[目的/意義]提前進行網絡謠言監(jiān)控和預警是立體化防控網絡謠言、增強社會穩(wěn)定、提高政府執(zhí)政能力的關鍵。移動互聯(lián)網時代,突發(fā)事件發(fā)生后極易在網絡上引起熱點輿情、網絡危機信息的傳播同時為網絡謠言的擴散提供良好的土壤,無形中增大了政府部門應對謠言的挑戰(zhàn)。[方法/過程]本文采用遺傳算法優(yōu)化BP神經網絡構建網絡謠言危機預警模型,擬實現(xiàn)對突發(fā)事件網絡謠言的監(jiān)控、預警仿真及風險的量化評估。實證分析案例選取天津"8·12"爆炸事故與"和頤酒店女生遇襲事件",通過計算機對這兩起突發(fā)事件衍生的網絡謠言建立預警模型,并對模擬仿真結果進行驗證。[結果/結論]結果表明,遺傳算法優(yōu)化BP神經網絡模型在突發(fā)事件網絡謠言危機預警方面具有較好的適用性,與僅采用BP神經網絡模型相比預警的準確性更好。 

【文章來源】：現(xiàn)代情報. 2019,39(12)CSSCI

【文章頁數(shù)】：9 頁

【部分圖文】：

三層BP神經網絡結構

首先，將表2中樣本列表中的T1、T8、T15、T22、T295個時間段作為BP神經網絡的測試樣本，其余27個樣本作為訓練樣本。經過計算，從圖3中誤差進化曲線看出，約經過遺傳代數(shù)30的進化可得到平均誤差與最佳誤差近乎相同，此時得到最佳初始權值與閥值。圖3遺傳代數(shù)誤差進化曲線其次，將最佳值返回到已經訓練好的標準BP神經網絡模型，得到測試樣本的所有的5個預警值(輸出的最大值轉化為1，其余轉化為0，如T1中0.9231為該行最大值，則期望輸出為1，將該行其他數(shù)值轉化為0)，從結果上看，遺傳算法優(yōu)化BP神經網絡預警的實際輸出與期望輸出一致，如表3所示。表3預警結果對照表測試樣本期望輸出遺傳算法優(yōu)化BP神經網絡實際輸出值T1100010.923100.387600.427800.37230T800100.231400.312400.812210.41230T1510000.923210.423100.389100.23110T2201000.213200.712410.322100.34690T2910000.829310.034200.029700.42710模擬仿真結果表明，本文構建的網絡謠言危機預警指標體系具有一定合理性，通過5個測試樣本的期望輸出與實際輸出對比，該網絡謠言危機預警模型具有良好的可預測性，可給有關部門進行網絡謠言危機預警時作為參考。4結論與討論4.1討論1)本文為突發(fā)事件網絡謠言危機預警提供了一種由遺傳算法優(yōu)化的BP神經網絡模型，其實際應用效果與標準BP神經網絡算法相比更具科學性和實用性。受篇幅限制具體算法流程在本文中作簡化處理，可參考文獻［8］。2)本文以天津“8·12”爆?

【參考文獻】：
期刊論文
[1]大數(shù)據背景下網絡輿情信息異化控制模型研究[J]. 夏一雪,蘭月新,趙玉敏.  現(xiàn)代情報. 2018(02)
[2]面向突發(fā)事件的網絡謠言危害分析及應對策略[J]. 周穎,張鵬,高揚,蘭月新,夏一雪.  中國公共安全(學術版). 2017(02)
[3]基于BP神經網絡的突發(fā)事件網絡謠言危機預警[J]. 張鵬,李昊青,蘭月新,周穎.  電子政務. 2016(11)
[4]基于認知過程的網絡謠言綜合分類方法研究[J]. 張鵬,蘭月新,李昊青,瞿志凱.  圖書與情報. 2016(04)
[5]政媒共治:災難事件中網絡造謠與辟謠的信息行為研究——基于“8·12天津爆炸事故”謠言的內容分析[J]. 曾潤喜,魏馮.  電子政務. 2016(05)
[6]基于全樣本分析的網絡輿情指標體系研究綜述[J]. 曹蓉.  情報雜志. 2015(05)
[7]災難事件中謠言的新聞學意義闡釋[J]. 陳雪奇.  理論與改革. 2014(03)
[8]重大事件輿情監(jiān)測指標體系與預警分析模型的再探討[J]. 柯惠新,劉績宏.  現(xiàn)代傳播(中國傳媒大學學報). 2011(12)
[9]謠言風暴:災難事件后的網絡輿論危機現(xiàn)象研究[J]. 孫燕.  新聞與傳播研究. 2011(05)
[10]網絡輿情突發(fā)事件預警指標體系構建[J]. 曾潤喜.  情報理論與實踐. 2010(01)

碩士論文
[1]我國網絡輿情安全評估指標體系研究[D]. 戴媛.北京化工大學 2008



本文編號：3281801