基于SNA參數增量的網絡輿論論文范文
本站小編為你精心準備了基于SNA參數增量的網絡輿論論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。
1.1SNA概述SNA通過描述行為者（個體，agent）及其相互間的關系模型，分析其結構及對行為者和整個群體的影響。如果研究對象規模較小，可用社群圖（SocialGraph）表示行為者之間的關系。如果研究對象規模較大，可把行為者之間的關系用社群矩陣表示[8]。社會心理學家Jacob•Moreno在1932年研究哈德森女校出逃事件時給出社會網絡結構圖[9]，通過SNA方法得出：個體的行為規則不決定于個人的意志而取決于其所處位置；團體內成員的行為受到所屬“小團體”的嚴重影響；網絡結構能夠影響個體間的關系和行為；不同“小團體”之間的成員也是有聯系的，但比團體內成員間的聯系稀疏；結構上等同的個體面臨相似社會環境時，可能會出現相似的反應[10]。
1.2SNA中的幾個重要參數在SNA眾多描述社會網絡結構的參數中，網絡密度、點度中心度、網絡中心勢等參數對研究網絡輿論的整體特性，結點間的關聯程度以及重要結點的影響力等具有指標性意義，在研究網絡輿論演化過程中應當予以重點、持續關注。單獨研究其中的某個參數，可以揭示出網絡輿論系統單方面的特征；綜合研究其中的多個參數及其變化，可以綜合研判揭示出網絡輿論系統的深層次特征，為確定網絡輿論調控時機提供依據。
1.3SNA參數的差分分析方法定義1：記D（t）為t時刻的社會網絡密度，則一個采樣周期Δt內D（t）的變化量為密度增量，記為ΔD（t）。ΔD（t）反映網民的關注度。ΔD（t）>0，網民對話題的關注度上升，網絡輿論處于形成或發展時期，具有進一步發展甚至爆發的可能，此時應予以重點關注；ΔD（t）<0，則說明參與討論的網民數減少且其相互關系的頻繁程度減少，網民對話題的關注度下降，網絡輿論處于回落或冷卻時期，將逐漸退出公眾的視野；若ΔD（t）在正負值之間圍繞0波動，則說明網民對話題的關注度有起伏，處于偏移期或振蕩期。定義2.1：記CADi（t）為t時刻網絡結點i的絕對點度中心度，則一個采樣周期Δt內CADi（t）的變化量為絕對點度中心度增量，記為ΔCADi（t）。定義2.2：記CRDi（t）為t時刻網絡結點i的相對點度中心度，則一個采樣周期Δt內CRDi（t）的變化量為相對點度中心度增量，記為ΔCRDi（t）。點度中心度反映出某一網民對話題的影響范圍及其地位的中心程度。其中ΔCADi（t）主要反映該網民的影響范圍，而ΔCRDi（t）主要反映該網民地位的中心程度。定義3：記C（t）為t時刻的社會網絡中心勢，則一個采樣周期Δt內C（t）的變化量為網絡中心勢增量，記為ΔC（t）。網絡中心勢反映的是網絡圖的整體向心程度，在網絡輿論系統中則反映出網民對話題討論的熱情與集中程度。
2網絡輿論調控時機判則
2.1網絡輿論調控時機的重要意義網絡輿論調控時機是指網絡輿論調控手段介入的時間點。調控時機適當，可以有效地利用社會資源，使調控手段發揮出最大影響力，取得最佳的引導效果；調控時機不對，則可能是反效果。
2.2網絡輿論調控預警判則首要判則：一個觀察周期內參與話題討論的網民總數達到設定閾值。預先調控判則：判則1：連續m個觀察周期內SNA參數增量均為正值。判則2：連續n個觀察周期內SNA參數增量均達到設定閾值。即時調控判則：判則3：一個觀察周期內SNA參數值達到設定閾值。判則4：一個觀察周期內SNA參數增量達到設定閾值。若有一個參數滿足判則，四級預警；兩個參數滿足判則，三級預警；三個參數滿足判則，二級預警；四個參數滿足判則，一級預警。特別來說，若一個觀察周期內的參數值及其增量同時滿足判則3與判則4，則說明輿情在短期內出現突然爆發，一級預警，應立即采取調控措施。
3網絡輿論調控時機確定方法
1.采集關注網站或論壇的數據，分離出網民和帖子的各種屬性，找出帖子之間的跟隨關系。2.設定觀察周期，建立每個觀察周期內的回復關系矩陣并繪制網絡社群圖。3.根據網絡社群圖，計算出每個觀察周期的SNA參數值并通過差分分析法計算增量。4.根據各種影響因素設定閾值，由增量計算結果運用判則確定網絡輿論的調控時機。
4應用示例
使用社會網絡分析軟件UCINET6[11]，以天涯論壇上“華南虎事件”的討論過程為例，對確定網絡輿論調控時機的方法進行實驗驗證。自2007-10-15樓主發帖至2008-01-30最后一位跟帖者發帖結束，該話題總參與人數為5779人，總回帖數65029個，經歷了從形成、發展、爆發直至回落的演變過程。設定觀察周期為1天。用Ucinet的Netdraw工具，繪制出每天的輿論網絡社群圖，圖1截取的是第一天。計算每天的SNA參數值并通過差分分析法計算其增量，如表1所示（截取11月15日—22日的數據）。根據首要判則，假定參與討論網民數閾值為300，周期訪問量約為1200；根據預先調控判則，假定m=5，n=3，其對應的歸一化參數閾值ΔD（t）=ΔCRDi（t）=ΔC（t）=0.03，非歸一化參數閾值ΔCADi（t）=35；根據即時調控判則，假定參數閾值D（t）=CRDi（t）=C（t）=0.88，CADi（t）=1000，參數增量閾值ΔD（t）=ΔCRDi（t）=ΔC（t）=0.1，ΔCADi（t）=400。根據判則得出的預警日期及等級為，一級預警：11月16日；四級預警：11月21日。經驗證，在這些日期前后，該話題均有相關事件發生，影響網絡輿論的發展，此時，也是引導和調控的時機。
5結論
結合社會網絡分析理論對網絡輿論系統進行定量研究，各項SNA屬性參數及其增量可以在一定程度上反映出系統演變的內部特征。若希望進一步確定更佳的預警時間、提高判斷準確率，可縮短觀察周期，根據實際情況調整各項閾值，以找到適合的觀察周期與各項參數閾值的最優組合。方法對大規模網絡輿情事件的爆發具有一定的預警與防范作用，可以作為使用網絡輿論調控手段的依據之一，可操作性強，應用前景廣闊。
作者：吳少華崔鑫胡勇單位：四川大學電子信息學院