隨著網(wǎng)絡(luò)媒介技術(shù)的不斷進步和發(fā)展,用戶參與網(wǎng)絡(luò)信息傳播變的十分普遍,于是在社交網(wǎng)絡(luò)上時�？吹骄湍硞�社會事件展開激烈討論的情形,從而形成相應(yīng)事件的網(wǎng)絡(luò)輿論。網(wǎng)絡(luò)輿論的發(fā)展不一定最終都能達成相對統(tǒng)一的局面,有可能存在某些干擾因素,影響輿論的正常發(fā)展,從而造成網(wǎng)絡(luò)信息傳播出現(xiàn)偏差,干擾網(wǎng)民做出理性抉擇。我們以2016年美國大選期間出現(xiàn)的特朗普現(xiàn)象為研究對象,對超級用戶所引發(fā)的信息級聯(lián)效應(yīng)進行探究,即信息傳播中后續(xù)個體會僅僅觀察先前個體的選擇而延續(xù)這種選擇,進而造成廣泛影響。對網(wǎng)絡(luò)中影響輿論觀點偏差的要素進行梳理和分析,改進之前的輿論觀點交互方式,以期更加合理準(zhǔn)確地模擬真實輿論中這些影響因素所發(fā)揮的作用。具體的研究工作主要從以下幾方面展開:首先,分析目前有關(guān)輿論傳播的研究現(xiàn)狀以及趨勢,針對社交網(wǎng)絡(luò)無標(biāo)度的特性,對網(wǎng)絡(luò)中連接度高,并對信息傳播起關(guān)鍵作用的個別超級用戶給出區(qū)別于一般意見領(lǐng)袖的定義,總結(jié)出該類用戶三個特征:個人魅力大、說服力大,觀點滲透能力更強。這三個特點使得超級用戶在進行意見交換時鮮受傳統(tǒng)意見交換模型中傳播閾值的限制,同時其影響力是跨領(lǐng)域的,不僅對周圍鄰居意見產(chǎn)生影響,還會對網(wǎng)絡(luò)中... 

【文章來源】：浙江工商大學(xué)浙江省

【文章頁數(shù)】：72 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖１－１微博月活躍人數(shù)增長趨勢圖??隨著越來越多的用戶參與網(wǎng)絡(luò)中信息的傳播，網(wǎng)絡(luò)媒介的門檻也變得越來越??，，

目前社交網(wǎng)絡(luò)呈現(xiàn)無標(biāo)度特性，在無標(biāo)度網(wǎng)絡(luò)中，個體之間的連接呈現(xiàn)冪律??分布，部分連接數(shù)較高的用戶對信息傳播起到關(guān)鍵性作用，個別超級用戶更是成??為核心樞紐，如下圖３－１所示。??圖３－１無標(biāo)度網(wǎng)絡(luò)??（２）超級用戶的識別??目前關(guān)于評價網(wǎng)絡(luò)中節(jié)點影響力的方法有很多種，像基于網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的方??法，如依據(jù)用戶粉絲數(shù)、用戶活躍度、用戶權(quán)威性、度中心性、接近中心性和中??介中心性等。以及基于節(jié)點交互行為的方法，如節(jié)點之間的同質(zhì)性、親密度、主??題相似度、主題接受度和用戶傳播信息的意愿等。基于網(wǎng)絡(luò)結(jié)構(gòu)的方法模型簡單，??計算效率較高，能夠處理大規(guī)模的社交網(wǎng)絡(luò)，因為本文主要研宄的重點是節(jié)點之??間交互規(guī)則的改進，所以對超級用戶的識別不做過多的探討，選擇用節(jié)點度來評??判該節(jié)點是否為超級用戶。因為在無標(biāo)度網(wǎng)絡(luò)中節(jié)點度分布為冪律分布，所以存??在一些擁有大量鄰居的節(jié)點

｜?Ｕ（，＋?１）?＝?？（，）??如下圖３－２所示，超級用戶影響與他不相鄰的節(jié)點情況。??圖３－２衍生網(wǎng)絡(luò)圖??３．３考慮信息爭議性的超級用戶輿論偏差模型??在復(fù)雜的網(wǎng)絡(luò)輿情環(huán)境中，信息發(fā)布的便利性在很大程度上造成了輿情傳播??的自由化和分散化。超級用戶的態(tài)度和立場對于普通用戶具有較強的影響力，這??些人具有較高的知識水平和科學(xué)素養(yǎng)，所發(fā)布的立場態(tài)度鮮明，言詞確切而具有??說服力。普通網(wǎng)民在瀏覽此類內(nèi)容時通常極易被引導(dǎo)，從而改變自身對于這個事??３０??

【參考文獻】：
期刊論文
[1]復(fù)雜網(wǎng)絡(luò)演化的輿論動力學(xué)模型及仿真分析[J]. 王艦,王志宏,張樂君.  計算機應(yīng)用. 2018(04)
[2]噪聲干擾下的網(wǎng)絡(luò)輿論觀點引導(dǎo)研究[J]. 蘇繼超,朱恒民.  情報雜志. 2017(10)
[3]具有個體信息差異的Deffuant-I輿論傳播模型[J]. 張亮,楊閃,李霞.  系統(tǒng)工程. 2017(06)
[4]基于有界信任模型的網(wǎng)絡(luò)社群輿情觀點演化研究[J]. 李根強,羅艷艷,臧學(xué)蓮.  情報科學(xué). 2017(06)
[5]成本約束下影響力最大化問題研究[J]. 胡旭,王雪珊.  甘肅科學(xué)學(xué)報. 2016(06)
[6]在線輿論演化模型與動力學(xué)分析[J]. 吳云,張偉,宋華.  武漢理工大學(xué)學(xué)報(信息與管理工程版). 2016(03)
[7]復(fù)雜網(wǎng)絡(luò)中無信任邊界限制的連續(xù)觀點演化研究[J]. 茍智堅,范明鈺,王光衛(wèi).  電子科技大學(xué)學(xué)報. 2015(05)
[8]網(wǎng)絡(luò)輿情傳播的從眾效應(yīng)[J]. 劉錦德,王國平.  江西社會科學(xué). 2015(05)
[9]突發(fā)事件下群體搶購行為的輿論傳播機理研究[J]. 趙奕奕,彭怡,肖磊,李玲.  系統(tǒng)工程理論與實踐. 2015(03)
[10]基于支持向量機的炒作微博識別方法[J]. 董雨辰,劉琰,羅軍勇,張進.  計算機工程. 2015(03)

博士論文
[1]基于個體社會屬性的網(wǎng)絡(luò)輿情演化模型研究[D]. 劉泉.大連理工大學(xué) 2016
[2]基于復(fù)雜網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情動態(tài)演進影響機制研究[D]. 董靖巍.哈爾濱工業(yè)大學(xué) 2016
[3]基于復(fù)雜網(wǎng)絡(luò)的互聯(lián)網(wǎng)輿情傳遞及監(jiān)控研究[D]. 宋瑞曉.南京航空航天大學(xué) 2016
[4]基于復(fù)雜社會網(wǎng)絡(luò)的網(wǎng)絡(luò)輿情演化模型研究[D]. 張偉.哈爾濱工業(yè)大學(xué) 2014

碩士論文
[1]輿論動力學(xué)中的反轉(zhuǎn)演化機制研究[D]. 武杰.南京郵電大學(xué) 2017
[2]社交網(wǎng)絡(luò)中影響力計算與用戶行為預(yù)測問題研究[D]. 王偉波.山東大學(xué) 2016
[3]基于三度理論的社會網(wǎng)絡(luò)頂點影響力最大化算法研究[D]. 秦亞東.山東大學(xué) 2016
[4]基于社團結(jié)構(gòu)的影響最大化算法研究[D]. 陳厚兵.南京大學(xué) 2016
[5]面向主題耦合的影響力最大化研究[D]. 呂文淵.云南大學(xué) 2016
[6]信息擴散最大化問題的新優(yōu)化算法[D]. 楊帥帥.華南理工大學(xué) 2016
[7]微博轉(zhuǎn)基因網(wǎng)絡(luò)輿情演化傳播研究[D]. 張超群.南京農(nóng)業(yè)大學(xué) 2015



本文編號：3381065