基于猶豫模糊集的多維社會網(wǎng)絡模型優(yōu)化及突發(fā)事件風險評估應用研究
發(fā)布時間:2021-07-13 17:52
突發(fā)事件風險評估屬于運用社會網(wǎng)絡理論探究輿情控制問題的研究范疇,是輿情控制研究的細分研究。本文首先通過多維社會網(wǎng)絡模型描述自媒體社交平臺的信息特征,在此基礎上建立突發(fā)事件風險評估模型。通過對多維社會網(wǎng)絡模型的多維度風險特征量化,將突發(fā)事件的宏觀信息指標轉(zhuǎn)化為微觀的社會網(wǎng)絡特征。為進一步度量情感維度在多維社會網(wǎng)絡模型中的作用,本文引入猶豫模糊集理論量化情感極性,并運用模糊集對自然語義的二維描述方式,建立基于猶豫模糊集的情感極性度量方法。為進一步探究風險評估模型的有效性、適用性及準確性,本文對五個不同類型的社會突發(fā)事件進行了風險評估量化實證研究。首先,通過分析突發(fā)安全事故、突發(fā)自然災害、政府業(yè)績等新聞事件的微博信息,獲得不同類型事件的情感極性度量及風險度量結(jié)果。其次,通過對事件內(nèi)部各層次影響因素對比及多個事件之間橫向結(jié)果對比,得出基于猶豫模糊集的多維度社會網(wǎng)絡模型在突發(fā)事件風險評估問題中具有有效性及較高的準確性。再次,通過事件內(nèi)部的縱向因素對比,探究該風險評估模型中各影響因素指標的影響效果,并通過事件之間的橫向結(jié)果對比,探究風險評估模型中各影響因素指標在不同類型突發(fā)事件評估的適用性及準確性...
【文章來源】:浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
梯形極性語義集
浙江大學碩士學位論文模型構(gòu)建與優(yōu)化28在其他語義的模糊性極高。此時最小自然語義集s1為:S0=<“0,H”,“1,0”>。當負性情感極性語義集si-越接近s0時,則表示其情感負性越高,反之則表示其情感負性越低。同理,當正性情感極性語義集si+越接近s1時,則表示其情感正性越高,反之則表示其情感正性越低。按照以上描述,文本信息的負向情感極性S(s0,si)與正向情感極性S(s1,si)度量公式如公式(3.21-3.22)所示:0i0imax0i(,)S(s,)(,)edsssess=(3.21)1i1imax1i(,)S(s,)(,)edsssess=(3.22)3.3小結(jié)通過對以上基于猶豫模糊集的情感極性度量方法的描述可知,在多維網(wǎng)絡中的情感子網(wǎng)中可采用極性度量方法量化情感極性;诙嗑S度社會網(wǎng)絡模型的風險評估模型,可對突發(fā)事件的輿情演化的過程風險進行科學量化,從而直觀得展現(xiàn)社會網(wǎng)絡中個體風險及整個事件風險。圖3.10為模型構(gòu)建框架。圖3.10模型構(gòu)建框架如圖3.10所示,情感子網(wǎng)中的文本進行文本分析獲得情感評分后,本文運用模糊集理論將評分轉(zhuǎn)化為正向及負向情感極性,從而獲得多維層次網(wǎng)絡的風險評估度量特征值。該模型框架可綜合分析自媒體平臺中突發(fā)事件輿情信息個體及整體事件的風險值,本文運用該模型展開實例分析,詳見第四章。
活躍用戶受眾分布
【參考文獻】:
期刊論文
[1]基于超網(wǎng)絡理論的微博輿情關(guān)鍵節(jié)點挖掘[J]. 張連峰,周紅磊,王丹,張海濤. 情報學報. 2019(12)
[2]突發(fā)公共事件網(wǎng)絡輿情治理研究的取向與進路[J]. 林振. 情報雜志. 2019(04)
[3]網(wǎng)絡社會安全風險評估指標體系研究[J]. 曾潤喜,羅俊杰,朱美玲. 電子政務. 2019(03)
[4]基于社會化媒體的公共政策輿情預測研究[J]. 王亞民,寧靜,馬續(xù)補. 情報理論與實踐. 2019(01)
[5]基于主題一致性和情感支持的評論意見領袖識別方法研究[J]. 安璐,胡俊陽,李綱. 管理科學. 2019(01)
[6]基于系統(tǒng)動力學的社交網(wǎng)絡輿情應對策略仿真分析——以“亞布力事件”為例[J]. 曹海軍,李明. 東北大學學報(社會科學版). 2019(01)
[7]Rebels Lead to the Doctrine of the Mean: A Heterogeneous DeGroot Model[J]. CAO Zhigang,JIAO Fengliang,QU Xinglong,WANG Wen-Xu,YANG Mingmin,YANG Xiaoguang,ZHANG Boyu. Journal of Systems Science & Complexity. 2018(06)
[8]國內(nèi)外網(wǎng)絡輿情演化、預警和應對理論研究綜述[J]. 王蘭成,陳立富. 圖書館雜志. 2018(12)
[9]網(wǎng)絡輿情治理的關(guān)鍵是“治未病”[J]. 曾潤喜. 中國傳媒科技. 2018(12)
[10]網(wǎng)絡暴力下突發(fā)事件中觀點決策與輿情反轉(zhuǎn)[J]. 黃傳超,胡斌,閆鈺煒,趙旭. 管理工程學報. 2019(01)
博士論文
[1]基于意見挖掘通用框架的情感極性強度模糊性研究[D]. 寇廣增.武漢大學 2010
本文編號:3282523
【文章來源】:浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:76 頁
【學位級別】:碩士
【部分圖文】:
梯形極性語義集
浙江大學碩士學位論文模型構(gòu)建與優(yōu)化28在其他語義的模糊性極高。此時最小自然語義集s1為:S0=<“0,H”,“1,0”>。當負性情感極性語義集si-越接近s0時,則表示其情感負性越高,反之則表示其情感負性越低。同理,當正性情感極性語義集si+越接近s1時,則表示其情感正性越高,反之則表示其情感正性越低。按照以上描述,文本信息的負向情感極性S(s0,si)與正向情感極性S(s1,si)度量公式如公式(3.21-3.22)所示:0i0imax0i(,)S(s,)(,)edsssess=(3.21)1i1imax1i(,)S(s,)(,)edsssess=(3.22)3.3小結(jié)通過對以上基于猶豫模糊集的情感極性度量方法的描述可知,在多維網(wǎng)絡中的情感子網(wǎng)中可采用極性度量方法量化情感極性;诙嗑S度社會網(wǎng)絡模型的風險評估模型,可對突發(fā)事件的輿情演化的過程風險進行科學量化,從而直觀得展現(xiàn)社會網(wǎng)絡中個體風險及整個事件風險。圖3.10為模型構(gòu)建框架。圖3.10模型構(gòu)建框架如圖3.10所示,情感子網(wǎng)中的文本進行文本分析獲得情感評分后,本文運用模糊集理論將評分轉(zhuǎn)化為正向及負向情感極性,從而獲得多維層次網(wǎng)絡的風險評估度量特征值。該模型框架可綜合分析自媒體平臺中突發(fā)事件輿情信息個體及整體事件的風險值,本文運用該模型展開實例分析,詳見第四章。
活躍用戶受眾分布
【參考文獻】:
期刊論文
[1]基于超網(wǎng)絡理論的微博輿情關(guān)鍵節(jié)點挖掘[J]. 張連峰,周紅磊,王丹,張海濤. 情報學報. 2019(12)
[2]突發(fā)公共事件網(wǎng)絡輿情治理研究的取向與進路[J]. 林振. 情報雜志. 2019(04)
[3]網(wǎng)絡社會安全風險評估指標體系研究[J]. 曾潤喜,羅俊杰,朱美玲. 電子政務. 2019(03)
[4]基于社會化媒體的公共政策輿情預測研究[J]. 王亞民,寧靜,馬續(xù)補. 情報理論與實踐. 2019(01)
[5]基于主題一致性和情感支持的評論意見領袖識別方法研究[J]. 安璐,胡俊陽,李綱. 管理科學. 2019(01)
[6]基于系統(tǒng)動力學的社交網(wǎng)絡輿情應對策略仿真分析——以“亞布力事件”為例[J]. 曹海軍,李明. 東北大學學報(社會科學版). 2019(01)
[7]Rebels Lead to the Doctrine of the Mean: A Heterogeneous DeGroot Model[J]. CAO Zhigang,JIAO Fengliang,QU Xinglong,WANG Wen-Xu,YANG Mingmin,YANG Xiaoguang,ZHANG Boyu. Journal of Systems Science & Complexity. 2018(06)
[8]國內(nèi)外網(wǎng)絡輿情演化、預警和應對理論研究綜述[J]. 王蘭成,陳立富. 圖書館雜志. 2018(12)
[9]網(wǎng)絡輿情治理的關(guān)鍵是“治未病”[J]. 曾潤喜. 中國傳媒科技. 2018(12)
[10]網(wǎng)絡暴力下突發(fā)事件中觀點決策與輿情反轉(zhuǎn)[J]. 黃傳超,胡斌,閆鈺煒,趙旭. 管理工程學報. 2019(01)
博士論文
[1]基于意見挖掘通用框架的情感極性強度模糊性研究[D]. 寇廣增.武漢大學 2010
本文編號:3282523
本文鏈接:http://sikaile.net/guanlilunwen/zhengwuguanli/3282523.html
最近更新
教材專著