英语原文共 14 页，剩余内容已隐藏，支付完成后下载完整资料
基于社会网络突发公共事件的舆论传播与情感演变追踪
（H. Wei-dong, W. Qian, C. Jie）
国际计算机通讯与控制杂志ISSN 1841-9836, 13(1), 129-142, February 2018.
摘要：社交网络日渐成为公共突发事件发布和交流的主要平台，并使得公共突发事件的影响传播得更为广泛。如何从社交网络中更有效地获取公共意见并更健康地引导网络舆论成为政府和其他职能部门需要考虑的问题。无论如何，公众意见的传播中事件与环境之间的相互作用和演变机制是较为复杂的，公众与媒体的关注以及对于事件的反应也与事件的处理结果密切相关。同时公共意见挖掘库存在有一些在情感分类分布上的不足。只有及时更新人工规则和情感词典资源，才能使新的数据处理更好。事实上，从舆论传播的角度，本文构建了互联网用户之间通过转发联结而成的网络矩阵，以及运用社会网络分析方法和情感挖掘分析技术研究受试者和受试者之间的相互作用和进化机制，并研究了用户在社交网络动态传播中的作用。本文提出了一种基于微博平台的情感分析方法，扩展了情感词典，考虑了句子、表情和句型，提高了微博正负分类和情感极性分析的准确性。
关键词：意见挖掘 公众意见传播 语义类别 机器学习能力
1 介绍
人们由于相似的价值观和习惯聚集在社交网站上，成为现实社会的数字化投影。基于数字化社会网络的现代信息传播方式，一方面大大提高了社会网络的信息传播速度和效率；另一方面，基于社会关系的信息共享提供了一种有效的过滤机制，可以在互联网上传播大量信息。因此，社交网站成为最重要的信息共享和传播平台。
社会网络舆论现象及其发展规律是丰富并且复杂的。尤其是社会网络的主体是具有高度智力和适应能力的人，其认知和决策行为是在不断进化学习的适应过程，通过与其他主体的互动和环境的相互作用来改变自己的行为。这种复杂的适应和学习机制被投射到数字社会网络中，同时其传播机制具有时变动态演化的动态特征，学科中的复杂性和适应性创造了更为深刻的系统复杂性。因此，有必要探索一种有效的方法来阐述其运行和传播的机制。而且网民们总是产生大量的数据。这些数据具有快速增长、结构多样性、动态更新、范围广等特点，包含了社会各阶层的公共情感信息。挖掘公众情感信息对于信息检索、电子商务和舆论监督的研究具有重要意义。
近年来，学者们对舆论传播机制进行了相关研究。Fei Xiong基于转发机制研究了微博信息的传播，提出了信息传播模型，并通过微博热点事件验证了模型的正确性。Lee运用基于密度的在线聚类方法对文本流进行挖掘，评估舆论事件的影响，实现情境感知和风险管理的目标；Zhao Haiqing分析了复杂网络舆论传播的本质，研究发现：核心位置的关键节点具有高度的活动性和参与性，网络舆论监督领导应高度重视；Su Xiaoping提出了一种局部中心测量方法，测量结果表明，在社会网络中，节点的重要性评价既取决于社区节点的中心性，也取决于社区之间的“桥梁”性。
目前，情绪分析的研究主要集中在对网民在互联网上发布的信息进行情绪挖掘和计算以及对股市波动、政治选举结果、电影票房等情绪相关因素通过网络情感进行预测分析。Riloff 提出了一种基于大量语料库统计分析的情感词典，以便对情感进行分类；Wiebe增加了基于情绪词典的语音分析部分，完成了基于引导算法的语料库主客观分类；Xu Lin-hong以小学教科书、剧本、文学期刊、童话等为基础，对大量汉语语料库进行了注释，形成了“情感词汇本体库”。尽管它在汉语文本情感分析领域得到了广泛的应用，但它的本体论在语料库和体裁的分布上存在一些缺陷，只有及时更新人工规则和情感词典资源，才能很好地处理新的文本数据。
因此，本文对情感词典进行了扩充，并考虑了句型对句子情感的影响，以期获得更准确的结果。
本文试图针对特定的社会热点，对舆论网络结构进行测量，挖掘其网络结构的特点，研究舆论传播中主体与环境的互动与演变机制。并将情感分析引入到舆论事件的演变过程中，探讨了在整个舆论进化生命周期中情绪急剧波动的原因，为网络舆论的控制和舆论的动态把握提供决策依据。
2 社会网络舆论传播机制研究
社会网络的出现为人们提供了一种新的信息媒体，也大大增加了舆论爆发的可能性。社会网络舆论传播受多种因素的影响。本文主要从社会网络、传播网络和情感倾向三个方面研究了舆论传播的主体要素。
2.1 社会网络舆论传播的主体要素
网民群体是网络舆论的主体。它们也提供了大部分动力，是网络舆论的主要生成力量和影响对象。网民代表主要分为以下四类：基层、网络看门人、网络舆论领袖和网络推手
基层：基层是中国网民最活跃的基层人群。当基层群众因某一话题或事件而聚集在一起并引起共鸣或情绪波动时，领导集体不断地断言、重复、感染，以含蓄和交叉感染的方式对个体采取行动，他们将会转向共同的方向，并将这一概念或信仰立即转变为行动倾向，这种情况下他们的情绪就会得到很大的宣泄。
网络搬运工：网络搬运工是从事网络信息转发和传播的网民。网络搬运工的存在使网络声音无限放大，并使信息得到充分的传播和交换。
网络舆论领袖：网络舆论领袖的行为非常活跃，具有良好的表达能力。对于大多数网民来说，他们有着很强的影响力和引导性，网络已经在一定程度上决定了舆论聚焦的焦点和方向。
网络推手：网络推手是一个网络规划师，在网络媒体的帮助下，推广企业产品、客户品牌、活动和个人。这种纯粹的商业目的使得互联网更加复杂，它们通过传统媒体的二次报道呈现出来，使得更多的不明真相的网民参与其中，于是话题或事件很容易被炒作，甚至成为打击企业和诽谤个人的网络杀手。
2.2 传播的个体接触过程
由于个人参与的主动性和互动性，网络传播在信息获取和传播方面具有独特的优势。人个体在人际交往中并不总是被动地接受信息，它不像现实生活中被大众媒体那样牵引着的“日程设置”，而且他们也扮演着多种角色，如出版商和传播者。事实上，由于人们的强烈关注，一些人已经发展成为具有非凡影响力的类似网络媒体。网络传播媒介与网络空间的差距非常小，它们共同构成了网络空间中的多元化个体。不同个体之间的互动传播已成为传播网络舆论信息的主要途径。事实上，网络舆论信息传播过程的宏观层面是通过微观层面的多元化个体接触过程。具体地说，在以社交网络和微博为代表的新兴社交媒体中，应急网络舆论信息往往首先由网络中的少数人发布，然后由其他人转发或共享，以传达一个相对稳定的信息接收群体。通过一个虚拟的社会网络，“感染群体”的网络舆论规模得到了扩大，进而具有了不容忽视的社会力量。
2.3 分析框架的设计
要分析社会网络舆论的演变，需要从两个层面分析整个网络结构的特征和关键节点的特征。考虑到舆论事件的整体发展演化特征，需要针对网络事件规模、密度、平均程度、聚类系数等对时间序列进行演化分析，于是我们重点研究了快速成长阶段和成熟阶段舆论的演化过程，计算了网络结构和重要节点的网络特性，以探索整个网络舆论的演化规律。为了了解用户在事件信息处理过程中的情绪状态，我们需要对传播网络中的用户情绪进行判断。在上述研究的基础上，本文首先对所研究的具体事件进行了爬取和文本化，并将文本分为若干部分。第二步，为了对文本进行分段，我们需要在现有的同义词库定义的基础上，创建一个属于事件的专用情感词词典，并标记情感词的情感分类、极性值和强度。第三步，结合本文的句子、表达和情感词汇，给出了文本的情感倾向和情感极性价值。
3 社会网络舆论传播网络的构建与分析
舆论事件的发展总是在时间维度上进行的。在舆论的形成、扩散、爆炸和终结之后，社会舆论网络依次呈现出用户情感、态度、意图和观点的交流。在对“山东非法疫苗”舆论事件整体发展研究的基础上，采用基于时间序列的社会网络分析方法，对舆论社会网络过程中的日常关系数据进行分割，形成舆论社会网络的日常数据。然后我们分析了网络的总体结构、网络特征的演变以及各个阶段关键节点的演变。
3.1 数据源收集和总体结构分析
2016年3月18日，一篇题为“数十亿元无冷藏疫苗流入18个省”的文章引起了用户的广泛评论和转发。包括名人、媒体、政府等在内的微博用户表达了自己的意见。山东省非法疫苗案件引起了舆论的持续关注。在这个事件中，不同类型的用户对事件的态度是什么？舆论的方向是什么？不同的用户扮演什么角色？在此基础上，我们对“非法疫苗”进行了研究。本文以“非法疫苗”为关键词进行微博搜索，收集了2016年3月18日至2016年4月4日的数据，并使用网络爬取软件进行微博数据的爬取，通过编制爬取规则获得数据，共采集了10035份数据。
数据由Excel进行清理和预处理。删除重复数据、乱码数据、不完整数据和无记录数据。清理之后，我们一共获得了8222条数据，通过新浪微博转发规则梳理出微博转发关系：如果A转发了B，那么A lt;-gt; B的值为1；如果这两者不发生转发关系，则值为0；矩阵的主对角线值定义为1。我们构建了“山东省非法疫苗”的舆论网络矩阵。基于构造的矩阵，利用可视化软件对事件转发网络进行处理，可视化结果如图1所示。
图1：转发网络可视化
3.2 整体特征演化分析
为了分析所选案例总体特征的演变，根据日常舆论网络的趋势和规律，需要对事件日常数据的舆论网络指标进行分析，探讨了事件变化时网络总体拓扑指标的变化规律。
图2：网络密度演化图
图 3：网络平均度演化图
图4：网络聚类系数演化图
（1）网络密度的演变
网络密度用于描述节点交互的紧密程度。整个网络的密度越大，节点间的交互也就越频繁。图2中的蓝色曲线显示了公众舆论事件中每个用户每日发帖和回复互动的密切程度，绿色曲线显示了两天内每个变量的delta值的变化。从曲线趋势可以看出：3月19日至3月底，网络密度保持平稳变化的趋势。但在4月份，这个主题又出现了波动。
（2）网络平均度的演变
图3中的蓝色曲线显示了公众舆论事件的网络用户日平均程度，绿色曲线显示了两天内每个变量的delta值的变化。从曲线趋势来看，网络平均度的发展趋势是波动的。从3月19日到3月底，舆论事件从爆发期趋向结束，网络平均度出现较大波动，尤其是在热点时期。
整个网络的平均程度越来越大，每个节点都有更多的周围节点来转发交互，通信也越来越广泛。即3月22日至24日之间，网络平均程度较高，这表明在此期间，网络上的许多用户都在不断发帖和回复，可能是因为某个话题或某个帖子而引起了很多参与者的讨论，因此我们可以判断，这其中可能有潜在的意见领袖。
（3）网络聚类系数的演变
如果网络中的节点j具有nj邻居节点，则nj节点之间的边最多可能为nj（njminus;1）/2。我们将nj节点之间的实际边数e（j）与nj（njminus;1）/2的比值定义为节点cc（j）的聚类系数，即：
CC(j) = 2E(j)/[nj(nj minus; 1)]
整个网络的聚类系数cc是所有节点聚类系数的平均值j：
网络聚类系数描述了网络集体化的程度，即用来识别网络中是否存在中心趋势。整体网络聚类系数较大，集中趋势网络较高，同时舆论用户倾向于与小群体的互动。图4中的蓝色曲线表示网络舆论聚类系数的日变化，绿色曲线表示两天内每个变量的delta值的变化。从曲线趋势来看，3月19日舆论爆发后，3月20日首次达到网络聚类系数的最高值，随后进入平稳波动状态，并且维持在[0.6，1]之间。3月27日以后，公众舆论发展进入平稳状态，公众舆论参与人数和互动频率下降。在小批量节点通信中，网络聚类系数与网络密度相同，会出现较大的波动现象。
3.3 关键节点特征演化分析
在社会舆论网络关键节点的研究中，学者们经常利用社会网络的静态结构特征，如程度中心性和结构漏洞，来分析网络中关键节点与其他节点在等级和优势上的差异。因此，基于“山东非法疫苗”的舆论事件，结合生命周期理论，我们分析了不同阶段关键节点的特征，以此来研究网络舆论的特征演变。
根据“山东非法疫苗”事件，我们重点分析了快速生长期和成熟期关键节点的特征。统计数据显示，波及人群存在明显的周期性：3月19日爆发舆论后，3月22日首次达到舆论高潮，随后舆论增长率有所下降。它在3月24日达到了整个公众舆论活动的最大爆发，然后开始慢慢消退。在此基础上，我们设定了3月19日至3月22日的快速增长阶段， 3月23日至3月24日的成熟阶段。
频度中心
从传播网络图可以看出，在传播网络中，舆论在各个点的传播呈现出不同的趋势，表明在某些话题或某些用户周围存在着很强的互动空间。通过测量这些节点的中心度，可以看出，“The concept of tide”，“Friendly 88”, “Swineherd is officer”,“bing-lv”等用户的中心度较大，参与度较高，体现了意见领袖的一些特点。在话题发展的两个阶段中，不同的节点在网络中扮演着重要的角色。换句话说，节点只在某个阶段之前活动，这是不连贯的。因此，我们无法分析单个节点的演化。因此，本节主要研究网络结构在不同阶段的变化以及节点在该阶段的性能。
结构孔
结构孔是指两个节点之间的非重复关系，相当于网络中的缓冲区。两个节点之间存在结构孔的相关人员对网络的贡献值可以累计。我们利用UCINET软件，分析了“山东非法疫苗”舆论传播网络的结构漏洞。
从表1可以看出，“山东非法疫苗”的舆论传播网络存在着大量的结构性漏洞。对有效规模进行了梳理，其中“Golden
全文共9962字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[800]
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
