应用研究三个层次的研究领域[1]三从研究方法来看,由于网络舆情系统的演化往往无法在现实世界中进行实验,许多学者将计算机建模与仿真方法引入网络舆情演化机理的探索并逐渐形成了网络舆情研究的一个热点三仿真(Simulation ),又称模拟,是通过构建模型来模拟现实系统,并对新系统可以开发设计和规划的一种活动三20世纪初仿真技术已经在水利二航空二航天和原子能等领域得到应用三20世纪60年代计算机技术的突飞猛进,加速了仿真技术的发展三现代仿真技术不仅应用于传统的工程领域,而且日益广
泛地应用于社会二经济二生物等各个领域三
1 网络舆情仿真研究概况
由于国家课题基金在很大程度上支持并指导着学科领域的研究方向,故对网络舆情仿真相关国家课题基金项目进行计量调研可以看出该课题的研究概况三网络舆情是新兴的自然领域和社会领域交叉的研究领域,因而国家自然科学基金和国家社会科学基金对该领域研究均有资助三从国家自然科学基金[2]项目数据库中进行相关关键词检索,发现获批的相关课题中近两年的相关课题2012年南京理工大学吴鹏的 突发事件网络舆情演化过程中的人群仿真研究 二2011年武汉大学吴江的 基于贝叶斯网络和演化博弈的社会化媒体信息传播建模和模拟 与本领域密切相关三国家社会科学基金[3]中相关研究主要分布在新闻学和图书情报学学科类别下,2009年资助的青年项目 基于数
第32卷 第10期2013年10月 情 报 杂 志JOURNAL OF INTELLIGENCE
Vol.32 No.10
Oct. 2013
字仿真模型的网络舆论引导规律研究 (哈尔滨工业大学吕德生)与该领域研究最为相关三
通过文献计量学的方法,以 网络舆情+仿真 二 互联网舆情+仿真 二 因特网舆情+仿真 二 网+舆情+仿真 为主题词在中国知网CNKI全文数据库中检索,得到结果43条,去除非相关文献得有效文献42条,其中含硕博士论文13篇,对这42篇文献进行计量分析可得到以下结论三
a.从文献发表的时间分析,如表1所示三
表1 网络舆情仿真模型类文献时间 数量表发表时间(年)20092010201120122013合计
文献数(篇)141220542
占总数百分比(%)2.389.5228.5747.6211.90100.00从数量上看,网络舆情仿真模型类文献总体偏少,但基本呈直线增长,可以预计2013年文献量还将处于上升水平中三
b.从资助的基金项目发表的论文来看,资助该领域研究的相关基金项目有:国家自然科学基金二国家社会科学基金二山东省软科学研究计划二国家高技术研究发展计划(863计划)二上海市重点学科建设基金等发表论文2篇及以上,而国家软科学研究计划二高等学校博士学科点专项科研基金二跨世纪优秀人才培养计划二国家重点基础研究发展计划(973计划)及北京二江苏二重庆等地方项目基金也分别发表了网络舆情仿真模型领域1篇论文三由此可以看出,网络舆情仿真模型获得的资助项目较多,其研究价值有一定普遍性三
c.关键词分析三通过关键词词频分析,统计出关键词共119个,出现179次三根据关键词词义内容分析,合并近义词如将 博客 和 博客空间 统称为 博客 二将 仿真 二 计算机仿真 二 建模与仿真 二 模型仿真 合并为 仿真 等,不考虑 网络舆情(包括 互联网舆情 ) (出现29次)二 仿真 (出现5次)关键词,可以从主题关键词中发现目前网络舆情仿真模型的主要研究内容可分为:网络舆情仿真的学科角度二仿真的对象领域二仿真的主体和仿真主体之间的交互作用三选取出现频次较高二具有代表性的关键词归类如下:
网络舆情仿真的学科角度:包括数学二物理学二化学二地理学二计算机学科二社会学二管理学等,涉及层次分析法二系统动力学二传染病模型二小世界网络二协同学二元胞自动机二社会福利博弈模型二BP神经网络等多学科的研究方法;
网络舆情仿真的对象领域:网络层次上包含博客二论坛等,在现实层次上包括高校网络舆情和地方政府网络的舆情(博客二Wiki二高校二BBS舆情);
网络舆情仿真的主体:一般可分为事件本身的演化二网民行为和外在因素如政府二媒体等,如网络谣言传播二突发性公共危机事件和网络突发事件演化机制二用户行为特征二传统媒体二政府二意见领袖对舆情演化的影响等;
网络舆情仿真主体之间的交互作用:即在时间二外力等因素影响下网民态度和事件热度的变化过程,包括动力关系二动态演化二观点极化二观点交互二观点漂移二观念空间二扩散规律二网络群体极化二网络舆情态势二网络舆情演变二演化等方面三
2 网络舆情仿真研究的理论与方法
通过对上述文献的分析与总结可知,网络舆情仿真的研究过程主要包括确定仿真对象二建立仿真模型二利用仿真平台模拟二分析仿真结果这4个主要步骤,如图1所示,以下根据这几个过程详细介绍仿真方法在网络舆情研究中的应用情况
三
图1 网络舆情仿真研究建模研究过程
2.1 网络舆情研究仿真对象的选择目前的研究主要集中在对网络舆情演化过程和网络舆情的引导二预警及控制这两方面进行建模和仿真三
2.2 网络舆情的演化过程仿真网络舆情演化过程的仿真对象可分为事件对象和网民对象三事件对象如网络舆情态势,它的指标通常为网民的浏览数二评论数等,曾祥平等人(2007)对网民发表言论总数进行了仿真[4],吴渝(2010)等人进一步扩充了对个人发表言论数和日增回复量进行模拟[5]三张建红(2012)等通过设计推送话题二不推动话题两类方案,对理性二模糊二偏激三类话题的数量演化进行仿真[6];而网民对象即网络舆情中的网民的意见二固执度等,宗利永(2010)等建立了言论主体Agent及舆论子场Agent的行为及交互规则,分别对言论主体的影响力二态度及舆论子场的舆情状态进行了描述[7]三通过对网民的态度及数量仿真建模模拟,王根生(2011),马瑞新(2012)等对网络事件发展过程中用户观点聚类和集群化进行了仿真[8-10]三
2.3 对网络舆情态势评估与预警、引导及控制效果仿真田艳玲(2011)等对各因素(政府二意见领袖二传统媒体等)进行仿真模拟研究其对舆情发展及社会危害度程度两方面的影响及控制[11],张一文(2012)通过对模型各节点条件概率进行贝叶斯仿真以探讨非常规危机事件网络舆情预警[12],张建红(2011)等人更重视程度二法制二技术二沟通4个影响因素仿真研究其对政府应对舆情的影响[13],谌楠(2012)等则通过调节模型
四03四情报杂志第32卷
各参数模拟不同环境下网民人数验证了政府介入网络舆情监管并不是越早越好[14]三另外,黄敏(2011)对舆情热点挖掘进行了基于数据集的仿真发现[15],王铁套(2012)对网络舆情威胁评估方法进行了模拟[16-17],宋昭君(2012)对微博的意见领袖进行仿真实验等[18],拓宽了仿真建模方法在网络舆情研究中的应用领域三2.4 常用网络舆情仿真建模理论与方法一个网络舆情仿真系统要准确反映其要模拟的实际社会网络系统,需要在系统动力学二仿真主体二网络传播与交互的拓扑结构等方面建立与客观世界相一致的模型,建模过程往往综合了元胞自动机模型二多Agent系统模型二复杂网络理论二概率统计模型二隐马尔可夫模型二协同学二社会福利博弈理论二Elman神经网络二模糊综合评价法二层次分析法二突现计算等多学科的理论与方法三
2.4.1 元胞自动机模型三Alves(2002)认为宏观的舆论模型正逐渐被基于局部个体空间相互作用的微观离散动力学模型所代替,首次将元胞自动机模型引入社会舆论的研究[19]三元胞自动机(Cellular Automa-ta,CA)是定义在一个具有离散二有限状态的元胞组成的元胞空间上,并按照一定局部规则,在离散的时间维上演化的动力学系统三它最基本的组成部分包括元胞(Cell)二元胞空间(Lattice)二邻居(Neighbor)及演变规则(Rule)三在仿真系统中,每个元胞的状态随着时间变化并根据一个局部规则来进行更新,也就是说,一个元胞在某时刻的状态取决于而且仅仅取决于上一时刻该元胞的状态以及该元胞的所有邻居元胞的状态;元胞空间内的元胞依照这样的局部规则进行同步的状态更新,整个元胞空间则表现为在离散的时间维上的变化三现有研究主要利用该方法对舆情传播与舆论交互主体进行元胞和元胞空间建模,基于各种理论假设制定状态演变规则,从而考察舆论演化的传播更新机制和个体观点的演化过程二社会网络结构对舆论演化的影响,以及舆论演化如何应用于现实社会的具体问题中[4,8,20-24]三
2.4.2 多Agent系统三基于Agent的建模思想把注意力集中于相关的个体行为,从底向上地观察和描述系统的行为,是一种由低到高二从微观到宏观二跨层次的研究思路三多Agent系统(Multi-Agent Sys-tem,MAS)是多个仿真对象(Agent)组成的集合,其多个Agent成员之间相互协调,相互服务,共同完成一个任务三随着信息技术与计算机技术的快速发展,多Agent系统的研究在世界范围内得到了迅猛发展,也成为网络舆情仿真的重要建模方法之一,通过对社会公众二政府等网络舆论主体进行Agent建模,设定其不同的属性和感知二通信二决策等行为,结合BA或WS 等复杂网络理论模型对互联网信息传播结构和社会关系进行建模,通过考察网络信息传播与舆论形成过程中Agent的行为对交互关系网络与其他Agent状态的影响,仿真和分析舆情演化的机制与规律[7,25]三2.4.3 复杂网络理论三在仿真系统中,作为影响
舆论传播与舆情演化的重要因素,网络传播与舆论交互的拓扑结构是舆情仿真建模的重要内容,也是元胞自动机二Agent系统中演化规则和交互规则建模的重要部分,目前的舆情仿真研究中的网络建模主要基于小世界网络模型二BA无标度网络模型等三
a.小世界网络理论三
第一,WS小世界网络理论三Watts和Strogatz (1998)在对规则网络和随机网络理论研究的基础上提出了著名的WS小世界网络(SWN)这一概念,成为网络舆情传播仿真模型规则的一种重要参照[26]三在WS小世界模型中, 小世界网络 是介于具有高聚集度但平均路径较长的规则网络和具有低聚集度但平均路径较短的随机网络之间的一种网络,它同时具有高聚集度和短路径特征,这样在网络结构和网络传播功能上具有特殊的效应三
第二,NW小世界网络理论三Newman和Watts (1999)提出一种改进的基于人类社会网络的生成小世界网络方法,简称为NW模型[27]三在该模型中,结点先排布在一个规则环状网上,以概率P在结点间增加边,2个结点之间不允许有多重连接,也不允许结点的自连接三小世界网络在规则网络中增加了 长程 边,它们的另一端结点不是自己的邻居三通过变化概率P,可以得到从规则网络到随机网络的一个变化过程三NW网络结构与现实的互联网络空间较为接近三文献[5]基于多Agent系统和NW小世界网络理论建立了BBS舆情预测模型,仿真实验证实其在日增回帖数和个人发言数比例这2个重要统计指标上与真实情况同时吻合三文献[8]则是结合了元胞自动机模型与NW小世界网络理论仿真和揭示了网络舆情演化的观点极分化和观点漂移的现象三
b.BA无标度网络模型三
互联网是一种连接度分布函数具有幂律形式的复杂网络,且网络节点的连接度没有明显的特征长度,具有无标度性三为了解释幂律分布的产生机理,Barabasi (1999)等提出一个无标度网络模型,被称为BA模型[28]三该模型考虑到实际网络具有两个重要特性:增长特性,网络的规模是不断扩大的;优先连接特性,新节点更倾向于那些具有更高连接度的 大 节点相连接三刘小波(2012)在BA无标度网络模型基础上提出社会网络模型的构建算法,探讨了个体间的关系网络结构[29];朱恒民等(2012)提出基于BA网络的舆情传
四13四
第10期朱毅华,等:网络舆情研究中的仿真方法应用综述
播演化的SIRS模型,并通过实验验证衍生话题对舆情传播过程的影响[30];文献[14]也是在构建BA无标度网络后引入社会福利博弈模型对舆情的政府干预效率进行仿真;文献[15]则是从技术层面基于小世界与无标度特征仿真了两种不同舆情热点挖掘算法的性能三2.4.4 动力系统理论三动力系统理论是由动态微分方程或差分方程来描述各个变量之间随时间变化而变化且相互联系的数学理论,是一种重要的基于时间变量的系统仿真建模方法三在网络舆论的研究中,一些学者常采用把舆论形成过程当作一个离散动力系统的分析方法三这种方法更关注于舆论演化的过程本身,通常将演化分为扩散过程和妥协过程两个部分三妥协过程用来描述个体间的相互影响,而扩散过程着重说明环境与社会因素的作用三这类方法使用差分方程对个体观点的变化进行显式建模,结合平均场理论获得对宏观舆论发展状态的公式化描述三现实的社会网络系统往往涉及的要素较多,内部要素之间的作用关系以及外部环境中的影响因素等都比较复杂,对其直接建立系统模型是不现实的三因此在建立仿真系统模型前,要对网络舆情演化的现实系统通过因果关系与反馈分析加以抽象,绘制出流图并在些基础上建立一组反映系统行为特征的数学模型,描述各项状态变量与模拟时间的关系[6,11,13,31]三系统动力学建模软件提供了动力系统分析的工具,可大大简化研究过程与难度,比较典型的是Vensim软件包和Matlab的Simu-link工具箱三
2.4.5 概率统计模型和隐马尔可夫模型三概率统计理论常常被用于数据挖掘与模式识别领域建模,可通过样本训练实现对舆情发展进行预测与预警三贝叶斯网络是基于概率推理的数学模型,所谓概率推理就是通过一些变量的信息来获取其他的概率信息的过程,文献[12]通过构建贝叶斯网络推理模型对非常规危机事件网络舆情进行预警研究;文献[17]使用了改进的Elman神经网络进行对网络舆情威胁进行了仿真估计;文献[32-34]均研究舆情传播中某个话题从产生二发展到减少二消亡过程的关注度的数学统计表达,其中文献[32]采用数学统计(方差期望值等)值分析,文献[33-34]则采用隐马尔可夫模型,由前期事件学习训练获取未来走向的预测三
2.4.6 博弈论三博弈论(Game Theory)又称对策论,是研究多个决策主体之间的行为相互影响时,决策的选择与相互均衡问题三演化博弈理论(Evolution-ary Game Theory)是把博弃理论分析和动态演化过程分析结合起来的一种理论三博弈论和演化博弈论方法适用于对复杂环境中个体的策略选择过程进行建模,如生物学中的种群竞争二进化等过程,经济学中的贸易战二价格战等商业决策过程,社会学中的协作二欺骗等现象三目前,越来越多的学者将博弈论或演化博穽论和网络舆论相结合,如在仿真系统中釆用演化博弈论方法对用户参与观点交互的说服过程进行建模等[35-37]三2.4.7 协同学三协同是一个跨学科的研究领域,由德国理论物理学家赫尔曼四哈肯与1969年创立三文献[21]首次提出元胞机与协同学结合的思想,重点分析了中心元胞坚定度和邻域权重影响对传播的作用,总结了传播时间序列变化的一些有意义的现象三文献[23]对此进行了扩充,提出了一个扩展的基于协同学的元胞自动机模型及算法三方薇(2012)等人将舆情传播看作一个时间序列的马尔科夫链,再利用哈肯协同理论提供的协同概率作为马尔科夫链的状态一步转移概率,并通过改变协同概率的各个参变量仿真舆情随时间传播的不同演化过程[38]三
总体上看,在系统动力学建模方面,动力系统理论更适合于舆情事件的发展状态建模,而元胞自动机模型与多Agent系统模型更适合于舆情参与主体的行为建模;在舆情传播与交互网络的拓扑结构建模方面,常用理论是NW小世界理论与BA无标度网络模型;在模型规则制定二元胞或Agent主体属性指标或参数设定等方面,各类研究中还广泛引入了模糊综合评价法二层次分析法二突现计算和博弈论等理论等方法三2.5 主要网络舆情仿真平台仿真模型建立完成后,要通过计算机平台加以实现和运行三根据文献调研,目前在网络舆情仿真建模中所使用的仿真平台有Vensim二Netlogo二Matlab二Starlogo等三不同平台对仿真对象的处理不同,如Netlogo二Starlogo等多Agent系统平台在确定仿真Agent对象后,要设定Agent个体的成员特性二行为标准二交互规则以及设定Agent系统的演化机制和相关约束条件等,而Vensim等平台通常则是采用系统动力学方法绘制相关因果关系图和存量流量图后再根据其中的影响因素进行仿真三
2.5.1 Netlogo三NetLogo是美国西北大学网络学习和计算机建模中心推出的一种多Agent仿真系统,能够在多种主流平台上运行三Netlogo模型分为三大部分:行为者(Turtles)二环境(Patches)二观察者(Ob-server)三观察者是指系统程序写作者,可以操控Pat-ches和Turtles以及一些系统环境变量三仿真系统由Patches及Turtles所构成三Netlogo平台构建的多主体模型通过主体与所处环境的之间交互作用,使得个体的变化成为整个系统变化的基础,统一地加以考察,其主要的交互形式有Patch和Turtle之间的交互二Turtle 和Turtle之间的交互及Patch和Patch之间的交互三Netlogo建模能很好地模拟微观个体的行为和宏观模
四23四情报杂志第32卷
式的涌现及其两者之间的联系,特别适合于模拟舆情
演化这类随时间发展的复杂系统三文献[7]建立了言
论主体Agent及舆论子场Agent的行为及交互规则,
分别对言论主体的影响力二态度及舆论子场的舆情状
态进行了描述,通过仿真建模模拟在不同参数环境下
的网络舆情演变行为;文献[29]重点考虑个体Agent
建模,提取与舆情演化最相关个体意见二影响力二固执
度和信任度几个特征,而将媒体视为独立于Agent系
统之外的上层对象,验证不同宣传方式开展舆论宣传
工作所产生的不同效果;宗利永(2010)等模拟了危机
事件爆发后危机话题和注意力资源的变动过程,探讨
了受众注意力资源分配机制对网络危机舆情演变的影
响[39];郑路(2011)使用Netlogo仿真研究网络谣言传播的群体化问题,提出了意见领袖相对影响力指数及
相应的评价算法,优化改进了对复杂网络节点影响力
的评价效果[40]三
2.5.2 Starlogo三StarLogo是在美国自然科学基金会和乐高集团(LEGO Group)赞助下,由麻省理工学院多媒体实验室开发的基于主体的可编程建模环境三StarLogo同样定义Turtles二Patches和Observers三个角色,以软件的方式描述了主体以及主体与环境二主体与主体之间的交互过程,从而可以研究由多个主体组成的复杂适应系统的运行机制三StarLogo的研究对象是没有组织者而能够自我组织,没有协调者而能够自我协调的分散系统,可以对现实世界中的现象进行建模并利用StarLogo研究其自身的规律性三利用StarLogo平台,文献[41-42]定义了用户主体和话题主体,将用户主体抽象成管理员用户二恶意用户二优质用户和中立用户,分别对不带话题推送功能的和带话题推送功能的平台进行仿真,建立了新的带直接免疫的舆情传播控制模型,验证了话题推动可以加速话题理性化进程三
2.5.3Swarm三Swarm平台是Santa Fe研究所人工生命研究小组开发的基于Agent的广泛用于社会二政治二经济二生态等领域一个通用的建模仿真平台三Swarm支持分级建模方法,具有递归结构三在嵌套中,个体可由其他个体的Swarm所组成三父Swarm可以由子Swarm SubSwarm组成三Swarm提供了面向对象的可重用组件库用来建模并进行分析,显示以及对实验进行控制三一个Swarm模型包括了模型Swarm (Model Swarm)以及观察者Swarm(Observer Swarm), Model Swarm中的每一个对象对应模型世界中的每一个主体,包括模型中行为的时间表及一系列输入和输出三Observer Swarm则包括一组个体和一个行为时间表,分别用来描述观测的探测器和各探测器采样的间隔和顺序三孙佰清(2011)等人利用Swarm仿真平台构建了网络舆情扩散监控模型和网络舆情扩散规律分析模型,通过实验证实模型有效,并提出相关政策建议[43]三2.5.4 Vensim三Vensim是美国Ventana系统工程公司开发的一个可视化的专用模拟动态分析工具,它容许使用者对动态系统采用模块二概念化说明,进行模拟分析和系统优化,利用基于框图形式的状态变量二速率变量二辅助变量与驱动变量和反馈循环的手段,使用数学方程形成一个动态完整的模拟模型三目前, Vensim应用在网络舆情仿真领域的文献相对其他仿真平台数量较多,常见的研究方法是基于系统动力学通过Vensim仿真软件对网络舆情相关对象进行绘制因果关系图二存量流量图,分别对不同影响因素进行仿真并改变其参数设置,通过对比从而推导出提高应对与控制网络舆情能力的措施三如文献[11]对政府信息公开透明度二意见领袖的活跃度和传统媒体引导程度进行仿真;文献[13]对人为二法治二技术二沟通4个因素进行仿真;文献[31]分别对事件二网民二媒体二政府作用进行仿真等三
2.5.5 Netica三Netica是Norsys公司开发的世界上使用最广泛的贝叶斯网络开发软件,提供直观的网络图和清晰的用户界面,使用高效二先进的各种推理算法对网络中节点的变量关系进行推理三Netica使用影响图来寻找到最优的决策,最大限度地指定变量的预期值,同时还可以提供多种方式进行网络的变换,当变量不再有使用价值时,可以直接删除该变量,而不改变其他变量之间的整体关系,从而针对不同的输入给出最合理的推理结果三文献[12,44]用Netica软件进行贝叶斯网络仿真,通过EM迭代算法进行参数学习,建立了突发性公共危机事件网络舆情热度预警模型,并通过大量实验表明,基于贝叶斯网络的网络舆情预警方法与其他预警方法相比,在方法的灵活性二操作的便捷性二评估的动态性和及时性以及评估结论的可解释性等方面都有了较大幅度的提高,可以满足日益复杂的网络舆情态势评估及预警要求三
2.5.6Matlab三MATLAB是由美国Mathworks 公司发布的主要面对科学计算二可视化以及交互式程序设计的计算环境三作为MATLAB扩展工具箱中最有影响力的软件包,Simulink是一种针对各种物理二数学系统,尤其是控制系统以及基于DSP(数字信号处理)系统的先进建模二分析及仿真环境三Matlab也常用于研究网络舆情的演化过程,文献[5]仿真模拟了论坛中某一事件个人发言数和增回复数随时间的变化过程;文献[14]利用Matlab语言构建BA无标度网络,引入社会福利博弈模型,通过仿真模拟网络中各节点的行为选择,研究了舆情的演化过程;兰月新
四33四
第10期朱毅华,等:网络舆情研究中的仿真方法应用综述
(2012)针对网络谣言,将网民分为无知者二传播者和免疫者通过模拟三类网民数量变化来研究舆情传播与发展的规律[45]三
2.5.7Delphi三严格意义上Delphi不能算是一种仿真平台,而是由前Borland公司推出的可视化编程环境三基于其作为一种方便二快捷的Windows应用程序开发工具,王根生(2012)使用Delphi对其元胞自动机舆情模型进行了编程实现,对网络舆情群体极化的4种现象进行了仿真[46]三钟扬廉(2012)结合KPI 考核方法构建高校网络群体极化模型,研究了高校群体极化现象[47]三
从原理与特点来看,主流的仿真研究平台主要可分为以下几类:a.基于Agent建模原理的NetLogo, StarLogo和Swarm平台,可用于基于多Agent系统模型和元胞自动机模型的仿真,研究人员可结合小世界理论二突现计算二博弈论建立模型规则与参数,利用系统提供的脚本控制仿真过程;b.基于动力系统理论进行因果关系分析的Vensim平台,研究人员可通过系统提供的可视化环境绘制因果关系图二存量流量图,分别对不同作用因素进行仿真并改变其参数设置考察不同因素作用大小的变化对舆情演化的影响;c.通用型的仿真/编程开发平台,如Matlab与Delphi,研究人员可更为自由地对仿真模型进行编程控制,因而可以适用于各类仿真模型的实现,但对研究人员编程水平的要求较高三
2.6 结果分析常见的仿真结果分析包括通过多次模拟来考察仿真对象随时间变量演化的情况,以及修改仿真对象的属性或行为参数来考察不同作用因素对舆情演化的影响大小三采用不同的建模方法和模拟平台所得到仿真结果的形式也各不相同,一般仿真软件都提供图表等可视化的界面绘制相关图谱或模拟概率进行结果分析,根据研究目标和假设与仿真结果进行对照并分析可能的原因,从而得出相关结论及建议三当然,在得到最终的结论前,应首先验证仿真模型的有效性,现有研究一般是通过对已有舆情事件的模拟来检验仿真模型与现实的一致性来完成三
3 存在问题与未来研究展望
从相关文献的统计分析可以发现,我国网络舆情仿真研究尚处于起步和发展阶段,从研究内容二数量到研究质量来看都还存在一些问题:
a.从文献总量及其变化看,网络舆情仿真模型的研究刚刚开始并且有增多趋势,但从主题关键词频中可以发现该领域交叉学科众多,研究重点较为分散,整体研究水平还有待提高;
b.从资助的基金项目发表的论文来看,基金项目发表的论文占这一领域论文的大部分,一方面说明国家及各地区对该领域研究较为重视,另一方面也体现了一般研究学者对该领域研究积极性还不高;
c.从研究内容来看,对舆情系统建模是本领域研究的核心内容,为了描述舆论交互与演化过程研究者们提出了大量的模型,但是不同模型的对仿真对象的适用性,以及模型中各类规则与参数的选择与设定显然具有很大的主观性和随意性,从方法论角度来看仍缺乏统一规范的建模标准三对于各种社会环境中的复杂的舆论行为和现象,模型的描述能力还面临诸多的质疑;
d.由于获取实证数据的困难较大,多数研究只停留在理论分析和讨论上,缺乏有说服力的检验三多数仿真研究仅通过对过去所发生热点事件的模拟来验证其模型的有效性,仿真模型和结论只能对一些舆论现象的产生做出描述和解释,还不能实现对现实热点事件发展与演化进行研判和预测,其指导舆情引导工作的实践意义还未能真正得到体现三
总的来看,我国的网络舆情仿真建模研究尚处于起步阶段三由于网络舆情是多学科交叉研究领域,吸引了各学科领域专家学者的关注,丰富了网络舆情仿真研究的方法和对象三如何有效地结合网络挖掘二社会心理学二传播学等多学科的最新的研究方法和成果,针对不同的专业领域二网络传播环境二网络主体,构建能够更为精确刻画个体行为和交互过程特征的网络舆情仿真模型,充分利用互联网中大量可获得的数据对理论模型进行修正和检验,提高仿真研究的实用性,是下一阶段研究的重点三
参考文献
[1] 许鑫,章成志,李雯静.国内网络舆情研究的回顾与展望
[J].情报理论与实践,2009(3):115-120
[2] 国家自然科学基金委员会.国家自然科学基金[DB/OL].
[2013-06-10].https://www.360docs.net/doc/515069647.html,
[3] 国家社会科学基金委员会.国家社会科学基金[DB/OL].
[2013-06-10].https://www.360docs.net/doc/515069647.html, [4] 曾祥平,方勇,袁媛,等.基于元胞自动机的网络舆论激励
模型[J].计算机应用,2007,27(11):2686-2688 [5] 吴渝,杨涛,肖开洲.BBS突发舆情分析及基于小世界网
络的预测模型[J].重庆邮电大学学报:自然科学版,2010
(3):350-354
[6] 张建红.地方政府应对网络舆情能力的系统动力学研究[D].
青岛:青岛大学,2012
[7] 宗利永,顾宝炎.危机沟通环境中网络舆情演变的Multi-A-
gent建模研究[J].情报科学,2010(9):1414-1419 [8] 王根生,勒中坚.小世界效应的网络舆情演化迁移元胞模型
[J].小型微型计算机系统,2011(12):2523-2528 [9] 马瑞新,朱明,孟宇.基于粒子群的舆情网络用户聚类模
拟与仿真[J].计算机科学,2012(12):220-223
四43四情报杂志第32卷
[10]王根生.面向群体极化的网络舆情演化研究[D ].南昌:江西
财经大学,2011
[11]田艳玲,徐学峰,马晓兰,等.基于系统动力学的网络舆情影响
因素分析[J ].青岛大学学报:自然科学版,2011(1):72-77[12]张一文,齐佳音,方滨兴,等.基于贝叶斯网络建模的非常规危
机事件网络舆情预警研究[J ].图书情报工作,2012(2):76-81
[13]张建红,钟永光,张海珍,等.地方政府应对网络舆情能力的系
统动力学研究[J ].情报探索,2011(11):12-14[14]谌 楠,王恒山.网络舆情政府干预最佳点选择的研究[J ].现代图书情报技术,2012(3):53-58[15]黄 敏,胡学钢.基于复杂网络方法的舆情热点挖掘[J ].计算机仿真,2011(9):114-117
[16]王铁套.突发事件网络舆情分析与威胁估计方法研究[D ].郑
州:解放军信息工程大学,2012
[17]王铁套,王国营,陈 越.一种基于Elman 神经网络的网络舆
情威胁估计方法[J ].信息工程大学学报,2012(4):482-488[18]宋昭君,戴 航,黄东旭.一种鉴别博客空间意见领袖的算法研究[J ].微处理机,2012(6):37-40
[19]Alves S G ,Oliveira NETO N M ,Martins M L.Electoral Surveys
'Influence on the Voting Processes :a Cellular Automata Model [J ].Physica A :Statistical Mechanics and Its Applications ,
2002,316(1):601-614
[20]方 薇,何留进,孙 凯,等.采用元胞自动机的网络舆情传播
模型研究[J ].计算机应用,2010(3):751-755[21]曾显葵.基于多数规则和协同规则的元胞自动机舆论传播模型研究[D ].桂林:广西师范大学,2007
[22]刘慕仁,邓敏艺,孔令江.舆论传播的元胞自动机模型[J ].广
西师范大学学报:自然科学版,2002,20(2):1-3[23]方 薇,何留进,宋良图.因特网舆情传播的协同元胞自动机模型[J ].计算机应用,2012(2):399-402[24]戴建华,杭家蓓.基于模糊规则的元胞自动机网络舆论传播模型研究[J ].情报杂志,2012(7):16-20[25]张彦超.社交网络服务中信息传播模式与舆论演进过程研究[D ].北京:北京交通大学,2012
[26]Watts D J ,Strogatz S H.Collective Dynamics of Small World
Networks [J ].Nature (S 0028-0836),1998,393(4):440-442[27]Newman M E J ,Watts D J.Scaling and Percolation in the Small
-world Network Model [J ].Phys.Rev.E (S 1063-6517),
1999,60:7332-7342
[28]Barabasi A L ,Albert R.Emergence of Scaling in Random Net-works [J ].Science ,1999,286(5439):509-512[29]刘小波.基于NetLogo 平台的舆情演化模型实现[J ].情报资
料工作,2012(1):55-60
[30]朱恒民,李 青.面向话题衍生性的微博网络舆情传播模型研究[J ].现代图书情报技术,2012(5):60-64[31]狄国强,曾华艺,勒中坚,等.网络舆情事件的系统动力学模型与仿真[J ].情报杂志,2012(8):12-20[32]陆题佳.因特网中危机信息传播规律及应对模式研究[D ].合肥:中国科学技术大学,2010
[33]Zeng Jianping ,Zhang Shiyong ,Wu Chengrong ,et al.Modeling
Topic Propagating Over the Internet [J ].Mathematical and Com-puter Modeling of Dynamic Systems ,2009,15(1):83-93[34]Zeng Jianping ,Zhang Shiyong ,Wu Chengrong ,et al.Predictive
model for Internet public opinion [C ]//FSKD 2007:Fourth In-ternational Conference on Fuzzy System and Knowledge Discov-ery.Washington ,DC :IEEE Computer Society ,2007:7-11[35]A D Mare ,V Latora.Opinion Formation Models Based on Game
Theory [J ].International Journal of Modem Physics C ,2007,
18(9):1377-1395
[36]F Ding Y Liu ,Y Li.Co -evolution of Opinion and Strategy in
Persuasion Dynamics :an Evolutionary Game Theoretical Ap-proach [J ].International Journal of Modem Physics C ,2009,20(3):479-490
[37]F Ding Y Liu ,B Shen ,X M Si.An Evolutionary Game Theory
Model of Binary Opinion Formation [J ].PhysicaA :Statistical
Mechanics and its Applications ,2010,389(8):1745-1752[38]方 薇,何留进,宋良图.因特网上舆情传播的预测建模和仿
真研究[J ].计算机科学,2012(2):203-205
[39]宗利永,顾宝炎,孙绍荣.基于注意力资源分配机制的网络危
机舆情演变研究[J ].情报理论与实践,2010,33(10):29-33[40]郑 路.群体极化中的网络谣言传播研究[D ].南昌:江西财经大学,2011
[41]陈 波,于 泠,刘君亭,等.泛在媒体环境下的网络舆情传播
控制模型[J ].系统工程理论与实践,2011(11):2140-2150[42]刘君亭.Web 2.0环境下网络舆情传播控制模型及实现[D ].南京:南京师范大学,2012
[43]孙佰清,董靖巍.重大公共危机网络舆情扩散监测和规律分析[J ].哈尔滨工业大学学报:社会科学版,2011(1):92-97[44]张一文.突发性公共危机事件与网络舆情作用机制研究[D ].
北京:北京邮电大学,2012
[45]兰月新.突发事件网络舆情谣言传播规律模型及对策研究[J ].情报科学,2012(9):1334-1338
[46]王根生.网络舆情群体极化动力模型与仿真分析[J ].情报杂
志,2012(3):20-24
[47]钟扬廉.基于UIGP 模型预测分析下的高校网络群体极化研
究[J ].科协论坛(下半月),2012(9):85-86
(责编:刘武英
)
(上接第66页)
国情报学期刊被引分析的启示[J ].现代情报,2007(1):62-64
[9] 李长玲,纪雪梅,支 玲.基于E -I 指数的字科交叉程度分
析 以情报学等5个学科为例[J ].图书情报工作,2011,55(16):33-36
[10]王 昊,苏新宁.基于CSSACI 本体的学科关联分析[J ].现代
图书情报技术,2010(10):10-16
[11]张洪磊,魏建香,杜振东.基于社会复杂网络的学科交叉研究
[J ].情报杂志,2011,30(10):25-29
[12]栾春娟.专利计量与专利战略[M ].大连:大连理工大学出版
社,2012:1-3
[13]谢彩霞,梁立明,王文辉.我国纳米科技论文关键词共现分析[J ].情报杂志,2005,24(3):69-73[14]Ozman M.Breadth and Depth of Main Technology Fields :An
Empirical Investigation Using Patent Data [R ].Middle East
Technical University Working Paper ,2007(责编:白燕琼)四
53四 第10期 朱毅华,等:网络舆情研究中的仿真方法应用综述
网络舆情研究中的仿真方法应用综述*
作者：朱毅华， 郭诗云， 张超群， Zhu Yihua， Guo Shiyun， Zhang Chaoqun
作者单位：南京农业大学信息科学与技术学院 南京 210095
刊名：
情报杂志
英文刊名：Journal of Intelligence
年，卷(期)：2013(10)
参考文献(47条)
1.许鑫;章成志;李雯静国内网络舆情研究的回顾与展望 2009(03)
2.国家自然科学基金委员会国家自然科学基金 2013
3.国家社会科学基金委员会国家社会科学基金 2013
4.曾祥平;方勇;袁媛基于元胞自动机的网络舆论激励模型 2007(11)
5.吴渝;杨涛;肖开洲BBS突发舆情分析及基于小世界网络的预测模型 2010(03)
6.张建红地方政府应对网络舆情能力的系统动力学研究 2012
7.宗利永;顾宝炎危机沟通环境中网络舆情演变的Multi-A-gent建模研究 2010(09)
8.王根生;勒中坚小世界效应的网络舆情演化迁移元胞模型 2011(12)
9.马瑞新;朱明;孟宇基于粒子群的舆情网络用户聚类模拟与仿真 2012(12)
10.王根生面向群体极化的网络舆情演化研究 2011
11.田艳玲;徐学峰;马晓兰基于系统动力学的网络舆情影响因素分析 2011(01)
12.张一文;齐佳音;方滨兴基于贝叶斯网络建模的非常规危机事件网络舆情预警研究 2012(02)
13.张建红;钟永光;张海珍地方政府应对网络舆情能力的系统动力学研究 2011(11)
14.谌楠;王恒山网络舆情政府干预最佳点选择的研究 2012(03)
15.黄敏;胡学钢基于复杂网络方法的舆情热点挖掘 2011(09)
16.王铁套突发事件网络舆情分析与威胁估计方法研究 2012
17.王铁套;王国营;陈越一种基于Elman神经网络的网络舆情威胁估计方法 2012(04)
18.宋昭君;戴航;黄东旭一种鉴别博客空间意见领袖的算法研究 2012(06)
19.Alves S G;Oliveira NETO N M;Martins M L Electoral Surveys ' Influence on the Voting Processes:a Cellular Automata Model 2002(01)
20.方薇;何留进;孙凯采用元胞自动机的网络舆情传播模型研究 2010(03)
21.曾显葵基于多数规则和协同规则的元胞自动机舆论传播模型研究 2007
22.刘慕仁;邓敏艺;孔令江舆论传播的元胞自动机模型 2002(02)
23.方薇;何留进;宋良图因特网舆情传播的协同元胞自动机模型 2012(02)
24.戴建华;杭家蓓基于模糊规则的元胞自动机网络舆论传播模型研究 2012(07)
25.张彦超社交网络服务中信息传播模式与舆论演进过程研究 2012
26.Watts D J;Strogatz S H Collective Dynamics of Small World Networks 1998(04)
27.Newman M E J;Watts D J Scaling and Percolation in the Small-world Network Model 1999
28.Barabasi A L;Albert R Emergence of Scaling in Random Net-works 1999(5439)
29.刘小波基于NetLogo平台的舆情演化模型实现 2012(01)
30.朱恒民;李青面向话题衍生性的微博网络舆情传播模型研究 2012(05)
31.狄国强;曾华艺;勒中坚网络舆情事件的系统动力学模型与仿真 2012(08)
32.陆题佳因特网中危机信息传播规律及应对模式研究 2010
33.Zeng Jianping;Zhang Shiyong;Wu Chengrong Modeling Topic Propagating Over the Internet 2009(01)
34.Zeng Jianping;Zhang Shiyong;Wu Chengrong Predictive model for Internet public opinion 2007
35.A D Mare;V Latora Opinion Formation Models Based on Game Theory 2007(09)
36.F Ding Y Liu;Y Li Co-evolution of Opinion and Strategy in Persuasion Dynamics:an Evolutionary Game Theoretical Ap-proach 2009(03)
37.F Ding Y Liu;B Shen;X M Si An Evolutionary Game Theory Model of Binary Opinion Formation 2010(08)
38.方薇;何留进;宋良图因特网上舆情传播的预测建模和仿真研究 2012(02)
39.宗利永;顾宝炎;孙绍荣基于注意力资源分配机制的网络危机舆情演变研究 2010(10)
40.郑路群体极化中的网络谣言传播研究 2011
41.陈波;于泠;刘君亭泛在媒体环境下的网络舆情传播控制模型 2011(11)
42.刘君亭Web2.0环境下网络舆情传播控制模型及实现 2012
43.孙佰清;董靖巍重大公共危机网络舆情扩散监测和规律分析 2011(01)
44.张一文突发性公共危机事件与网络舆情作用机制研究 2012
45.兰月新突发事件网络舆情谣言传播规律模型及对策研究 2012(09)
46.王根生网络舆情群体极化动力模型与仿真分析 2012(03)
47.钟扬廉基于UIGP模型预测分析下的高校网络群体极化研究 2012(09)
引证文献(1条)
1.殷雁君.唐卫清.李蔚清基于社会网络的群体情绪模型[期刊论文]-计算机应用研究 2015(1)
引用本文格式：朱毅华.郭诗云.张超群.Zhu Yihua.Guo Shiyun.Zhang Chaoqun网络舆情研究中的仿真方法应用综述*[期刊论文]-情报杂志 2013(10)