基于多属性网络的舆情推演模型及应用研究

In the current network public opinion modeling and analysis, there are a lot of useful informations such as the user's browsing, likes, transmitting behaviors, and the subject of Weibo content in the online social media. How to couple these informations is cirical to extract the lyric theme, the hotspot and emotional communication law which help to undertanding the evoluton of public opinion. Based on multi-network propagation, we propose a deductive framework. First, we aim to build up a multi-network to find the tendency of network propagation which based on the content mining of events. Second, to analyze the network propagation, the relation of propagation will be analyzed by econometric analysis method and sequence mining algorithm . Third, we will establish a paradigm for tracing and controlling epidemic invasion and information diffusion in complex networked systems to localize diusion sources. Specifically, 1) we will establish a multi-network model, by topic distillation of news and textual mining (sentiment mining) of public opinions. Then a multi-network will be built based on topics. By using the multi-network, we will find the ways of topics changing and spreading. 2) We will analyze the relation of different themes. The dynamics of different events or different topics of the same hotspot are fitted by the distribution curve of the sentiment index, and the DID double difference model, the PrefixSpan sequence pattern mining algorithm are used to derive the relationship between the theme evolution of the public opinion. 3) We will build back-propagation algorithms for source identification. Study the dynamic equations of multi-layer network propagation, and use compressed sensing technology to inversely infer hidden sources of communication in public opinion propagation.

如何耦合在线社交媒体中用户的浏览、点赞、转发行为，微博内容的主题等信息进行舆情主题提取，热点追踪和传播规律挖掘是当前网络舆情建模与分析中面临的重要问题。本项目提出基于多属性网络的舆情推演分析模型，构建用户和舆情主题多属性网络，采用文本分析提取舆情事件的主题，建立基于用户行为模式的舆情主题的关联关系模型，进而研究多主题下社交网络舆情传播中的隐藏节点。拟研究：1）舆情推演的多属性网络构建。对新闻内容文本进行主题提取，并根据用户行为构造多属性网络，研究网络舆情传播与统计特征。2）舆情推演关联关系分析。不同事件或同一热点的不同主题，其演化的动态，通过舆情指数的分布曲线来拟合，并采用DID双重差分模型、PrefixSpan序列模式挖掘算法，来推演舆情主题演化的关联关系。3）多属性网络的舆情反向传播溯源。研究多层网络传播的动力学方程，并采用压缩感知技术，反向推断多主题舆情传播中隐藏的传播源。

耦合在线社交媒体中用户舆情传播的演化规律是网络科学研究的特点之一。本项目采用文本分析提取舆情事件的主题，构建多属性网络，从网络的用户行为中提取舆情反馈信息，分析舆情主题的关联关系，并根据不同的属性特征重构网络结构，并将多属性的网络特征，结合区块链实践落地。（1）网络舆情事件正向推演研究，提出一种去冗余的衍生事件内容关联演化分析框架，构建反映演化关系的衍生事件链图。此外，在事件的实体识别方面，针对用户投诉内容中，存在大量的冗余、不规范，甚至虚假投诉信息，设计了一种基于企业的行业特性的二次匹配，提高实体识别的准确率。（2）网络舆情反向传播的网络重构，提出了两种基于压缩感知的网络重构方法。其一，利用公共信息重构网络是一个意见动态逆问题，建立了一种基于转发行为的态度动态模型假设，发现在观点中性状态下的网络更容易重构。其二，通过考虑意见动态的 Hegselmann-Krause 有界置信度模型和网络重建的压缩感知方法，提出了一种用于重建具有社区结构的社交网络的模型，发现用户意见比社区结构对网络重建起着更重要的作用。（3）应用层面，研究了多属性网络中旅客线下出行行为特征、区块链网络中用户借阅行为的特征、以及区块链在电网巡检中动员社会网络的力量。