多源扰动情境下网络舆情的演化机理与净化模型研究

以"水军"为代表的网络舆情扰动行为已经严重影响政府、企业和学术界对网络舆情数据的研判能力，威胁社会稳定和经济秩序。但由于其多源性和隐蔽性，现有手段尚难以及时发现和滤除。对此，本课题采用群组行为与网络结构的研究视角并基于大量实证数据，首先研究多源扰动情境下的舆情演化规律，从而实现扰动预警；然后通过仿真研究，详细解析扰动源对舆情演化过程的作用机理；再以此为突破口，建立扰动源的特征识别模型；最后结合实际应用中的各种制约，构建具有可操作性的舆情净化模型。.本研究有助于深化对真实舆情规律的认知、完善现有舆情演化理论；运用行为与结构特征研究"水军"这一组织化隐性社团，为互联网数据挖掘提供了新的思路，并对新兴的人类行为动力学研究进行了有益探索。最终成果有助于及时发现和净化网络舆情中的扰动数据，提高政府社会管理科学化水平和相关学术研究质量，并有助于研究网络心理战的预警防御策略，维护社会稳定和国家安全。

本项目自2012年立项起至今，按照既定计划对多源扰动情境下的网络舆情演化规律和识别净化策略进行了全面的研究，目前已经取得了预期的成果。具体表现在：.（1）数据采集平台与案例库建设。课题组在项目第一阶段即开发出面向多源舆情数据的一体化采集平台，并特别针对近年来国内各大社会网络平台引入的AJAX等新技术进行了专门设计，从而实现了对相关舆情研究的长期支持。在此基础上，课题组先后采集20G以上数据，并结合课题研究要求，整理出“三星/HTC网络宣传事件”等多个重点案例，作为本课题及后续研究的重要实证支持。.（2）演化规律研究。基于所搜集的数据和案例，课题组首先识别出若干低扰动话题（包括纯理性话题、道德争议类话题等）案例，从复杂网络结构、语言学规律和行为模式规律等角度对其演化规律进行了深入研究，从而析取出低扰动演化的特征模式，作为参照。在此基础上，课题组以“三星/HTC网络宣传事件”等案例为重点，将其演化模式进行了比较分析，发现其在网络演化结构（重点体现为Newman系数）、语言学规律（重点体现为句式结构和高频词）以及行为模式（重点体现为组内回复的异常统计分布）方面，与低扰动话题间存在较为明显的差异。课题组从而在已知扰动案例的基础上，构建出初步的扰动演化特征模式，并将在后续研究中，不断根据新搜集的案例进行完善改进。.（3）预判与净化模型。在演化特征模式比较的基础上，课题组首先面向单一平台设计了基于网络结构、语言学特征与行为模式三个维度的扰动预判模型。该模型将舆情演化过程分解为离散时间步，将扰动因素作为转移状态之一，从而能够基于隐马尔可夫模型和贝叶斯模型对扰动因素的存在概率进行推算，并对所识别出的高疑似扰动源进行过滤处理，实现模型的净化目标。进一步的，针对跨平台的多源扰动情景，课题组提出了基于Hadoop并行架构的预判识别方案，实现对多源情境下模型复杂度的降维处理。目前基于已有案例的实验表明，该模型的识别效率和准确性高于人工识别（以学生志愿者实验为参照）。.目前课题组已经将前期研究成果发表三篇学术论文，并正在对课题最终成果进行整理，已经投稿两篇论文。此外，项目负责人还将本课题的结论和工具应用于温州市政府2013年重点项目”温州网络舆情引导能力研究“，得到了具有实际价值的结论，直接支持了温州市政府相关政策的制订工作，项目获评优秀。