【摘要】：近年來,隨著互聯(lián)網高速發(fā)展,網民的數(shù)量也隨之越來越多,導致大量的輿情信息充斥在網絡空間之中,這些輿情信息深刻地影響著網民的心理與行為,特別是網絡突發(fā)事件頻發(fā),導致民眾在獲知網絡輿情時,受其影響而產生的或積極,或消極的情感,這些情感在網絡群體的影響下,很容易產生極化,從而影響網民個體的行為,如果是消極性的極化情緒,不加以疏導,便會造成嚴重的社會后果。因此,通過把握網民的情感走向,有針對性采取相應的引導策略,對企事業(yè)單位以及政府具有重要意義。本文基于SIRS模型,對情感傳播的關鍵影響因素進行分析,以2016年的魏則西網絡事件為例,收集相關數(shù)據(jù),運用Gephi軟件首先生成傳播網絡模型,然后采用Netlogo軟件、python語言對模型進行實驗仿真,通過采取結合情感和中心性的挖掘指標,找出關鍵節(jié)點,然后便可以采用選擇的目標免疫策略進行免疫。具體研究內容包括以下三個方面:1、通過闡述信息傳播的機制,分析信息與情緒相互之間的關系,引出情感的產生機理以及情感的傳播機制,將兩者進行融合。采取圖論建模的方法,基于社交網絡,收集某條微博的數(shù)據(jù),建立情感的傳播網絡。2、基于SIRS模型,再根據(jù)社交網絡的特點,加入出生率和恢復損失率兩個參量,并且運用李雅普諾夫穩(wěn)定性法則證明了模型的穩(wěn)定型。通過改變各個參量的值,觀察對感染者比例的影響,最后確定出免疫率和恢復損失率是影響感染者數(shù)量的關鍵因素。3、根據(jù)第四章的出的結論,知道免疫率和恢復損失率是影響情感傳播效果的關鍵因素,第五章采用相應的免疫策略對網絡中的節(jié)點進行免疫,通過對比三種免疫策略和一種改進免疫策略,得出了目標免疫策略為最佳。最后采用結合情感指標與中心性指標的方法,挖掘出關鍵節(jié)點,得出免疫效果的對比圖。
[Abstract]:In recent years, with the rapid development of the Internet, the number of Internet users has become more and more, resulting in a large number of public opinion information flooded in the cyberspace, these public opinion information profoundly affect the psychology and behavior of Internet users. In particular, the frequent occurrence of network emergencies results in people being influenced by the public opinion on the Internet, either positive or negative, which are easily polarized under the influence of network groups. Therefore, if the behavior of individual Internet users is influenced by negative polarization, it will result in serious social consequences. Therefore, it is of great significance for enterprises and governments to grasp the emotional trend of Internet users and adopt corresponding guiding strategies. Based on the SIRS model, this paper analyzes the key influencing factors of emotional communication, taking Wei Zexi's network event in 2016 as an example, collecting relevant data, using Gephi software to generate the propagation network model first, and then using Netlogo software. Python language is used to simulate the model. By combining emotional and central mining indexes, key nodes can be found, and then the selected target immune strategy can be used to immune the model. The specific research contents include the following three aspects: 1. Through expounding the mechanism of information dissemination, analyzing the relationship between information and emotion, eliciting the generation mechanism of emotion and the communication mechanism of emotion, combining the two. This paper adopts the method of graph theory modeling, based on social network, collects some Weibo's data, establishes the transmission network of emotion. 2. Based on the SIRS model, and according to the characteristics of social network, two parameters, birth rate and recovery loss rate, are added. And the stability type of the model is proved by using Lyapunov stability law. By changing the values of each parameter, observing the effect on the proportion of infected people, and finally determining that the immune rate and recovery loss rate are the key factors affecting the number of infected people. 3. According to the conclusion of Chapter 4, We know that immune rate and recovery loss rate are the key factors to affect the effect of emotional transmission. In Chapter 5, we use the corresponding immune strategy to immune nodes in the network, and compare the three immune strategies and one improved immune strategy. The target immunization strategy is the best. Finally, the key nodes are excavated by combining the emotional index with the central index, and the immune effects are compared.
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：G206

【參考文獻】

相關期刊論文 前10條

1 戴杏云;張柳;戴偉輝;朱華;;社交網絡的情感圖譜研究[J];管理評論;2016年08期

2 李勇;蔡夢思;鄒凱;李黎;;社交網絡用戶線上線下情感傳播差異及影響因素分析——以“成都女司機被打”事件為例[J];情報雜志;2016年06期

3 李春雷;雷少杰;;突發(fā)群體性事件后情緒傳播機制研究[J];現(xiàn)代傳播(中國傳媒大學學報);2016年06期

4 湯小東;錢進;;社交網絡中基于情感模型的用戶轉發(fā)行為預測[J];現(xiàn)代計算機(專業(yè)版);2016年05期

5 賴勝強;唐雪梅;;信息情緒性對網絡謠言傳播的影響研究[J];情報雜志;2016年01期

6 趙衛(wèi)東;趙旭東;戴偉輝;戴永輝;胡虹智;;突發(fā)事件的網絡情緒傳播機制及仿真研究[J];系統(tǒng)工程理論與實踐;2015年10期

7 紀雪梅;王芳;;SNA視角下的在線社交網絡情感傳播研究綜述[J];情報理論與實踐;2015年07期

8 何天翔;張暉;李波;楊春明;趙旭劍;;一種基于情感分析的網絡輿情演化分析方法[J];軟件導刊;2015年05期

9 王晰巍;邢云菲;趙丹;李嘉興;;基于社會網絡分析的移動環(huán)境下網絡輿情信息傳播研究——以新浪微博“霧霾”話題為例[J];圖書情報工作;2015年07期

10 沈乾;黃遠;馬寧;劉怡君;;復雜網絡演化中的“熵減點”研究:以微博傳播網絡的演化為例[J];數(shù)學的實踐與認識;2015年03期

相關博士學位論文 前2條

1 杜占瑋;個體的情感和傳染病傳播理論研究[D];吉林大學;2015年

2 胡慶成;基于復雜網絡的信息傳播模型研究[D];清華大學;2015年

相關碩士學位論文 前9條

1 劉瑩瑩;基于傳染病模型的情緒傳播機制與影響因素的研究[D];江蘇大學;2016年

2 劉倩倩;微博在線社交網絡的病毒傳播研究[D];蘭州交通大學;2015年

3 黃格;復雜社會網絡中輿情傳播模型及影響因素分析[D];湘潭大學;2015年

4 王淑嫻;基于隔離策略的復雜網絡病毒傳播模型研究[D];山東師范大學;2015年

5 張沙沙;非常規(guī)突發(fā)事件情景下民眾恐慌情緒的影響因素研究[D];燕山大學;2015年

6 鄭愛國;基于復雜傳染機制的在線社會網絡信息傳播模型研究[D];大連理工大學;2015年

7 王小偉;基于動態(tài)復雜網絡的病毒傳播模擬及控制策略研究[D];華南理工大學;2015年

8 吳騰飛;基于復雜網絡理論的微博傳播動力學研究[D];杭州電子科技大學;2015年

9 張榮華;論網絡突發(fā)事件的成因與應對策略[D];北京郵電大學;2011年

，

本文編號：2402950