曾倬穎,李睿

(中國電子科學研究院,北京 100041)

?

綜 述

網(wǎng)絡(luò)輿情的傳播模型研究綜述深

曾倬穎,李睿

(中國電子科學研究院,北京 100041)

隨著網(wǎng)絡(luò)媒體的蓬勃發(fā)展以及網(wǎng)民規(guī)模的不斷擴大，網(wǎng)絡(luò)輿情的重要性日趨凸顯。在識別、評估、處置網(wǎng)絡(luò)輿情態(tài)勢的工作中，第一步就是科學建立可盡可能全面反映網(wǎng)絡(luò)輿情的傳播模型。本文對網(wǎng)絡(luò)輿情傳播模型的研究進行了較為全面的梳理和回顧。其關(guān)注點主要集中在傳播模型的生成演化機制、網(wǎng)絡(luò)結(jié)構(gòu)影響力研究及其相關(guān)應用。針對信息傳播模型的宏觀分析和微觀觀測，積累了不少研究成果，但是存在傳播基礎(chǔ)理論與量化實踐分析結(jié)合不緊密的問題。一種基于綜合集成研討廳的人機結(jié)合的信息傳播模型建模，既具備具體問題具體分析的微觀專用性，也具備適用于多種不同關(guān)注角度的廣泛通用性，將對網(wǎng)絡(luò)輿情全方位建模、綜合分析提供新的方法。

網(wǎng)絡(luò)輿情；傳播模型；輿情分析

0 引 言

輿論是社會中相當數(shù)量的人對于一個特定話題所表達的個人觀點、態(tài)度和信念的集合體，也是大眾社會中的一種普遍存在的心理現(xiàn)象，總是涉及政府執(zhí)政安全、社會安寧與幸福等重大問題。輿情是一定的社會空間內(nèi)的輿論動態(tài)，網(wǎng)絡(luò)作為公眾接受信息、表達意見的平臺，集合了較多民眾關(guān)于社會現(xiàn)象、問題的信念、態(tài)度、意見和情緒等。隨著網(wǎng)絡(luò)新媒體的蓬勃發(fā)展以及網(wǎng)絡(luò)接入的日趨便捷，網(wǎng)絡(luò)輿情已經(jīng)從公眾輿論的折射場轉(zhuǎn)為了引發(fā)地、爆發(fā)場，對線下活動影響深遠。截至2015年12月，我國網(wǎng)民規(guī)模已達6.88億[1]，規(guī)模巨大的網(wǎng)民和互聯(lián)網(wǎng)的特點使得網(wǎng)絡(luò)輿情的成為了維護意識形態(tài)安全、網(wǎng)絡(luò)空間安全、社會穩(wěn)定的重要陣地，成為了民眾監(jiān)督政府、反腐倡廉、民主法制建設(shè)、精神文明建設(shè)不可或缺的力量，從多方面為國家治理帶來了巨大的機遇和挑戰(zhàn)。

在關(guān)于網(wǎng)絡(luò)輿情的研究中，傳播模型是非常重要的研究領(lǐng)域，本文針對網(wǎng)絡(luò)輿情的傳播模型，結(jié)合傳統(tǒng)新聞社科等領(lǐng)域的傳播建模和計算機領(lǐng)域針對網(wǎng)絡(luò)輿情傳播的研究，總結(jié)分析了當前國內(nèi)外關(guān)于傳播模型的主要研究進展，提出了我們下一步工作的研究重點。

1 網(wǎng)絡(luò)輿情的概念

網(wǎng)絡(luò)輿情是以網(wǎng)絡(luò)為載體，以事件為核心，集合了廣大網(wǎng)民情感、態(tài)度、意見、觀點的表達、傳播、互動以及后續(xù)影響力[2]，是社會輿論的一種表現(xiàn)形式。

1.1 網(wǎng)絡(luò)輿情的要素

關(guān)于網(wǎng)絡(luò)輿情的要素劃分，尚未形成統(tǒng)一定義。一種認識是分為輿情主體、輿情客體、輿情信息[3]。輿情主體借用社會學中的定義，指的是民眾的主體情緒、表達方式、輿情傾向性。輿情客體是主體產(chǎn)生意見觀點的作用對象，包括社會中各種現(xiàn)象、問題、社會主體等。輿情信息包括事件基本信息，事件內(nèi)容、訴求、危害度等。另一種更為普遍認同的認識則是網(wǎng)絡(luò)輿情由發(fā)布者、受眾、內(nèi)容三大要素[4]構(gòu)成。發(fā)布者是輿情事件的起點，包含輿情影響力、活躍度、價值觀等屬性。受眾是接受信息的大眾，具備參與度、傾向性、網(wǎng)絡(luò)分布、興趣偏好等屬性。內(nèi)容是輿情事件本身，包括主題、關(guān)注度、危害度、敏感性等屬性。

1.2 網(wǎng)絡(luò)輿情的特點

網(wǎng)絡(luò)輿情的信息傳播與傳統(tǒng)媒介信息相比，具有復雜性、開放性、自組織性、虛擬性、隨機性等復雜系統(tǒng)的特征。網(wǎng)絡(luò)的開放性，使所有用戶都能夠參與到網(wǎng)絡(luò)信息傳播中去，成為信息的發(fā)布者和傳播者；網(wǎng)絡(luò)的靈活性和自組織的特點，使得“多對多”的傳播模式貫穿信息傳播的始終，傳播路徑和傳播內(nèi)容多元化；網(wǎng)絡(luò)本身具有的虛擬性和隨機性等特點，使得輿情在發(fā)展過程中可能朝任一個方向發(fā)展，從而衍生出多個與之相關(guān)乃至無關(guān)的論題；網(wǎng)絡(luò)的便捷打破了時空的界限，使得信息傳播具有傳播實時性和快速性等特點。

2 傳播模型的主要研究現(xiàn)狀

關(guān)于輿情輿論的研究遠在古代就有研究記載。隨著技術(shù)迅速發(fā)展，網(wǎng)絡(luò)輿論的影響力爆發(fā)式增長，不僅是社會科學中新聞傳播學、政治學的關(guān)注重點，也不斷吸引著計算機科學、系統(tǒng)工程學、心理學的廣泛關(guān)注。作為跨學科的復雜問題，各個學科都立足于自有的理論基礎(chǔ)和研究方法開展了大量的研究，其總體思路基本是用可量化的方式去把脈輿情，科學劃分要素并建模分析傳播的機制和路徑。

2.1 生成和演化機制的模型

在網(wǎng)絡(luò)輿情的基礎(chǔ)理論層面，新聞學、傳播學、政治學的學者主要討論了網(wǎng)絡(luò)輿情的內(nèi)涵界定、輿情生成及其演變的特征規(guī)律。

2.1.1 傳播演變的階段研究

社科類的研究將網(wǎng)絡(luò)輿情的傳播模型研究聚焦在階段的劃分和分析上，從不同的角度對網(wǎng)絡(luò)輿情傳播階段進行了劃分，提出了“潛伏期、擴散期、消退期”三階段[5]、“漲落、序變、沖突和衰退”四階段[6]、“潛伏期、萌動期、加速期、成熟期、衰退期”五階段[7]、“潛伏、成長、蔓延、爆發(fā)、衰退和死亡”六階段[8]模型。多個階段模型[9]對輿情傳播演化特征進行描述，并深究其可能產(chǎn)生的背景原因，但是未能解決各階段里程碑標志的識別問題，很難通過現(xiàn)有狀態(tài)加上背景問題分析預測下一階段可能的態(tài)勢走向。

2.1.2 傳播演化的機理研究

在風險社會理論、群體極化理論、社會燃燒理論等一些理論框架下，學者們試圖總結(jié)了網(wǎng)絡(luò)輿情的傳播特征[10-12]，包括羊群效應、蝴蝶效應、六度空間理論、長尾效應等。有針對性的關(guān)注了網(wǎng)絡(luò)危機事件、網(wǎng)絡(luò)群體性事件、網(wǎng)絡(luò)謠言的生成及演化機制[13-15]，文獻[16]界定了群體性突發(fā)事件的概念內(nèi)涵及典型的構(gòu)成要素和階段特征，文獻[17]闡釋了群體性事件在網(wǎng)絡(luò)輿情視角下的構(gòu)成要素、特征和類型，文獻[18-20]對網(wǎng)絡(luò)謠言的概念進行了界定，分心了成因，文獻[21]列舉分析了網(wǎng)絡(luò)謠言的主題分類、生成機制、傳播機制及社會危害。

文獻[22-24]試圖在網(wǎng)絡(luò)輿情傳播特征定性描述的基礎(chǔ)上，加入定量的模型分析，對突發(fā)事件進行分級別量化和階段性評估，在理想條件的假設(shè)下進行了傳播模型演進規(guī)律與控制模型的推演。

一些管理學、統(tǒng)計學、計算機科學的研究人員將更多技術(shù)，如文本挖掘主題聚類、情感分析、意見領(lǐng)袖識別等，應用到網(wǎng)絡(luò)輿情的演化模型的分析之中，對現(xiàn)實中網(wǎng)絡(luò)輿情危機事件的演化階段性特征和影響進行了量化分析。文獻[25]通過文本挖掘技術(shù)對微博數(shù)據(jù)進行了主題聚類、情感傾向分析，針對群體性突發(fā)事件的演化周期及階段性特征完成了量化結(jié)果對比演化機制的驗證。

概括而言，對網(wǎng)絡(luò)輿情的生成及演化機制的研究主要是就既發(fā)生的網(wǎng)絡(luò)輿情事件進行宏觀機制的描述，通過分類分析對演化特征進行定性歸納或者定量分析，形成了一系列演化特征及效應的理論描述，但是在對微觀行為的觀測、描述以及對未來趨勢的預測方面還有所欠缺。

2.2 信息傳播模型

為了對網(wǎng)絡(luò)輿情未來發(fā)展趨勢進行把握、預測，在傳播機制、興趣衰減等規(guī)律的基礎(chǔ)上，一些以計算機科學、管理學為代表的研究人員著手用社會網(wǎng)絡(luò)分析的研究路徑來關(guān)注網(wǎng)絡(luò)輿情，對其進行微觀觀測，重點研究了傳播過程中信息本質(zhì)上所反映出的態(tài)度、觀點，以及信息在網(wǎng)絡(luò)傳播中的擴散演化。信息本質(zhì)方面的研究主要是語義分析，研究語義傾向性、意見挖掘、觀點抽取、情感分析等等。在研究擴散演化方面，主要借用復雜網(wǎng)絡(luò)分析、動力學模型、傳染病模型，將多影響因素量化后與信息相融合進行網(wǎng)絡(luò)結(jié)構(gòu)分析，涉及到的多影響因素包括網(wǎng)絡(luò)拓撲結(jié)構(gòu)特點、信息內(nèi)容的可信度、話題屬性、信息提供者的權(quán)威度和影響力、受眾的注意力和興趣等。

2.2.1 社會網(wǎng)絡(luò)分析基本理論

社會網(wǎng)絡(luò)的概念在1954 年就已提出，用于解釋文化是如何規(guī)范有界群體內(nèi)部的成員行為[26]。社會網(wǎng)絡(luò)是由個體之間社會關(guān)系構(gòu)成的，相對穩(wěn)定的網(wǎng)絡(luò)系統(tǒng)，有許多不同的節(jié)點(包括個人或組織)，反映著社會關(guān)系的基本結(jié)構(gòu)[27]。將社會網(wǎng)絡(luò)的概念投射到網(wǎng)絡(luò)社交平臺上，社交網(wǎng)絡(luò)真實反映了社交媒體中信息共享與傳播的人際關(guān)系結(jié)構(gòu)，其中每個用戶都可能是關(guān)鍵節(jié)點，這些“節(jié)點”對后續(xù)信息傳播的影響力與其自身社會網(wǎng)絡(luò)的廣泛性以及夾雜在該網(wǎng)絡(luò)上的其他節(jié)點的影響力高度正相關(guān)。據(jù)此來看，不同“個體節(jié)點”之間的相互連接共同組建而成的網(wǎng)絡(luò)，共同支撐了整個網(wǎng)絡(luò)的行動。每個節(jié)點既可是內(nèi)容的創(chuàng)造者、接受者與傳播者，也可以藉由共同興趣愛好，聯(lián)系到更多的相似網(wǎng)絡(luò)用戶群，從而形成更大的網(wǎng)絡(luò)節(jié)點，使信息傳播更廣泛[28]。

2.2.2 網(wǎng)絡(luò)拓撲結(jié)構(gòu)、影響力模型

文獻[29-31]利用度分布、聚類系統(tǒng)、群聚系統(tǒng)、定點度相關(guān)系統(tǒng)等網(wǎng)絡(luò)量化指標研究了社交網(wǎng)絡(luò)的網(wǎng)絡(luò)拓撲結(jié)構(gòu)演化特性，但是缺少相關(guān)的傳播理論引導以及機理分析。文獻[32-34]提出了基于傳染病動力學的Daley、Kendall(DK)模型，其將網(wǎng)絡(luò)用戶節(jié)點分為未知者、傳播者、免疫者三類。在網(wǎng)絡(luò)中，傳播行為主要發(fā)生在不同狀態(tài)節(jié)點相互連接所產(chǎn)生的邊。文獻[35-37]在傳播動力學的基礎(chǔ)上探討了網(wǎng)絡(luò)拓撲對傳播的影響，在大量理想條件下對網(wǎng)絡(luò)拓撲的討論中發(fā)現(xiàn)規(guī)則網(wǎng)絡(luò)的傳播能力最差，同質(zhì)隨機網(wǎng)絡(luò)傳播能力最強，中間部分隨機網(wǎng)絡(luò)優(yōu)于小世界網(wǎng)絡(luò)等一些共性的規(guī)律。

一系列計算機、系統(tǒng)工程背景的學者就傳播能力、影響力最大化的問題進行了深入探討，其研究主要是基于線性閾值模型(Linear Threshold Model，LT)、獨立級聯(lián)模型(Independent Cascade Model, IC)對影響力最大化問題的優(yōu)化求解。[38-40]先后從度值、PageRank值、Authority值、Hub值來衡量有向網(wǎng)絡(luò)中節(jié)點的影響力，文獻[41]的研究發(fā)現(xiàn)無關(guān)于節(jié)點度值，網(wǎng)絡(luò)核心的節(jié)點比網(wǎng)絡(luò)邊緣的節(jié)點具有更高的影響力。進而文獻[42-43]討論了如何識別具有重要影響力的節(jié)點。文獻[44]提出了具有啟發(fā)性質(zhì)的貪心算法來提高影響力最大化問題的求解規(guī)模和求解速度，文獻[45]納入了傳播概率與時間的關(guān)系，將離散時間的傳播問題轉(zhuǎn)化成了連續(xù)時間上的影響力傳播，并提出了InfluMax模型。在影響力模型的基礎(chǔ)上，計算機科學討論了很多細分問題，例如文獻[46]利用機器學習的方法，重點融合了內(nèi)容特征，對社交網(wǎng)絡(luò)潛在影響力模型進行了鏈接及偏好預測，文獻[47]在節(jié)點影響力消退模型的基礎(chǔ)上結(jié)合謠言傳播機理對社交平臺上的謠言傳播進行了預測。文獻[48]將群體心理納入模型分析，建立了一個考慮群體情緒傳播的動力學機制。文獻[49]在推導信息傳播概率時引入了用戶的畫像以及信息內(nèi)容的影響。由于影響力傳播與抑制行為的本質(zhì)是傳播方與抑制方之間的一種博弈關(guān)系，文獻[50]提出了面對不確定性和策略性影響源，有效、魯棒地進行影響力傳播抑制的方法。

總的說來，關(guān)于信息傳播模型的研究主要聚焦影響力模型的演化，多利用數(shù)理方程來描述影響力的擴張、消退、抑制，實驗所用的算例有的是理想條件下物理仿真，有的是通過微博獲取的內(nèi)容數(shù)據(jù)進行網(wǎng)絡(luò)拓撲仿真，以實際發(fā)生的網(wǎng)絡(luò)輿情事件作為案例進行模型驗證的研究比較少見。

2.3 傳播模型的應用

網(wǎng)絡(luò)輿情的傳播模型及其演化機理的一個重點應用就是網(wǎng)絡(luò)輿情的監(jiān)測、預警與引導處置，已建成一些具備網(wǎng)絡(luò)輿情匯聚監(jiān)測功能的系統(tǒng)。另外，學術(shù)界開展了一系列用來評價輿情狀態(tài)的預警指標體系研究，同時提出了一些網(wǎng)絡(luò)輿情引導處置建議。

2.3.1 網(wǎng)絡(luò)輿情監(jiān)測平臺

人民網(wǎng)輿情監(jiān)測室[51]、新華網(wǎng)輿情監(jiān)測平臺[52]建立了基于大數(shù)據(jù)的全維度輿情監(jiān)測分析平臺，可實現(xiàn)24h監(jiān)測和專業(yè)的統(tǒng)計分析，并形成監(jiān)測分析研究報告等成果。清博輿情[53]建立了全方位整合輿情信息的數(shù)據(jù)采集平臺，重點關(guān)注消費者的商業(yè)興趣與社交行為的預測。軍犬[54]、優(yōu)訊[55]等數(shù)據(jù)輿情平臺，可實現(xiàn)對網(wǎng)絡(luò)重點人物的監(jiān)控、熱點事件的預警、公共網(wǎng)絡(luò)行為分析等工作。

2.3.2 預警指標體系

指標可以對輿情某一時刻的狀態(tài)進行刻畫、評價、衡量，結(jié)合演化機理、規(guī)律，可以對輿情發(fā)展獲得一些預測分析的能力。 [3,56]等從主題分類的角度重點列出了網(wǎng)絡(luò)輿情信息分析的指標，[57]等認為輿情的熱度同事件本身、網(wǎng)絡(luò)媒體以及網(wǎng)民三者的合力成比例，嘗試建立了一種非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情指標體系。[58]構(gòu)建了警源、警兆、警情三類指標體系，指標側(cè)重于反映輿情本身的演化。[59]基于網(wǎng)絡(luò)輿情的階段模型，融會了現(xiàn)有指標體系中認可度較高的指標，建立了要素覆蓋完整、邏輯清晰的指標體系。總的說來，預警指標的研究對要素分解，屬性匯聚做了很多方法論層面的探討，但是在指標數(shù)據(jù)的獲取、計算上與現(xiàn)有輿情監(jiān)測系統(tǒng)的銜接存在較大的鴻溝。

3 一種基于綜合研討的傳播機制建模

3.1 基本認識

無論是網(wǎng)絡(luò)輿情研究還是社會網(wǎng)絡(luò)分析，其作為學科交叉領(lǐng)域，各學科努力相互借鑒相互吸收其他學科的理論成果、研究方法，以本學科理論為基礎(chǔ)開展研究。作為熱點問題，網(wǎng)絡(luò)輿情、社會網(wǎng)絡(luò)分析積累相當豐富的學術(shù)成果，獲得了國家社科基金、國家自然科學基金、地方社科及自然基金以及其他重大項目的廣泛關(guān)注，其中在輿情監(jiān)測與預警、輿情影響力分析的學術(shù)討論相當廣泛，但是真正在輿情監(jiān)測平臺中指導輿情分析工作，使之能夠智能識別輿情危機、及時預測輿情擴散態(tài)勢的功能還沒有真正發(fā)揮起來。是什么造成了這樣的困局？我們認為，像網(wǎng)絡(luò)輿情這樣集成了大量復雜的社會、經(jīng)濟、政治、技術(shù)要素的復雜系統(tǒng)，以一個學科為主的解構(gòu)角度是很難觀測和詮釋問題全貌的，需要在研究層面上使各學科研究角度共融，在系統(tǒng)層面匯聚各學科的方法論綜合分析。錢學森在上世紀90年代提出的從定性到定量的綜合集成法[60]為我們提供了一種邏輯框架嚴密、研究路線清晰的系統(tǒng)方法論。綜合集成研討廳的構(gòu)想是以人為主、人機結(jié)合，使參加研討的集體在討論問題時互相啟發(fā)、互相激活，并充分利用信息技術(shù)不受時空的限制，把大量的各種信息與知識(包括經(jīng)驗知識)及千百萬人的聰明才智和古人的智慧(通過書本記載或知識工程中的專家系統(tǒng))綜合集成起來，從而得到科學的認識與結(jié)論[61]。

綜合集成研討通過定性與定量相結(jié)合，把機器體系、知識體系、專家體系三大體系集成為人機結(jié)合的復雜巨系統(tǒng)問題求解體系。將知識體系、機器體系的邏輯理性以及專家體系以時間經(jīng)驗為基礎(chǔ)的非邏輯、非理性智能集成在一起，通過一系列技術(shù)方法的融合，包括學術(shù)討論、模擬仿真、情報信息技術(shù)、人工智能、虛擬現(xiàn)實技術(shù)、人機交互技術(shù)、大數(shù)據(jù)技術(shù)、系統(tǒng)工程方法等技術(shù)，從而形成復雜問題的優(yōu)化決策。

3.2 下一步工作

綜合集成研討的理論框架為我們試圖開展的基于人機結(jié)合的網(wǎng)絡(luò)輿情分析研究提供了頂層指導，建立了基于綜合集成研討的網(wǎng)絡(luò)輿情分析設(shè)想體系，如圖1所示。

圖1 綜合集成研討廳集成群體智慧的螺旋結(jié)構(gòu)

通過集成機器、知識、專家體系，自底向上地進行網(wǎng)絡(luò)輿情知識的螺旋上升，對網(wǎng)絡(luò)輿情事件進行人機結(jié)合的建模分析與反復迭代，形成針對網(wǎng)絡(luò)輿情事態(tài)擴散、危機預警、科學引導的決策智慧。我們會在下一步工作中，在綜合集成研討的框架下提出人機結(jié)合的網(wǎng)絡(luò)輿情事件的信息傳播模型。其應具備以下三個特征：一是涵蓋較全面的輿情要素，并對各個要素的屬性進行規(guī)范描述，并全部可通過技術(shù)手段量化表征；二是對網(wǎng)絡(luò)結(jié)構(gòu)進行圖論和傳播機理的融合表征，使得網(wǎng)絡(luò)技術(shù)與傳播學機理上具備較高的適配性；三是提出的輿情事件分析模型在客觀反映當前態(tài)勢的基礎(chǔ)上，可以根據(jù)用戶的關(guān)注角度而置于其自定義的關(guān)注坐標系中，為輔助專家研判提供科學評估依據(jù)。

圖2 在自定義關(guān)注坐標系中的輿情事件傳播影響力模型樣例

該信息傳播模型服務于一種人機結(jié)合、學科融合的網(wǎng)絡(luò)輿情事件分析方法，是綜合集成研討理論框架下的一點微觀實踐，既具備具體問題具體分析的微觀專用性，也具備適用于多種不同關(guān)注角度的廣泛通用性，對網(wǎng)絡(luò)輿情綜合分析、科學引導工作具備一定的參考作用。

[1] 中國互聯(lián)網(wǎng)絡(luò)信息中心，第37次中國互聯(lián)網(wǎng)絡(luò)發(fā)展狀況統(tǒng)計報告[R]. http://www.cac.gov.cn/2016-01/22/c_1117860830.htm

[2] 李弼程，鄔江興等. 網(wǎng)絡(luò)輿情分析[M].北京:國防工業(yè)出版社，2015:4-6.

[3] 談國新，方一. 突發(fā)公共事件網(wǎng)絡(luò)輿情監(jiān)測指標體系研究[J].華中師范大學學報(人文社會科學版)，2010(3):66-70.

[4] 周東浩，韓文報等. 基于節(jié)點和信息特征的社會網(wǎng)絡(luò)信息傳播模型[J].計算機研究與發(fā)展，2015(1):156-166.

[5] 劉毅. 網(wǎng)絡(luò)輿情研究概論[M]. 天津人民出版社，2007: 92-326

[6] 曹勁松等．網(wǎng)絡(luò)輿情的發(fā)展規(guī)律[J]． 新聞與寫作，2010(5): 45-47．

[7] 謝科范，趙湜，陳剛，等． 網(wǎng)絡(luò)輿情突發(fā)事件的生命周期原理及集群決策研究[J]． 武漢理工大學學報，2010 (4):482-486．

[8] 吉祥等. 基于觀點挖掘的網(wǎng)絡(luò)輿情信息分析[J].現(xiàn)代情報，2010(11):46-49.

[9] 蘭月新，曾潤喜等．突發(fā)事件網(wǎng)絡(luò)輿情傳播規(guī)律與預警階段研究[J]. 情報雜志，2013(5): 16-19．

[10]樂國安等，網(wǎng)絡(luò)集群行為的理論解釋模型探索[J].南開學報(哲學社會科學版)，2011(5): 116-124.

[11]鄧若伊等. 網(wǎng)絡(luò)傳播與“意見領(lǐng)袖”理論調(diào)適[J].《當代傳播》，2011(3):30-37.

[12]方付建. 突發(fā)事件網(wǎng)絡(luò)輿情演變研究[D].華中科技大學博士學位論文，2011．

[13]王艷玲等. 論網(wǎng)絡(luò)輿論生成的三要素[J].現(xiàn)代傳播，2011(4):138-139.

[14]謝耘耕，榮婷． 微博輿論生成演變機制和輿論引導策略[J]．現(xiàn)代傳播，2011(5):70-74．

[15]田 卉，柯惠新． 網(wǎng)絡(luò)環(huán)境下的輿論形成模式及調(diào)控分析[J]．現(xiàn)代傳播(中國傳媒大學學報)，2010(1):40-45．

[16]肖唐鏢等. 當代中國的“群體性事件”:概念、類型與性質(zhì)辨析[J].人文雜志, 2012(04):147-155.

[17]陳月生. 群體性突發(fā)事件構(gòu)成要素、特征和類型的輿情視角[J].理論月刊，2006(02): 82-85.

[18]沈遠新. 政治謠言：界定、生存機制及其控制[J]. 探索, 2000(1):74-77.

[19]郭小安. 網(wǎng)絡(luò)謠言的政治誘因：理論整合與中國經(jīng)驗[J]. 武漢大學學報: 人文科學版, 2013(3):120-124.

[20]張盈, 楊錦，孫瀛等. 論網(wǎng)絡(luò)政治謠言及其成因[J]. 沈陽大學學報, 2010(2):32-33.

[21]童文勝，王建成等. 基于政治傳播視角的網(wǎng)絡(luò)政治謠言生成機制及控制策略研究[J]電子政務 2015(1):24-33

[22]蘭月新等. 突發(fā)事件網(wǎng)絡(luò)輿情演進規(guī)律模型研究[J]. 情報雜志 2011(8):47-50.

[23]張一文等. 網(wǎng)絡(luò)輿情與非常規(guī)突發(fā)事件作用機制-基于系統(tǒng)動力學建模分析[J]. 情報雜志，2010(9):1-6

[24]方付建. 突發(fā)事件網(wǎng)絡(luò)輿情演變研究[D].華中科技大學博士學位論文，2011．

[25]侯萬友. 群體性突發(fā)事件微博輿情演化分析[D].哈爾濱工業(yè)大學管理學碩士學位論文.

[26]Barnes J A. Class and Committees in a Norwegian Island Parish[J]. Human Relations，1954(7)：39-58.

[27]Wellman B，Berkowitz S D，Structural Analysis: A Network Approach[M].New York，USA， Cambridge University Press，1988: 19-61.

[28]林聚任. 社會網(wǎng)絡(luò)分析：理論、方法與應用[M]. 北京，北京師范大學出版社，2009.

[29]Kumar R, Novak J, Raghavan, P., Tomkins A,: Structure and evolution of online social networks[C],2006 International Conference on Knowledge Discovery and Data Mining, Proceeding of the 12thACM SIGKDD International Conference on Knowledge Discovery and data mining, Philadelphia, PA, USA, 2006 Aug.20-23, pp: 6-11.

[30]Mislove A, Marcon M, Gummad K P, Measurement and analysis of online social network[C]. 2007 Internet Measurement Conference, Proceeding of the 7thACM SIGCOMM conference on Internet measurement, San Diego, California, USA, 2007.Oct 24-26, pp:29-36.

[31]Suri N Rama, Narahari Y， Determining the top K nodes in social networks using the shapely value, Proceedings of the 7thInternational Joint Conference on Autonomous Agents and Multiagent Systems, Estoril, Protugal, 2008:1500-1512

[32]Daley D, Geni J, Epidemic Modeling[M].Cambridge University Press, 2001.

[33]Kendall, Epidemics rumours[J]. Nature, 1964(204):1118-1.

[34]Daley D, Kendall D G, Stochastic rumours[J], IMA journal of Applied Mathematics, 1965,1(1):42-55.

[35]Pastor R, Vespignani A, Epidemic spreading in scale-free networks[J], Physical Review Letters, 2001, 86:3200-3203.

[36]Newman M E J, Watts D J, Scaling and percolation in the small-world network model[J], Physical Review E, 1999,60:7332-7342.

[37]Moukarzel C F, Spreading and shortest path in systems with long range connection[J], Physical Review, 1999, 60:6263-6266.

[38]Ding Ying。Yah Er-jia，F(xiàn)razho Arthur，et a1．PageRank for rankingauthors in co-citation networks[J]．Journal ofthe American Societyfor Information Science and Technology，2009，60(11): 2229-2243．

[39]Kleinberg J M．Authoritative solution in a hypedinked environment[J]．Journal of the ACM，1999，46(5): 604-632．

[40]Kitsak M，Gallos L K，et a1．Identification of influential spreaders in complex networks[J]．Nature Physics，2010，6(11):888-893.

[41]Leskovec J, Huttenlocher D. Kleinberg J. Signed networks in social media, Proceedings of the 28thInternational Conference on Human Factors in Computing Systems. Atlanta, USA,2010:1361-1370.

[42]Wang Yi Tong, Feng et al., A Potential based Node Selection Strategy for Influence Maximization in Social Network, Proceedings of the 5thInternational Conference on Advanced Data Mining and Applications. Beijing, China, 2009:350-361.

[43]Chen Duan-bing，Lv Lin-yuan，Shang Ming-sheng，et al．IdentifyIng influential nodes in complex networks[J]．Physica A：StaffsticalMechanics and its Applications，2012，391(4)：1777-1787．

[44]Leskovec J, Krause A, Guestrin C, et al., Cost-effective outbreak detection in networks, Proceedings of the 13thACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Jose, USA, 2007:420-429.

[45]Manuel G-R, Bernhard S, Influence Maximization in Continuous Time Diffusion[C], Proceedings of the 29thInternational Conference on Machine Learning, Edinburgh, Scotland, UK,2012.

[46]王禎駿，王樹徽等. 基于社交內(nèi)容的潛在影響力傳播模型的論文[J].計算機學報，2016(8)：1528-1540.

[47]蒙在橋，傅秀芬等. 基于OSN的謠言傳播模型及影響力節(jié)點研究[J].復雜系統(tǒng)與復雜性科學，2015(3):45-51.

[48]王雷. 基于系統(tǒng)動力學的群體情緒傳播模型[J].心理科學，2014(3)：678-682.

[49]Saito K, Ohara K, Yamagishi Y, et al. Learning diffusion probability based on node attributes in social networks[M], Foundations of Intelligent Systems. Berlin: Springer, 2011: 153-162.

[50]李勁，岳昆. 社會網(wǎng)絡(luò)中影響力傳播的魯棒抑制方法[J].計算機研究與發(fā)展，2016(3): 601-610.

[51]人民網(wǎng)輿情[EB/OL]http://yuqing.people.com.cn/[52]新華網(wǎng)輿情_新華網(wǎng)[EB/OL] http://xinhuanet.com/yuqing/

[53]清博輿情首頁 [EB/OL] http://yuqing.gsdata.cn/

[54]中科點擊軍犬輿情采集 [EB/OL] http://www.54spider.com/channel_20.html

[55]優(yōu)訊網(wǎng) [EB/OL] http://www.uuwatch.com/

[56]李雯靜. 網(wǎng)絡(luò)輿情指標體系設(shè)計與分析[J].情報科學，2009(7).

[57]張一文. 非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評價指標體系構(gòu)建[J].情報雜志, 2010(11):71-76.

[58]曾潤喜. 網(wǎng)絡(luò)輿情突發(fā)事件預警指標體系構(gòu)建[J].情報理論與實踐，2010(1)：77-80.

[59]王青. 網(wǎng)絡(luò)輿情監(jiān)測及預警指標體系構(gòu)建研究[J].情報研究，2011(8)：54-57.

[60]錢學森，于景元，戴汝為. 一個科學的新領(lǐng)域——開放的復雜巨系統(tǒng)及其方法論[J].自然雜志，1990，13(1)：3-10.

[61]戴汝為. 綜合集成研討廳的研制[J].管理科學學報，2002,(3):10-16.

A Survey of the Research on Dissemination Model of Network Public Opinion

ZENG Zhuo-ying， LI Rui-shen

(China Academy of Electronics and Information Technology, Beijing 100041, China)

Online public opinion has become more and more important with the vigorous development of Internet and the increasing number of Internet users. In the work of identifying, evaluating and disposing of online public opinion, the first step is to establish the scientific dissemination model of online public opinion. In this paper, we comprehensively reviewed the research of online public opinion dissemination model, which mainly focus on the generation and evolution mechanism of the propagation model, the influence of the network structure and its related application. Although the macroscopic analysis and the microscopic observation of the online opinion dissemination model has gained a lot of achievements, there is some weakness of combination between theory analysis and practice analysis. A man-machine integration information dissemination model based on Hall for Workshop of Metasynthetic Engineering(HWME) has both micro advantages for specific problems and macro advantages for general applications, which will provide a new method for the comprehensive analysis of online public opinion.

Online public opinion, dissemination model, public opinion analysis.

10.3969/j.issn.1673-5692.2016.06.005

2016-10-25

2016-11-29

曾倬穎(1988—)，女，四川人，工程師，主要研究方向電子信息戰(zhàn)略研究；

E-mail： ceiszzy@163.com

李睿深(1976—)，男，甘肅人，工程師，主要研究方向電子信息戰(zhàn)略研究及政策研究。

TP399-C1 文獻標識碼：A

1673-5692(2016)06-588-07