面向网络舆情大数据的决策价值发现

In the era of big data, network information is overwhelming. However, how many "facts" can be trusted? Taking "the value of online public opinion big data" as the research object, this project not only focuses on the false information and the water army groups but also subverts the commonly recognized value judgment criteria of "not positive is negative", in order to establish a new public opinion quality system, thus identifying the information with decision value. Aiming at the key scientific issues in obtaining the decision value from the online public opinion data, this research project combines the neural network algorithm and the super-network theory to propose a new machine learning super-network model, and innovatively discovers the value of public opinion from three dimensions: content, user, and propagation.①Build the "content-value discovery" model of online public opinion big data on the basement of event, user, psychology, behavior, etc., and then determine the existence and level of decision value from content perspective; ②Establish a “network water army users” multi-subject modeling from three properties: environment, psychology and viewpoints, and then propose various classification algorithms for different types of water armies. ③Construct the "propagation-value discovery" model of online public opinion big data, considering the focusing group, strong relationship layer, etc., and then use the five-degree method (degrees of distribution, aggregation, connectivity, variability, and sensitivity) to evaluate the propagation value in a multidimensional way. The goal of this project is to provide valuable information support and decision-making services for online public opinion coping and management under the view of Internet big data.

大数据时代，网络信息铺天盖地，有多少“事实”可以信赖？本课题以“网络舆情大数据的价值”为研究对象，不仅关注虚假信息和水军团体，更颠覆非正即负的数据价值判断，建立新的舆情质量体系，发现真正有决策价值的信息。项目针对在网络舆情大数据中获取决策价值的关键科学问题，融合神经网络算法和超网络，提出新的机器学习超网络模型，从内容、用户和传播三个维度创新性的挖掘舆情价值发现新模式。①由事件、用户、心理、行为等构建网络舆情大数据“内容价值发现”模型，基于特征集合判断舆情内容有无决策价值及其高低；②从环境、心理、观点三个属性对“网络水军用户”进行多主体建模，建立不同类型水军识别分类算法；③构建包含焦点簇团、强关系层等的网络舆情大数据“传播价值发现”模型，利用五度法（分布度、聚集度、连接度、变异度、敏感度）多维评估信息传播价值。课题目标是为互联网大数据视角下的网络舆情应对与管理提供有价值的信息支持和决策服务。

大数据时代，社交媒体所形成的网络舆情大数据为深度挖掘和充分利用数据信息的价值带来了重大机遇。本课题以“舆情大数据的价值”为研究对象，探索新的舆情大数据决策价值体系，从内容、用户和传播三个维度挖掘舆情价值发现新模式，并注重将研究与决策支持相结合，以真正发挥舆情大数据的决策价值。具体研究过程中共开展以下四方面核心研究：①内容价值发现：从帖子内容价值角度，构建包括事件子网、用户子网、心理子网、关键词子网的舆情超网络模型，提出了一种基于超网络、语料库更新机制和机器学习的三阶段微博信息质量评估模型，评估在线社交平台中帖子内容的决策质量；从舆情风险内容角度，构建包括同类关系子网、连锁关系子网、共现关系子网的风险内容感知超网络，综合应用链路预测算法、特征相似度算法等，精准预测突发事件舆情风险点。②用户价值发现：以“网络水军”用户为研究对象，构建包含社交子网、信息子网、心理子网、负词子网的超网络模型，提出网络水军识别指标体系，并应用机器学习方法精准对网络水军进行识别；以“舆论领袖”用户为研究对象，将舆情演化过程分为舆情危机爆发阶段和舆情危机平息阶段，分别应用SIR模型和Lotka-Volterra竞争关系模型，仿真官方微博和网络推手的影响力。③传播价值发现：从战略传播的视角，构建国外主流媒体报道正向、中立、负面语义网络，分析不同报道框架下的关键敏感词，对国外主流媒体的报道传播情况进行分析；从疫情传播的视角，构建密闭空间下突发传染病的多阶段超网络传播模型，提出SEIAFRD仓室模型，对传染病的传播动力学进行对比分析。④决策支持价值：以决策支持为目的，从舆情治理的视角分析了舆情信息治理机制、虚假信息治理策略等，开发大数据采集与分析平台，对重大突发事件舆情进行动态监测和系统分析，并完成多份政策建议报告。综上，本研究为大数据视角下的网络舆情应对与治理提供了有价值的信息支持和决策服务。