前言：想要寫(xiě)出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇網(wǎng)絡(luò)輿情傳播研究范文，相信會(huì)為您的寫(xiě)作帶來(lái)幫助，發(fā)現(xiàn)更多的寫(xiě)作思路和靈感。

網(wǎng)絡(luò)輿情傳播研究范文第1篇

〔關(guān)鍵詞〕相似傳播；情景聚類；協(xié)同過(guò)濾；推薦算法

DOI：10.3969/j.issn.1008-0821.2016.11.009

〔中圖分類號(hào)〕G2062〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2016）11-0050-05

〔Abstract〕In the age of the Internet era，the personalized recommendation system gradually is applied to different fields and recommendation algorithm has become a research hot spot at present.Traditional recommendation algorithm，however，often has some problems，for example a cold start，sparse data.In this paper，on the basis of researches on traditional recommendation algorithm，this paper proposed a collaborative filtering recommendation algorithm based on similarity propagation and context puting the similarity between user for user clustering，then the paper found more nearest neighbors of target users，according to the similarity propagation to finally，it recommended projects according to the forecast target users ratings.With the help of online public data，the paper implemented the proposed algorithm and verified the effectiveness of the proposed algorithm on Matlab.experiment showed that the accuracy of the proposed algorithm compared with the traditional algorithm was higher，and the proposed algorithm relieved the problems of traditional recommendation algorithm，such as the cold start and sparse data，etc.

〔Key words〕similarity propagation；context clustering；collaborative filtering；recommendation algorithm

如今，互聯(lián)網(wǎng)已經(jīng)成為人們獲取信息的重要途徑。然而，隨著網(wǎng)絡(luò)上信息量越來(lái)越大，信息過(guò)載的問(wèn)題也越來(lái)越嚴(yán)重，這對(duì)人們?cè)诰W(wǎng)上快速查找精確信息造成了很大的困難。個(gè)性化推薦系統(tǒng)能夠根據(jù)用戶的興趣偏好、項(xiàng)目、需求甚至通過(guò)感知用戶的情景來(lái)向用戶推薦信息，這不僅很好地解決了信息過(guò)載的問(wèn)題，同時(shí)還滿足了用戶的個(gè)性化需求。在實(shí)際應(yīng)用方面，亞馬遜、當(dāng)當(dāng)?shù)却笮碗娚叹W(wǎng)站都開(kāi)發(fā)出了自己的推薦系統(tǒng)。在學(xué)術(shù)研究領(lǐng)域，個(gè)性化推薦方面的研究也逐漸進(jìn)入學(xué)者的視野并得到關(guān)注，例如美國(guó)的Grouplens團(tuán)隊(duì)、Alexander Tuzhilin教授、Paul Resnick教授等對(duì)個(gè)性化推薦系統(tǒng)及相關(guān)的推薦算法進(jìn)行了深入的研究[1]。

1問(wèn)題的提出

協(xié)同過(guò)濾推薦算法作為目前研究較成熟、應(yīng)用范圍較廣的推薦算法已被廣泛地運(yùn)用于互聯(lián)網(wǎng)各大推薦系統(tǒng)中[2]。然而，傳統(tǒng)的協(xié)同過(guò)濾推薦算法推薦的準(zhǔn)確率和推薦效率往往受到多方面的影響，如對(duì)于新用戶存在的冷啟動(dòng)問(wèn)題和由于評(píng)分矩陣數(shù)據(jù)稀少導(dǎo)致的數(shù)據(jù)稀疏問(wèn)題對(duì)推薦算法的質(zhì)量產(chǎn)生的影響。

本文對(duì)傳統(tǒng)的推薦算法進(jìn)行了改進(jìn)，將相似傳播的思想和用戶的情景與協(xié)同過(guò)濾推薦相結(jié)合，提出了一種基于相似傳播和情景聚類的網(wǎng)絡(luò)協(xié)同過(guò)濾推薦算法，在傳統(tǒng)協(xié)同過(guò)濾算法存在的問(wèn)題得到了較好緩解的同時(shí)也提高了推薦算法推薦的準(zhǔn)確率。

2相關(guān)概念及理論

21情景的定義

情景在不同的領(lǐng)域有不同的定義，心理學(xué)、情報(bào)學(xué)、哲學(xué)、組織行為學(xué)、教育學(xué)、社會(huì)學(xué)等領(lǐng)域的眾多學(xué)者都對(duì)情景進(jìn)行了深入的研究和探討，但關(guān)于情景的定義學(xué)者們都各執(zhí)己見(jiàn)，不能達(dá)成一致共識(shí)，因此情景一直沒(méi)有統(tǒng)一的定義。Dey等人認(rèn)為能描述某一實(shí)體特征的信息即為情景[3]。雖然這一定義目前被廣泛引用，但由于不同領(lǐng)域?qū)η榫暗睦斫飧鞑幌嗤?，情景的定義一直無(wú)法準(zhǔn)確給出。大多數(shù)學(xué)者都認(rèn)同：情景是和實(shí)體是不可分的，情景只有與實(shí)體產(chǎn)生聯(lián)系才具有意義，情景可以將實(shí)體的相關(guān)信息進(jìn)行詳細(xì)的描述。

22聚類的概念

聚類是利用一定的方法將數(shù)據(jù)集合劃分成簇中各成員間相似度較高但簇與簇間各不相同的多個(gè)簇的過(guò)程。聚類的結(jié)果往往隨著所使用的聚類方法的改變而改變，使用不同的聚類方法對(duì)相同的數(shù)據(jù)集進(jìn)行聚類，產(chǎn)生的最終結(jié)果也可能不同。劃分的過(guò)程不是通過(guò)人，而是通過(guò)聚類算法進(jìn)行的。

23協(xié)同過(guò)濾推薦

協(xié)同過(guò)濾推薦（Collaborative Filtering Recommendation，CFR）是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體，將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。協(xié)同過(guò)濾推薦不需要用戶顯式查找自己感興趣的內(nèi)容或項(xiàng)目，而是根據(jù)已有用戶對(duì)項(xiàng)目的評(píng)分來(lái)預(yù)測(cè)計(jì)算該用戶的評(píng)分，進(jìn)而根據(jù)評(píng)分高低對(duì)用戶進(jìn)行推薦，因此該方法在許多領(lǐng)域得到廣泛的應(yīng)用。

3傳統(tǒng)協(xié)同過(guò)濾推薦算法

協(xié)同過(guò)濾推薦的原理是根據(jù)用戶的興趣偏好及相關(guān)信息找到與用戶相似的群體，將該群體感興趣的內(nèi)容作為待推薦的內(nèi)容推薦給用戶。其中，基于記憶的協(xié)同過(guò)濾在實(shí)際運(yùn)用中運(yùn)用范圍較廣，它又可以根據(jù)被計(jì)算相似度的對(duì)象的不同分為用戶和項(xiàng)目?jī)煞N類型[4]。

31基于用戶的協(xié)同過(guò)濾

基于用戶的協(xié)同過(guò)濾（User-based CF）推薦算法首先是查找與目標(biāo)用戶相似的群體（即目標(biāo)用戶的最近鄰），這一過(guò)程通常通過(guò)利用系統(tǒng)中已有“用戶-項(xiàng)目”評(píng)分矩陣中的評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶與用戶之間的相似度來(lái)完成；然后根據(jù)生成的最近鄰集合中的用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)，利用評(píng)分預(yù)測(cè)計(jì)算公式來(lái)計(jì)算得到目標(biāo)用戶對(duì)某一項(xiàng)目的預(yù)測(cè)評(píng)分；最后根據(jù)預(yù)測(cè)結(jié)果對(duì)目標(biāo)用戶進(jìn)行推薦。整個(gè)推薦過(guò)程大致可分為目標(biāo)用戶最近鄰查找和目標(biāo)用戶對(duì)項(xiàng)目的評(píng)分預(yù)測(cè)。余弦相似性、修正的余弦相似性、Tanimoto系數(shù)，Pearson相關(guān)系數(shù)[5]等是在計(jì)算相關(guān)系數(shù)時(shí)較常使用的方法。

User-based協(xié)同過(guò)濾推薦算法在計(jì)算用戶間的相似度時(shí)多是采用Pearson相關(guān)系數(shù)的計(jì)算方法，根據(jù)已有用戶對(duì)項(xiàng)目的評(píng)分矩陣進(jìn)行計(jì)算。計(jì)算用戶u與u′間的相似度，計(jì)算公式如下：

sim（u，u′）=∑s∈I（u，u′）（r（u，s）-（u））（r（u′，s）-（u′））∑s∈I（u，u′）（r（u，s）-（u））2（r（u′，s）-（u′））2

其中，r（u，s）代表用戶u對(duì)項(xiàng)目s的評(píng)分，r（u′，s）代表用戶u′對(duì)項(xiàng)目s的評(píng)分；（u）代表用戶u對(duì)所有項(xiàng)目評(píng)分的平均分，（u′）代表用戶u′對(duì)所有項(xiàng)目評(píng)分的平均分；I（u，u′）代表用戶u與用戶u′都有評(píng)分的項(xiàng)目的集合。

通過(guò)計(jì)算目標(biāo)用戶與非目標(biāo)用戶間的相似度找到與目標(biāo)用戶相似的用戶群體，將該群體的集合作為目標(biāo)用戶的最近鄰集合D。生成最近鄰集合后，將最近鄰集合中用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)代入評(píng)分預(yù)測(cè)公式來(lái)對(duì)目標(biāo)用戶進(jìn)行偏好預(yù)測(cè)。預(yù)測(cè)目標(biāo)用戶u對(duì)某一項(xiàng)目s′的評(píng)分時(shí)可采用如下公式[6]：

P（u，s′）=∑u′∈D[sim（u，u′）R（u′，s′）]∑u′∈Dsim（u，u′）

其中R（u′，s′）代表用戶u的最近鄰集合中的用戶對(duì)項(xiàng)目s′的評(píng)分，sim（u，u′）代表用戶u與u′的相似度，D為用戶u的最近鄰集合。

以上公式計(jì)算出來(lái)的預(yù)測(cè)結(jié)果將作為對(duì)目標(biāo)用戶進(jìn)行推薦的依據(jù)。

32基于項(xiàng)目的協(xié)同過(guò)濾

基于項(xiàng)目的協(xié)同過(guò)濾（Item-based CF）推薦算法首先是找到與項(xiàng)目相似的項(xiàng)目群，這一過(guò)程通常通過(guò)利用已有用戶對(duì)項(xiàng)目的評(píng)分?jǐn)?shù)據(jù)計(jì)算項(xiàng)目與項(xiàng)目之間的相關(guān)系數(shù)來(lái)完成；項(xiàng)目相似群生成后，根據(jù)用戶對(duì)群體中各項(xiàng)目的已有評(píng)分?jǐn)?shù)據(jù)來(lái)計(jì)算用戶對(duì)某一項(xiàng)目的預(yù)測(cè)評(píng)分；最后根據(jù)評(píng)分計(jì)算結(jié)果對(duì)用戶產(chǎn)生相關(guān)推薦。計(jì)算項(xiàng)目t與t′間的相似度，計(jì)算公式如下：

sim（t，t′）=∑u∈u（t，t′）（r（u，t）-（t））（r（u，t′）-（t′））∑u∈u（t，t′）（r（u，t）-（t））2（r（u，t′）-（t′））2

其中，r（u，t）代表用戶u對(duì)項(xiàng)目t的評(píng)分，r（u，t′）代表用戶u對(duì)項(xiàng)目t′的評(píng)分；（t）代表所有用戶對(duì)項(xiàng)目t評(píng)分的平均分，（t′）代表所有用戶對(duì)項(xiàng)目t′評(píng)分的平均分；u（t，t′）代表對(duì)項(xiàng)目t與t′都有評(píng)分的用戶的集合。

根據(jù)項(xiàng)目間相關(guān)系數(shù)的計(jì)算生成項(xiàng)目的最近鄰集合I，之后根據(jù)生成的相似的項(xiàng)目群體來(lái)預(yù)測(cè)用戶對(duì)項(xiàng)目的評(píng)分。如計(jì)算用戶a對(duì)項(xiàng)目i的預(yù)測(cè)評(píng)分，計(jì)算公式如下[7]：

P（a，i）=（i）+∑j∈I（i，j）sim（i，j）（r（a，j）-（j））∑j∈I（i，j）sim（i，j）

其中，（i）代表所有用戶對(duì)項(xiàng)目i評(píng)分的平均分，（j）代表所有用戶對(duì)項(xiàng)目j評(píng)分的平均分；sim（i，j）代表項(xiàng)目i與項(xiàng)目j間的相似度；I（i，j）代表項(xiàng)目i的最近鄰集合。

計(jì)算出預(yù)測(cè)評(píng)分后依據(jù)預(yù)測(cè)結(jié)果對(duì)用戶進(jìn)行推薦。

然而，對(duì)于新用戶和評(píng)分?jǐn)?shù)據(jù)較少的用戶，利用傳統(tǒng)的協(xié)同過(guò)濾推薦算法很難對(duì)其進(jìn)行準(zhǔn)確的推薦。本文在對(duì)傳統(tǒng)推薦算法研究的基礎(chǔ)上，將相似傳播的思想和用戶的情景與協(xié)同過(guò)濾推薦相結(jié)合，提出了一種基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法，對(duì)傳統(tǒng)的推薦算法進(jìn)行改進(jìn)以解決冷啟動(dòng)及數(shù)據(jù)稀疏等問(wèn)題。由于在個(gè)性化推薦的過(guò)程中充分考慮用戶的情景，使得推薦結(jié)果更能滿足用戶個(gè)性化的需求，準(zhǔn)確率也相對(duì)較高。

4基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法

41算法思路

基于聚類的協(xié)同過(guò)濾推薦算法是根據(jù)一定的聚類算法利用已有的“用戶-項(xiàng)目”評(píng)分矩陣將用戶分成多個(gè)不同的簇，通過(guò)計(jì)算用戶與各簇的距離來(lái)找到與目標(biāo)用戶距離最小的簇作為目標(biāo)用戶的相似用戶群體，最后將目標(biāo)用戶相似群體中的用戶對(duì)某一項(xiàng)目的加權(quán)平均分作為目標(biāo)用戶對(duì)該項(xiàng)目的評(píng)分，以此方式來(lái)預(yù)測(cè)目標(biāo)用戶對(duì)項(xiàng)目的偏好程度，然后對(duì)用戶進(jìn)行推薦。

然而對(duì)于新用戶，由于缺少相關(guān)信息，在查找用戶最近鄰時(shí)可能會(huì)出現(xiàn)很大的誤差，最終影響推薦的準(zhǔn)確性。情景能很好地描述用戶的特征，對(duì)個(gè)性化推薦有著至關(guān)重要的影響。

本文將用戶的情景因素引入到個(gè)性化推薦中，充分考慮情景對(duì)推薦效果的影響，對(duì)原有的基于聚類的協(xié)同過(guò)濾推薦算法在相似度計(jì)算公式和用戶評(píng)分預(yù)測(cè)公式進(jìn)行改進(jìn)，提出了一種基于相似傳播和情景聚類的協(xié)同過(guò)濾推薦算法。該算法根據(jù)用戶的情景對(duì)用戶進(jìn)行聚類，同時(shí)引入相似度傳播的思想，能夠很好地緩解以前算法存在的數(shù)據(jù)稀疏性問(wèn)題。

相似傳播，就是根據(jù)每個(gè)用戶或項(xiàng)目的最近鄰找出最近鄰的最近鄰，這樣能尋找出與目標(biāo)用戶相似的更多的鄰居，提高推薦結(jié)果的準(zhǔn)確性。例如，若用戶u的最近鄰為u1，而u1的最近鄰為u、u2和u3，則在預(yù)測(cè)用戶u對(duì)某一項(xiàng)目的評(píng)分時(shí)，可以根據(jù)一定的算法利用用戶u1、u2和u3的評(píng)分預(yù)測(cè)用戶u的評(píng)分，最終進(jìn)行推薦。

在推薦系統(tǒng)中利用情景對(duì)推薦信息進(jìn)行過(guò)濾的時(shí)間并非是固定的，根據(jù)利用情景的先后，可將情景感知推薦系統(tǒng)分為情景預(yù)過(guò)濾、后過(guò)濾與建模3種不同的形式[8]。情景預(yù)過(guò)濾是在推薦過(guò)程中首先根據(jù)用戶的情景剔除部分不匹配數(shù)據(jù)，生成與用戶情景相關(guān)的評(píng)分?jǐn)?shù)據(jù)集，之后根據(jù)推薦算法對(duì)數(shù)據(jù)集進(jìn)行用戶評(píng)分預(yù)測(cè)，最終將與用戶情景匹配的結(jié)果推薦給用戶。本文所提算法工作流程圖如圖1所示：

42算法

本文所提算法大致可分為以下3個(gè)步驟：

421聚類

本文根據(jù)用戶情景的不同將用戶進(jìn)行聚類。首先確定出k個(gè)聚類中心，然后計(jì)算不同情景間的相似度，依此將用戶分成k個(gè)簇，使得每個(gè)簇中的用戶有相似的情景。由于情景的屬性是混合型的，在計(jì)算情景間相似度前需對(duì)用戶的情景進(jìn)行抽象描述。本文通過(guò)采用余弦相似性計(jì)算用戶情景的相似性對(duì)用戶進(jìn)行聚類。將用戶的情景定義為C，計(jì)算情景C1與情景C2間的相似性的計(jì)算方式如下：

sim（C1，C2）=C1?C2C1C2

通過(guò)計(jì)算情景間的相似性，將情景相似度高的用戶聚類在一起，生成情景最近鄰集合M。

422最近鄰集合的生成

計(jì)算目標(biāo)用戶到通過(guò)情景聚類得到的各簇之間的距離，找到與目標(biāo)用戶距離最近的簇，并計(jì)算目標(biāo)用戶與簇中各用戶間的相似度。本文在傳統(tǒng)的計(jì)算用戶相似度的基礎(chǔ)上引入用戶的情景因素，對(duì)傳統(tǒng)的相似度計(jì)算方法進(jìn)行改進(jìn)，提出了基于情景的用戶相似度的計(jì)算，如計(jì)算目標(biāo)用戶u與用戶u′間的相似度，計(jì)算方法如下：

sim（u，u′）=∑j∈I（u，u′，c）（r（u，c，j）-（u，c））（r（u′，c，j）-（u′，c））∑j∈I（u，u′，c）（r（u，c，j）-（u，c））2（r（u′，c，j）-（u′，c））2

其中，r（u，c，j）代表用戶u在情景c下對(duì)項(xiàng)目j的評(píng)分，r（u′，c，j）代表用戶u′在情景c下對(duì)項(xiàng)目j的評(píng)分；（u，c）代表用戶u在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（u′，c）代表用戶u′在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分；I（u，u′，c）代表用戶u與用戶u′在情景c下有共同評(píng)分的項(xiàng)目的集合。

根據(jù)以上公式計(jì)算出目標(biāo)用戶與簇中各用戶的相關(guān)系數(shù)，將與目標(biāo)用戶相似度較高的用戶放入同一集合中，生成目標(biāo)用戶的最近鄰集合N。

在計(jì)算項(xiàng)目與項(xiàng)目間的相似度時(shí)，本文在基于項(xiàng)目的協(xié)同過(guò)濾經(jīng)典算法Slope One算法[9]中引入用戶的情景，形成“用戶-情景-項(xiàng)目”模型，在計(jì)算項(xiàng)目間相似度時(shí)將情景因素對(duì)用戶對(duì)項(xiàng)目評(píng)分的影響考慮在內(nèi)，提出基于情景的項(xiàng)目相似度計(jì)算方法，計(jì)算項(xiàng)目t與項(xiàng)目t′的相似度的計(jì)算方法如下：

sim（t，t′）=1-∑u∈U（c，t，t′）[r（u，c，t）-r（u，c，t′）]U（c，t，t′）Pm

其中r（u，c，t）代表用戶u在情景c下對(duì)項(xiàng)目t的評(píng)分，r（u，c，t′）代表用戶u在情景c下對(duì)項(xiàng)目t′的評(píng)分；U（c，t，t′）代表在情景c下對(duì)項(xiàng)目t與t′均有評(píng)分的用戶數(shù)，U（c，t，t′）代表在情景c下對(duì)項(xiàng)目t與項(xiàng)目t′均有評(píng)分的用戶的集合，Pm表示滿分評(píng)分。

通過(guò)計(jì)算項(xiàng)目間的相關(guān)性生成項(xiàng)目的相似項(xiàng)目群作為項(xiàng)目的最近鄰集合A。

423推薦的生成

假設(shè)用戶u的用戶最近鄰集合表示為N，情景c的情景最近鄰集合表示為M，項(xiàng)目t的項(xiàng)目最近鄰集合表示為A，則用戶u在情景c下對(duì)項(xiàng)目t的預(yù)測(cè)評(píng)分Gu，c，t可通過(guò)目標(biāo)用戶u的用戶最近鄰集合N中的用戶在情景c下對(duì)項(xiàng)目t的評(píng)分，目標(biāo)用戶u在情景c的情景最近鄰集合M下對(duì)項(xiàng)目t的評(píng)分，以及目標(biāo)用戶u在情景c下對(duì)項(xiàng)目t的項(xiàng)目最近鄰集合A中項(xiàng)目的評(píng)分求得。用戶u在情景c下對(duì)項(xiàng)目t的預(yù)測(cè)評(píng)分計(jì)算方法如下：

Gu，c，t=13k1∑u′∈Nsim（u，u′）[R（u′，c，t）-（u′，c）]+（u，c）+k2∑c′∈Msim（c，c′）[R（u，c′，t）-（c′，t）]+12[（c，t）+（u，c）]+k3∑t′∈Asim（t，t′）[R（u，c，t′）-（c，t′）]+（c，t）

其中k1=1∑u′∈Nsim（u，u′），k2=1∑c′∈Msim（c，c′），k3=1∑t′∈Asim（t，t′）。R（u′，c，t）代表用戶u′在情景c下對(duì)項(xiàng)目t的評(píng)分，R（u，c′，t）代表用戶u在情景c′下對(duì)t的評(píng)分，R（u，c，t′）代表用戶u在情景c下對(duì)項(xiàng)目t′的評(píng)分；（u′，c）代表用戶u′在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（c′，t）代表所有用戶在情景c′下對(duì)項(xiàng)目t評(píng)分的平均分，（c，t′）代表所有用戶在情景c下對(duì)項(xiàng)目t′評(píng)分的平均分；（u，c）代表用戶u在情景c下對(duì)所有項(xiàng)目評(píng)分的平均分，（c，t）代表所有用戶在情景c下對(duì)項(xiàng)目t的評(píng)分的平均分。

43實(shí)驗(yàn)和結(jié)論

為了驗(yàn)證本算法的有效性，筆者利用Matlab進(jìn)行了驗(yàn)證。本文用來(lái)驗(yàn)證的數(shù)據(jù)集來(lái)自Grouplens提供的公開(kāi)數(shù)據(jù)集，該數(shù)據(jù)集中包含了用戶的情景信息、用戶對(duì)電影的評(píng)分（1～5分之間）。筆者通過(guò)對(duì)公開(kāi)數(shù)據(jù)集中數(shù)據(jù)的處理，從原始數(shù)據(jù)集中選出評(píng)分較多的用戶，其中包括1 000名用戶在不同情景下對(duì)3 000部電影做出的160 000條評(píng)分作為驗(yàn)證數(shù)據(jù)，其中用來(lái)訓(xùn)練的數(shù)據(jù)占70%，用來(lái)測(cè)試的數(shù)據(jù)占30%，實(shí)驗(yàn)對(duì)預(yù)測(cè)分?jǐn)?shù)達(dá)45分以上的電影向用戶做推薦。

在仿真過(guò)程中，通過(guò)計(jì)算不同算法（含本文算法與傳統(tǒng)算法）間的平均絕對(duì)誤差（MAE，Mean Absolute Error）來(lái)加以證明本文算法的有效性。設(shè)預(yù)測(cè)評(píng)分集合為P={p1，p2，p3，…，pi，…，pn}，實(shí)際評(píng)分集合為Q={q1，q2，q3，…，qi，qn}，則平均絕對(duì)誤差的計(jì)算公式如下：

MAE=∑ni=1pi-qin

所得結(jié)果如圖2所示。由圖中可看出在最近鄰數(shù)目相同時(shí)，本文算法的MAE值明顯小于Slope One算法和傳統(tǒng)的協(xié)同過(guò)濾推薦算法，本文所提算法推薦的準(zhǔn)確率與以上兩種算法相比相對(duì)較高。

5結(jié)語(yǔ)

本文在對(duì)用戶進(jìn)行推薦時(shí)充分考慮用戶的情景因素對(duì)推薦結(jié)果的影響，根據(jù)情景間的差異將用戶進(jìn)行聚類，且在計(jì)算用戶和項(xiàng)目相似度以及用戶對(duì)項(xiàng)目的預(yù)測(cè)評(píng)分時(shí)也將情景的影響考慮在內(nèi)，最終實(shí)現(xiàn)對(duì)用戶的項(xiàng)目推薦，仿真實(shí)驗(yàn)證明了本文所提算法是有效且可行的。由于在推薦過(guò)程中不僅考慮用戶的情景因素對(duì)用戶偏好的影響，同時(shí)引入相似傳播的思想使得目標(biāo)用戶能找到更多的鄰居，這樣很好地緩解了傳統(tǒng)算法中一直存在的冷啟動(dòng)問(wèn)題，而且進(jìn)一步提高了推薦算法的準(zhǔn)確率。但由于在根據(jù)用戶情景對(duì)用戶進(jìn)行聚類時(shí)需反復(fù)迭代，計(jì)算所花時(shí)間較長(zhǎng)，造成整個(gè)推薦過(guò)程所花時(shí)間相對(duì)較長(zhǎng)，因此未來(lái)的研究希望能圖2不同算法的MAE值比較

在提高推薦效率上有所突破。

參考文獻(xiàn)

[1]馮鵬程.基于情境感知的個(gè)性化推薦算法的研究[D].上海：東華大學(xué)，2014.

[2]鄧曉懿，金淳，韓慶平，等.基于情境聚類和用戶評(píng)級(jí)的協(xié)同過(guò)濾推薦模型[J].系統(tǒng)工程理論與實(shí)踐，2013，（11）：2945-2953.

[3]詹麗華，李育嫦，潘瑞冰.基于情景感知的移動(dòng)搜索的演變和實(shí)現(xiàn)[J].圖書(shū)館理論與實(shí)踐，2015，（11）：102-105.

[4]奉國(guó)和，梁曉婷.協(xié)同過(guò)濾推薦研究綜述[J].圖書(shū)情報(bào)工作，2011，16：126-130.

[5]邱均平，張聰.高校圖書(shū)館館藏資源協(xié)同推薦系統(tǒng)研究[J].圖書(shū)情報(bào)工作，2013，22：132-137.

[6]羅文.協(xié)同過(guò)濾推薦算法綜述[J].科技傳播，2015，（7）：115，196.

[7]董坤.基于協(xié)同過(guò)濾算法的高校圖書(shū)館圖書(shū)推薦系統(tǒng)研究[J].現(xiàn)代圖書(shū)情報(bào)技術(shù)，2011，（11）：44-47.

網(wǎng)絡(luò)輿情傳播研究范文第2篇

[關(guān)鍵詞]網(wǎng)絡(luò)輿情；治理；政府；商業(yè)化；網(wǎng)媒；演化博弈；前景理論；政媒合作

DOI：10.3969/j.issn.1008―0821.2017.06.001

[中圖分類號(hào)]G206.2 [文獻(xiàn)標(biāo)識(shí)碼]A [文章編號(hào)]1008―0821（2017）06―0003―06

網(wǎng)絡(luò)輿情的自由發(fā)展容易演化升級(jí)并蔓延到現(xiàn)實(shí)生活，影響社會(huì)穩(wěn)定并損害政府形象和公信力。已有研究表明，網(wǎng)絡(luò)輿情的治理僅靠政府的力量是不夠的，在網(wǎng)絡(luò)輿情危機(jī)事件中，危機(jī)的發(fā)生、發(fā)展、沖突到解決的過(guò)程，網(wǎng)媒的輿論導(dǎo)向作用不可小覷。因此，政府需要協(xié)同網(wǎng)媒等多元治理主體，充分發(fā)揮網(wǎng)媒對(duì)輿情引導(dǎo)的主體作用，運(yùn)用媒體的資源，快速并有效地傳播信息、引導(dǎo)輿論及公眾的態(tài)度。中國(guó)社會(huì)化商業(yè)資訊（CIC）從企業(yè)商業(yè)運(yùn)營(yíng)的角度，將社會(huì)化媒體概括為論壇社區(qū)、微博、社交網(wǎng)站等，事實(shí)上以門(mén)戶網(wǎng)站、微博為代表的網(wǎng)絡(luò)新媒體已經(jīng)成為危機(jī)事件、輿論的主要來(lái)源地，網(wǎng)媒以其技術(shù)特性，使信息傳播產(chǎn)生難以估量的“蝴蝶效應(yīng)”。商業(yè)化性質(zhì)的網(wǎng)媒由于其自身的局限性，面臨追逐經(jīng)濟(jì)利益和履行社會(huì)責(zé)任的矛盾，為了吸納人氣、提高點(diǎn)擊率與影響力，獲取經(jīng)濟(jì)利益，以消息人士的口吻傳播不確定的信息，或者以虛假新聞作為噱頭，迎合受眾的低級(jí)趣味，散播暴力、媚俗信息。

為了研究網(wǎng)絡(luò)輿情相關(guān)主體問(wèn)的利益沖突，已有學(xué)者將博弈論融入到網(wǎng)絡(luò)輿情的研究中，以相關(guān)主體在利益驅(qū)使下的行為選擇為對(duì)象，研究輿情產(chǎn)生與發(fā)展原因，具有較高的理論意義和現(xiàn)實(shí)參考價(jià)值。吳峰從博弈視角對(duì)重大突發(fā)事件的輿論博弈機(jī)制進(jìn)行研究，認(rèn)為突發(fā)事件輿論走向是多方力量博弈的結(jié)果，包括傳統(tǒng)媒體內(nèi)部的博弈、新媒體內(nèi)部的博弈、傳統(tǒng)媒體和新媒體輿論之間的博弈及國(guó)內(nèi)媒體與國(guó)外媒體間的博弈。宋余超等在τ咔櫓魈飫啾鴰分的基礎(chǔ)上，進(jìn)行輿情主題與不同的參與主體組合的匹配，然后構(gòu)建對(duì)應(yīng)的三方博弈模型，運(yùn)用演化博弈的思想求解不同情境下各個(gè)參與主體的演化穩(wěn)定策略。劉人境等將地方政府部門(mén)與弱勢(shì)群體的策略互動(dòng)和行為演化融入到傳染病傳播模型中，用于模擬輿論的擴(kuò)散和收斂過(guò)程。周飛從網(wǎng)絡(luò)輿情參與方的角度出發(fā)，根據(jù)最大化自身利益為目的做出策略選擇，建立網(wǎng)民、政府及網(wǎng)媒博弈場(chǎng)，對(duì)政府的決策提出建議。趙靜嫻利用演化博弈方法建立偽輿情三方演化博弈模型，分析了治理網(wǎng)絡(luò)偽輿情中各要素間的博弈關(guān)系。劉錦德以演化博弈為基礎(chǔ)，建立對(duì)稱博弈矩陣，引入個(gè)體的記憶長(zhǎng)度，根據(jù)設(shè)定的交互規(guī)則更新觀點(diǎn)，表明網(wǎng)絡(luò)輿情傳播中存在羊群效應(yīng)，并且受多種因素的影響。針對(duì)網(wǎng)絡(luò)輿情危機(jī)的處理，宋彪針對(duì)網(wǎng)絡(luò)輿情在產(chǎn)生和發(fā)展過(guò)程中所呈現(xiàn)的群體性特點(diǎn)，應(yīng)用群體動(dòng)力學(xué)和演化博弈論的方法，構(gòu)建網(wǎng)絡(luò)輿情疏導(dǎo)模型，并指出一些新聞媒體在網(wǎng)絡(luò)上新聞，標(biāo)新立異夸大事實(shí)必須落實(shí)到政府的日常管理。

上述研究成果對(duì)網(wǎng)絡(luò)輿情的監(jiān)管和治理提供了豐富的理論基礎(chǔ)，但是并沒(méi)有充分考量以門(mén)戶網(wǎng)站（新浪、今日頭條）、微博等商業(yè)化網(wǎng)媒作為盈利主體的性質(zhì)及其影響力，對(duì)政府充分發(fā)揮網(wǎng)媒對(duì)輿情引導(dǎo)的主體作用的研究有所不足。大量的應(yīng)急處置實(shí)踐證明，政府與網(wǎng)絡(luò)媒體的關(guān)系既有管理成分又有博弈成分，這種關(guān)系在兩者之間造成了一定的互耗，影響了對(duì)的處置。因此，本文在此基礎(chǔ)上，研究?jī)烧叩牧?chǎng)和地位演變，探討建立政府與網(wǎng)絡(luò)媒體的積極合作關(guān)系，以實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)輿情的有效治理。結(jié)合前景理論，建立博弈支付的前景價(jià)值矩陣，分析在決策者不完全理性的條件下，商業(yè)化的網(wǎng)媒在面對(duì)網(wǎng)絡(luò)輿情時(shí)的策略選擇，分析商業(yè)化網(wǎng)媒以負(fù)責(zé)任態(tài)度進(jìn)行傳播的約束條件，并進(jìn)一步考慮政府和網(wǎng)媒之間利益相關(guān)性，探究政媒合作制度對(duì)網(wǎng)媒行為的影響。

1政府和網(wǎng)媒行為的演化博弈

1.1模型假設(shè)與構(gòu)建

網(wǎng)絡(luò)輿情是突發(fā)事件的衍生產(chǎn)物之一，網(wǎng)絡(luò)輿情的傳播反過(guò)來(lái)又會(huì)加大原生事件的應(yīng)急處置難度。網(wǎng)媒作為觀點(diǎn)、輿論交流傳播的平臺(tái)提供方，對(duì)網(wǎng)絡(luò)輿情的監(jiān)管具有不可推卸的責(zé)任和義務(wù)。因此，本文研究的重點(diǎn)是政府的輿情監(jiān)管部門(mén)和以微博、論壇等為代表的商業(yè)化運(yùn)作網(wǎng)媒之間策略選擇的博弈，下文簡(jiǎn)稱政府和網(wǎng)媒。

已有研究表明，突發(fā)事件容易引發(fā)網(wǎng)絡(luò)世界的大范圍討論，從博弈的角度，網(wǎng)民的策略選擇是（參與、不參與），事實(shí)上，商業(yè)性質(zhì)網(wǎng)媒從盈利的角度，更希望有大量網(wǎng)民能參與到話題討論，網(wǎng)民的不完全理性、跟風(fēng)的特征、隱性矛盾的集中爆發(fā)使得虛假言論更容易傳播，而商業(yè)性質(zhì)網(wǎng)媒以不負(fù)責(zé)任態(tài)度進(jìn)行傳播時(shí)，往往更容易造成“轟動(dòng)效應(yīng)”。因此，出于本文研究側(cè)重點(diǎn)的考慮，不再將網(wǎng)民假設(shè)為博弈主體。

假設(shè)1：博弈主體為政府和網(wǎng)媒，均為不完全理性，因此博弈主體對(duì)策略的選擇主要基于自身對(duì)策略支付值的心理預(yù)期，并非策略本身的直接損益。Kahneman和Tversky于20世紀(jì)70年代提出的前景理論，是心理學(xué)方面對(duì)期望效用理論的改進(jìn)，認(rèn)為人們對(duì)價(jià)值的感知并非價(jià)值本身，而是較之某一參照點(diǎn)的相對(duì)值，本文以此來(lái)衡量博弈主體的損益，將政府和網(wǎng)媒雙方對(duì)博弈支付值的心理感受定為前景價(jià)值V，由價(jià)值函數(shù).f（x）和權(quán)重函數(shù)x（p）組成：

假設(shè)2：網(wǎng)絡(luò)輿情隨著事件不路⒔停影響擴(kuò)大，網(wǎng)媒獲得人氣提升帶來(lái)的效益，出于經(jīng)濟(jì)利益的考量，網(wǎng)媒不以負(fù)責(zé)任的態(tài)度進(jìn)行引導(dǎo)，并且在一知半解的情況，為追求優(yōu)先報(bào)道，以消息人士等口吻片面化的言論，放任平臺(tái)內(nèi)極端、片面、虛假言論肆意傳播。若網(wǎng)媒選擇以負(fù)責(zé)任的態(tài)度積極應(yīng)對(duì)，及時(shí)監(jiān)測(cè)輿情的發(fā)展情況，對(duì)片面極端、虛假言論進(jìn)行有效的管控，聯(lián)系相關(guān)主體辟謠，制定相應(yīng)策略，則需要付出人氣流失、網(wǎng)民關(guān)注度降低等損失。網(wǎng)絡(luò)輿情的演化結(jié)果會(huì)直接影響社會(huì)福利進(jìn)而影響政府收益，網(wǎng)媒的議題設(shè)置對(duì)網(wǎng)絡(luò)輿情的演化具有重大影響，從政府和網(wǎng)媒博弈的角度，政府有兩種策略選擇，即對(duì)網(wǎng)媒進(jìn)行積極管控或消極管控，所以政府的策略集合為{積極管控A1，消極管控A2}；網(wǎng)媒也有兩種策略選擇：{負(fù)責(zé)B1，不負(fù)責(zé)B2}。

假設(shè)3：網(wǎng)絡(luò)輿情的演化可能會(huì)加大原生事件的應(yīng)急處置難度，產(chǎn)生一系列衍生事件，不利于社會(huì)穩(wěn)定，網(wǎng)絡(luò)輿情失控致危機(jī)事件發(fā)生，博弈雙方均將承擔(dān)其策略選擇所造成的風(fēng)險(xiǎn)損失，假定博弈雙方分別需要承擔(dān)的責(zé)任成本線性相關(guān)，如果網(wǎng)絡(luò)輿情失控事件發(fā)生后的政府需要承擔(dān)的責(zé)任成本為G，則網(wǎng)絡(luò)媒體需要承擔(dān)的責(zé)任成本為δG，其中δ為責(zé)任成本的傳遞系數(shù)。

假設(shè)4：博弈雙方的策略選擇具有協(xié)同效應(yīng)，當(dāng)政府采取策略A1，網(wǎng)媒采取策略B1，網(wǎng)絡(luò)輿情失控從而導(dǎo)致網(wǎng)絡(luò)輿情危機(jī)發(fā)生的概率較小，本文假設(shè)此情景下，網(wǎng)絡(luò)輿情演化升級(jí)引發(fā)危機(jī)事件的概率為零；當(dāng)且僅有一方采積極策略時(shí)，即策略組合為{A1，B2}或{A2，B1}，網(wǎng)絡(luò)輿情失控發(fā)生的概率會(huì)增大，當(dāng)策略組合為{A2，B2}，網(wǎng)絡(luò)輿情失控并導(dǎo)致網(wǎng)絡(luò)輿情危機(jī)事件發(fā)生的概率最大。

假設(shè)5：模型中，政府消極態(tài)度無(wú)論是否導(dǎo)致網(wǎng)絡(luò)輿情的失控，都會(huì)引起社會(huì)福利的下降，且成本G已設(shè)定為可變函數(shù)，故將政府G2假設(shè)為常數(shù)，且C1》C2。

根據(jù)上述假設(shè)，構(gòu)建不完全信息下網(wǎng)絡(luò)輿情危機(jī)防治過(guò)程中政府和網(wǎng)媒之間策略選擇的博弈模型，關(guān)于模型的參數(shù)設(shè)置，如表1所示：

通過(guò)模型參數(shù)及博弈策略組合確認(rèn)政府和網(wǎng)媒之間博弈支付的感知價(jià)值，如表2所示：

1.3模型的指導(dǎo)意義

第一，在同時(shí)滿足式（10）所述的條件時(shí)，網(wǎng)絡(luò)輿情危機(jī)發(fā)生的概率最低：網(wǎng)媒負(fù)責(zé)任時(shí)付出的成本不能大于被政府處罰風(fēng)險(xiǎn)的感知價(jià)值及政府積極管控的情景下的網(wǎng)絡(luò)輿情危機(jī)事件發(fā)生后風(fēng)險(xiǎn)傳遞成本之和，且不能大于策略組合為{A1，B1}，為網(wǎng)媒帶來(lái)的傳遞的外部性安全效益的感知r值；政府積極管控時(shí)付出的成本的感知價(jià)值，不能大于懲處網(wǎng)媒獲得收入的感知價(jià)值、消極管控付出的成本的感知價(jià)值與實(shí)施積極管控帶來(lái)的安全效益的感知價(jià)值之和，且不能大于消極管控成本的感知價(jià)值與在網(wǎng)媒積極管理時(shí)可能發(fā)生網(wǎng)絡(luò)輿情危機(jī)事件的風(fēng)險(xiǎn)感知價(jià)值之和。

第二，根據(jù)前景理論可知，不完全理性的決策者在進(jìn)行風(fēng)險(xiǎn)決策時(shí)，往往并不是依據(jù)期望效用理論進(jìn)行判斷，往往是獲得收益時(shí)傾向于風(fēng)險(xiǎn)厭惡，面對(duì)損失時(shí)卻傾向于是風(fēng)險(xiǎn)偏好。網(wǎng)媒采取負(fù)責(zé)任策略時(shí)需要付出確定性費(fèi)用及點(diǎn)擊量下降導(dǎo)致的凈損失B，而選擇不負(fù)責(zé)任的策略時(shí)，有一定的概率付出懲罰損失D和輿情危機(jī)傳遞損失犯。此時(shí)，網(wǎng)媒的風(fēng)險(xiǎn)偏好使其不愿意承擔(dān)確定性成本，愿意承擔(dān)風(fēng)險(xiǎn)選擇不負(fù)責(zé)策略；而政府同樣受到風(fēng)險(xiǎn)偏好影響，不愿意承擔(dān)確定性的成本，盡量減少積極管控所需支付的成本。

第三，博弈主體的風(fēng)險(xiǎn)偏好會(huì)妨礙系統(tǒng)模型正常的穩(wěn)定性演化，致使網(wǎng)絡(luò)輿情演化失控導(dǎo)致危機(jī)發(fā)生，其原因可能是網(wǎng)絡(luò)空間的虛擬性，導(dǎo)致π（p）和G被低估，即危機(jī)發(fā)生的概率及其影響被低估，且網(wǎng)絡(luò)輿情治理的實(shí)際操作與理論、法規(guī)的（脫節(jié)），以及博弈主體對(duì)既得利益的偏好，積極管控、負(fù)責(zé)需付出成本的前景價(jià)值（C1，B）被高估.問(wèn)責(zé)機(jī)制的失范導(dǎo)致政府消極管控成本C2的前景價(jià)值被低估。

本文嘗試引入與網(wǎng)媒具有責(zé)任感時(shí)付出的成本B、網(wǎng)絡(luò)輿情危機(jī)風(fēng)險(xiǎn)成本G等相關(guān)的變量，政媒合作為網(wǎng)媒帶來(lái)的收益H，分析網(wǎng)媒在政媒合作條件下的價(jià)值感受及收益H對(duì)網(wǎng)媒行為的影響，進(jìn)一步解釋網(wǎng)媒責(zé)任感缺失的原因，研究政府激勵(lì)網(wǎng)媒發(fā)揮主動(dòng)性的管控模式。

2政媒合作制度對(duì)網(wǎng)媒行為的影響

2.1政媒合作制度對(duì)網(wǎng)媒行為的影響模型

網(wǎng)絡(luò)輿情的治理可以借鑒“公共服務(wù)多元化”的理論精髓，充分發(fā)揮網(wǎng)媒對(duì)網(wǎng)絡(luò)輿情引導(dǎo)的主體作用。

假定6：網(wǎng)媒作為不負(fù)責(zé)傳播者時(shí)，可以獲得人氣提升帶來(lái)收益r，網(wǎng)絡(luò)輿情的影響面越大，網(wǎng)媒的收益r越高，若網(wǎng)絡(luò)輿情演化失控導(dǎo)致危機(jī)發(fā)生則政府的善后成本c12越大，所假定G是r的單調(diào)函數(shù)，即G=ψ（r），說(shuō)明政府有意愿開(kāi)展政媒合作共同治理網(wǎng)絡(luò)輿情。

3結(jié)語(yǔ)

本文運(yùn)用演化博弈論對(duì)網(wǎng)絡(luò)輿情中的政府和網(wǎng)媒行為進(jìn)行博弈分析，考慮到博弈主體不完全理性對(duì)風(fēng)險(xiǎn)偏好的影響，引入前景理論構(gòu)建博弈的感知價(jià)值矩陣，更能切實(shí)反映在面對(duì)網(wǎng)絡(luò)輿情時(shí)，政府與網(wǎng)媒之間的博弈情境。

網(wǎng)絡(luò)輿情傳播研究范文第3篇

【關(guān)鍵詞】涉警網(wǎng)絡(luò)輿情；媒體影響；應(yīng)對(duì)策略

一、前言

網(wǎng)絡(luò)輿情是指通過(guò)網(wǎng)絡(luò)傳播的消息影響了社會(huì)群眾的認(rèn)知與情感的過(guò)程。涉警網(wǎng)絡(luò)輿情對(duì)公安機(jī)關(guān)的工作能力以及隊(duì)伍形象產(chǎn)生了一定的影響，在網(wǎng)絡(luò)技術(shù)發(fā)達(dá)的當(dāng)下，利用涉警網(wǎng)絡(luò)輿情進(jìn)行非法交易與傳播的事件逐漸增多，對(duì)公安形象以及工作造成了不利影響。因此，只有重視涉警網(wǎng)絡(luò)輿情的媒體應(yīng)對(duì)策略，才能營(yíng)造良好的網(wǎng)絡(luò)環(huán)境，更好的維護(hù)社會(huì)的安定與團(tuán)結(jié)。

二、涉警網(wǎng)絡(luò)輿情的媒體影響分析

（一）積極影響。隨著信息技術(shù)的不斷創(chuàng)新和發(fā)展，信息傳播的渠道和方式也在不斷的優(yōu)化中，利用網(wǎng)絡(luò)技術(shù)，能夠使得信息處理更加公開(kāi)和透明，能夠?qū)崿F(xiàn)信息傳遞的方便有效，利用網(wǎng)絡(luò)技術(shù)，能夠最大程度的保證消息的真實(shí)性，能夠在第一時(shí)間對(duì)信息進(jìn)行反饋，從而減少人為對(duì)事件的加工和修飾，符合當(dāng)前社會(huì)的發(fā)展需要。如利用網(wǎng)絡(luò)技術(shù)，警方可以建立相應(yīng)的公眾平臺(tái)，對(duì)突發(fā)性事件及時(shí)進(jìn)行公布，同時(shí)也可以利用網(wǎng)絡(luò)技術(shù)實(shí)現(xiàn)消息的轉(zhuǎn)發(fā)，進(jìn)一步擴(kuò)大消息的傳播范圍，從而增強(qiáng)涉警網(wǎng)絡(luò)輿情的影響力。另外，通過(guò)利用網(wǎng)絡(luò)技術(shù)，能夠?qū)崿F(xiàn)內(nèi)部的統(tǒng)一管理，在公安機(jī)關(guān)內(nèi)部，利用網(wǎng)絡(luò)技術(shù)，能夠創(chuàng)建網(wǎng)絡(luò)警務(wù)管理中心，將上級(jí)領(lǐng)導(dǎo)部門(mén)的工作指示第一時(shí)間傳遞給個(gè)人，保證相關(guān)工作內(nèi)容的有效落實(shí)，另外，依靠涉警網(wǎng)絡(luò)輿情的發(fā)展過(guò)程，能夠及時(shí)反應(yīng)出內(nèi)部管理存在的漏洞，從而進(jìn)行有效的統(tǒng)一管理，增大民眾對(duì)警方的評(píng)價(jià)渠道，根據(jù)民眾的反應(yīng)優(yōu)化工作模式，落實(shí)改革舉措，從而提高警方的工作效率及能力，助力于維護(hù)社會(huì)的安定與團(tuán)結(jié)。

（二）消極影響。由于網(wǎng)絡(luò)對(duì)于消息傳播監(jiān)管范圍及深度存在一定的缺陷，導(dǎo)致網(wǎng)絡(luò)發(fā)言過(guò)于自由化，人們可以通過(guò)網(wǎng)絡(luò)進(jìn)行消息的與傳播，在實(shí)際的網(wǎng)絡(luò)信息傳播過(guò)程中，存在大量不實(shí)的報(bào)道內(nèi)容，引發(fā)網(wǎng)絡(luò)民眾對(duì)警方的誤解，從而造成警方的公信力有所降低。涉警網(wǎng)絡(luò)輿情的媒體應(yīng)對(duì)主動(dòng)權(quán)不在警方手中，造成警方在涉警網(wǎng)絡(luò)輿情具體事件中，常常不具備話語(yǔ)權(quán)，使得警方面臨來(lái)自多方面的輿論壓力，影響了正常工作的有序進(jìn)行。另外，由于網(wǎng)絡(luò)傳播具有及時(shí)性，且隨著網(wǎng)絡(luò)技術(shù)的不斷創(chuàng)新和發(fā)展，互聯(lián)網(wǎng)越來(lái)越普及，虛假消息的傳播能力越來(lái)越強(qiáng)，一些不法分子利用網(wǎng)絡(luò)可以煽動(dòng)網(wǎng)絡(luò)民眾的情緒，激起民眾的不滿，嚴(yán)重威脅了社會(huì)的安定與團(tuán)結(jié)，同時(shí)也使得警方的工作增加了難度。網(wǎng)絡(luò)輿情具有蝴蝶效應(yīng)，任何微小的事件都有可能引發(fā)強(qiáng)烈信任危機(jī)和社會(huì)動(dòng)蕩，但是針對(duì)于網(wǎng)絡(luò)輿情的控制力度，警方的主動(dòng)權(quán)還不夠明確，同時(shí)也沒(méi)有完善的法律保障和工作方案，導(dǎo)致在處理涉警網(wǎng)絡(luò)輿情事件時(shí)，難以發(fā)揮出有效的作用，影響了公安機(jī)關(guān)在社會(huì)群眾心目中的形象。

三、涉警網(wǎng)絡(luò)輿情的媒體應(yīng)對(duì)策略

（一）增強(qiáng)涉警網(wǎng)絡(luò)輿情的危機(jī)意識(shí)。由于網(wǎng)絡(luò)的普及和公安工作的特殊性質(zhì)，因此，公安機(jī)關(guān)在處理社會(huì)事務(wù)時(shí)必須要擴(kuò)大工作范圍，針對(duì)于涉警網(wǎng)絡(luò)輿情繁榮發(fā)展現(xiàn)狀，警方應(yīng)當(dāng)加強(qiáng)網(wǎng)絡(luò)意識(shí)，強(qiáng)化危機(jī)感，由網(wǎng)絡(luò)引發(fā)的社會(huì)事務(wù)逐漸增多，對(duì)警務(wù)工作的沖擊也逐漸增大。因此，警方應(yīng)當(dāng)重視涉警網(wǎng)絡(luò)輿情的媒體應(yīng)對(duì)能力，加強(qiáng)與網(wǎng)絡(luò)民眾的溝通力度，可以通過(guò)建立警民交流群、微信公眾號(hào)等形式，增大公安機(jī)關(guān)的宣傳力度，拉近公安機(jī)關(guān)與社會(huì)群眾的關(guān)系，不僅能夠樹(shù)立良好的形象，同時(shí)也能增大對(duì)網(wǎng)絡(luò)輿情的了解力度，從而制定多層次的應(yīng)對(duì)預(yù)案，有效化解民眾對(duì)于公安機(jī)關(guān)的誤解，有效控制惡性事件的蔓延，促進(jìn)公安機(jī)關(guān)正常工作的有效展開(kāi)。

（二）創(chuàng)新涉警網(wǎng)絡(luò)輿情的處理模式。傳統(tǒng)的涉警網(wǎng)絡(luò)輿情媒體應(yīng)對(duì)的模式內(nèi)容主要在于規(guī)避風(fēng)險(xiǎn)，采用公告等形式予以，這樣不僅造成公安機(jī)關(guān)的反應(yīng)速度過(guò)慢，不能在第一時(shí)間對(duì)涉警事件做出回應(yīng)。同時(shí)由于事件的不公開(kāi)化處理，反而容易引發(fā)民眾的猜測(cè)，不利于公安機(jī)關(guān)的形象。因此，在實(shí)際的涉警網(wǎng)絡(luò)輿情的媒體應(yīng)對(duì)過(guò)程中，應(yīng)當(dāng)注重媒體應(yīng)對(duì)的方式，創(chuàng)新涉警網(wǎng)絡(luò)輿情的處理模式，必須要本著開(kāi)誠(chéng)布公的心態(tài)，要把真實(shí)事件的發(fā)生過(guò)程向社會(huì)群眾予以公布，保護(hù)民眾的知情權(quán)，正確控制涉警網(wǎng)絡(luò)輿情的發(fā)展方向。同時(shí)注重事態(tài)發(fā)展的階段性報(bào)道，要及時(shí)做出回應(yīng)，經(jīng)過(guò)充分的調(diào)查后，對(duì)后續(xù)事件的報(bào)道要詳細(xì)且符合相關(guān)法律的規(guī)定，同時(shí)要對(duì)善后工作積極主動(dòng)予以告知。只有這樣，才能在實(shí)踐中總結(jié)出涉警網(wǎng)絡(luò)輿情的處理經(jīng)驗(yàn)，才能有效降低負(fù)面影響，維護(hù)公安機(jī)關(guān)的形象，發(fā)揮出優(yōu)秀的公安隊(duì)伍在處理社會(huì)事務(wù)中的作用。

（三）重視涉警網(wǎng)絡(luò)輿情的處理監(jiān)控。社會(huì)秩序的維護(hù)必須依靠于公安機(jī)關(guān)的力量，隨著網(wǎng)絡(luò)技術(shù)的不斷創(chuàng)新和發(fā)展，網(wǎng)絡(luò)在社會(huì)秩序中扮演的角色越來(lái)越重要，不僅存在積極的影響，同時(shí)也會(huì)對(duì)社會(huì)秩序產(chǎn)生一定的消極影響。因此，為了有效的維護(hù)社會(huì)秩序，保證社會(huì)的安定與團(tuán)結(jié)，同時(shí)抑制網(wǎng)絡(luò)危機(jī)事件的發(fā)生，就必須要加大對(duì)網(wǎng)絡(luò)的監(jiān)控力度，又由于在涉警網(wǎng)絡(luò)輿情中，警方受到來(lái)自各方面輿論壓力，必須要通過(guò)有效的監(jiān)控工作，掌握網(wǎng)絡(luò)輿情的發(fā)展主動(dòng)權(quán)，從而對(duì)于事態(tài)的發(fā)展進(jìn)行控制，避免不法分子利用涉警網(wǎng)絡(luò)輿情從事非法活動(dòng)。

四、結(jié)語(yǔ)

綜上所述，只有增強(qiáng)涉警網(wǎng)絡(luò)輿情的危機(jī)意識(shí)、創(chuàng)新處理模式，同時(shí)加強(qiáng)網(wǎng)絡(luò)的監(jiān)控力度，才能保證在涉警網(wǎng)絡(luò)輿情中，公安機(jī)關(guān)掌握主動(dòng)權(quán)，才能有效維護(hù)公安機(jī)關(guān)的形象。

參考文獻(xiàn)

[1]趙建生，鄒智勇，周樹(shù)華.網(wǎng)絡(luò)負(fù)面社會(huì)心態(tài)和傳播效應(yīng)對(duì)涉警公共危機(jī)事件處置工作的影響及其解決對(duì)策[J].公安研究，2010.

[2]尹李紫琳，茍曉朦，張順靈.自媒體時(shí)代政府網(wǎng)絡(luò)輿情應(yīng)對(duì)策略分析[J].廣西師范學(xué)院學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2015.

作者簡(jiǎn)介

網(wǎng)絡(luò)輿情傳播研究范文第4篇

關(guān)鍵詞：網(wǎng)絡(luò)輿情 網(wǎng)絡(luò)輿情分析與監(jiān)測(cè)

當(dāng)前，網(wǎng)絡(luò)已成為反映社會(huì)輿情的重要途徑。網(wǎng)絡(luò)輿情已滲透到社會(huì)的各個(gè)層面，成為了一股強(qiáng)大的、不容忽視的輿論力量。因此，如何識(shí)別和分析網(wǎng)絡(luò)輿情信息，如何對(duì)輿情進(jìn)行監(jiān)測(cè)和有效引導(dǎo)，對(duì)于維護(hù)當(dāng)今社會(huì)的穩(wěn)定和發(fā)展具有重要的現(xiàn)實(shí)意義。

1 我國(guó)網(wǎng)絡(luò)輿情現(xiàn)狀

由于當(dāng)前我國(guó)正處于社會(huì)變革和轉(zhuǎn)型的關(guān)鍵時(shí)期，各種社會(huì)矛盾日益凸現(xiàn)，各種社會(huì)問(wèn)題日益受到人們的關(guān)注，越來(lái)越多的人們?cè)敢馔ㄟ^(guò)各類信息渠道表達(dá)自己的個(gè)人觀點(diǎn)和想法。隨著移動(dòng)互聯(lián)時(shí)代到來(lái)，借助移動(dòng)終端和各種網(wǎng)絡(luò)互動(dòng)軟件，人們可以隨時(shí)隨地的發(fā)表觀點(diǎn)，報(bào)道事件，尤其在突發(fā)公共事件中，任何一個(gè)人都可以對(duì)事件進(jìn)行現(xiàn)場(chǎng)報(bào)道，社會(huì)輿論的生成機(jī)制發(fā)生了深刻的變革。

當(dāng)前我國(guó)網(wǎng)絡(luò)輿論場(chǎng)的強(qiáng)度，在世界居首。2011年，我國(guó)網(wǎng)絡(luò)輿論力度驟然增強(qiáng)，上網(wǎng)發(fā)聲的階層越來(lái)越廣泛，網(wǎng)民高度警覺(jué)和關(guān)注著現(xiàn)實(shí)社會(huì)的各種熱點(diǎn)事件。特別是“7?23”動(dòng)車(chē)追尾事故和郭美美事件等敏感事件，造成網(wǎng)上網(wǎng)下人聲鼎沸，成為當(dāng)時(shí)最大的網(wǎng)絡(luò)熱點(diǎn)。

因此，在當(dāng)前復(fù)雜的社會(huì)環(huán)境下，加強(qiáng)輿情信息工作，及時(shí)掌握輿情動(dòng)態(tài)，積極引導(dǎo)社會(huì)輿論，是維護(hù)社會(huì)穩(wěn)定和安全的重要舉措。而研究和分析網(wǎng)絡(luò)輿情信息，明確輿情信息的來(lái)源是前提和基礎(chǔ)。目前，微博、微信、即時(shí)通訊軟件、博客、跟帖與網(wǎng)絡(luò)留言、網(wǎng)絡(luò)社群和網(wǎng)絡(luò)社區(qū)等是傳播網(wǎng)絡(luò)輿情信息的最主要途徑。

2 網(wǎng)絡(luò)輿情信息主要包含的內(nèi)容

2.1 重大事件。所有的重大事件的發(fā)生都會(huì)在很短的時(shí)間內(nèi)迅速在網(wǎng)絡(luò)上傳播開(kāi)來(lái)，與事件發(fā)生有關(guān)的各個(gè)報(bào)道，新聞，各方面的消息和熱點(diǎn)都會(huì)在各個(gè)網(wǎng)站上鋪天而來(lái)，在短時(shí)間內(nèi)就會(huì)出現(xiàn)大量的評(píng)論，跟貼和發(fā)帖等等。

2.2 突發(fā)事件。量變到質(zhì)變的過(guò)程是突發(fā)事件產(chǎn)生的一個(gè)重要階段，例如“日本大地震后我國(guó)的搶鹽事件”，在發(fā)生初期，并沒(méi)有引起太多人的關(guān)注，只是在民間出現(xiàn)了許多的“謠言”，但其迅速擴(kuò)散，就會(huì)影響到廣大群眾，并有可能造成整個(gè)社會(huì)的恐慌。

2.3 國(guó)家的經(jīng)濟(jì)工作和重點(diǎn)工作。網(wǎng)絡(luò)上的主流的意識(shí)形態(tài)還是需要各個(gè)新聞媒體來(lái)傳播，需要政府和組織來(lái)引導(dǎo)，繼而形成被大眾所接受的健康向上的主流輿論，政府部門(mén)要引導(dǎo)人民群眾，最大限度地在廣大人民群眾中形成共識(shí)，來(lái)統(tǒng)一不同領(lǐng)域，不同階級(jí)中的意識(shí)和信念，形成了社會(huì)的主流言論。

2.4 一些關(guān)系國(guó)際民生的重大政策的改革更容易引起人們的廣泛關(guān)注，形成網(wǎng)絡(luò)輿情熱點(diǎn)事件。

2.5 和大多數(shù)人民自身利益密切相關(guān)的事件。因?yàn)檩浨榈囊粋€(gè)重要作用就是人民群眾對(duì)自身利益的訴求表達(dá)的一個(gè)重要渠道。在群眾利益受到傷害時(shí)，他自然需要一個(gè)平臺(tái)來(lái)尋求幫助和進(jìn)行訴求，網(wǎng)絡(luò)就是這樣一個(gè)很好的輿情平臺(tái)。

3 網(wǎng)絡(luò)輿情監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)

網(wǎng)絡(luò)輿情監(jiān)測(cè)系統(tǒng)包含三個(gè)層次，自下而上分別為信息采集層、信息挖掘?qū)?、信息服?wù)層。每一層為其上一層提供基礎(chǔ)數(shù)據(jù)，以及為進(jìn)一步分析奠定基礎(chǔ)。其系統(tǒng)結(jié)構(gòu)如下圖所示：

■

網(wǎng)絡(luò)輿情監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)圖

3.1 輿情信息采集層。信息采集層的基本任務(wù)是從數(shù)據(jù)格式多種多樣的網(wǎng)頁(yè)中采集出其蘊(yùn)含的豐富的、各種各樣的輿情信息。采集層的最下層為信息采集的目標(biāo)網(wǎng)站，如新浪、網(wǎng)易、搜狐、新華網(wǎng)、人民網(wǎng)、鳳凰網(wǎng)、貓撲、天涯社區(qū)等；中間層包含爬蟲(chóng)管理模塊、預(yù)處理模塊、分類存儲(chǔ)模塊，爬蟲(chóng)管理模塊主要采用網(wǎng)絡(luò)爬蟲(chóng)技術(shù)獲取互聯(lián)網(wǎng)上的輿情信息；最上層將采集的文本信息分為Web內(nèi)容信息、Web結(jié)構(gòu)和使用記錄信息兩部分內(nèi)容。

3.2 輿情信息挖掘?qū)?。開(kāi)展輿情信息深度挖掘，發(fā)現(xiàn)的熱點(diǎn)問(wèn)題、分析其態(tài)度傾向、處置構(gòu)成危害的敏感信息是互聯(lián)網(wǎng)輿情信息挖掘?qū)拥闹饕蝿?wù)。它通過(guò)分析輿情信息采集層提供的數(shù)據(jù)，能夠檢測(cè)網(wǎng)絡(luò)話題、分析民眾的態(tài)度傾向、監(jiān)測(cè)網(wǎng)絡(luò)敏感信息、評(píng)估輿情態(tài)勢(shì)等，為輿情信息服務(wù)層服務(wù)相關(guān)部門(mén)提供客觀依據(jù)，是輿情信息處理的核心內(nèi)容。主要包含文本信息預(yù)處理模塊、網(wǎng)絡(luò)話題檢測(cè)模塊、輿情傾向性分析模塊、敏感信息監(jiān)控模塊。

3.3 輿情信息服務(wù)層。輿情信息服務(wù)層是輿情信息挖掘的目標(biāo)，其輔助相關(guān)部門(mén)把握輿情動(dòng)態(tài)、關(guān)注民情民意、做出正確決策。它一方面提供輿情信息摘要，為相關(guān)部門(mén)快速了解輿情動(dòng)態(tài)、掌握輿情事件的來(lái)龍去脈提供便利，提高工作效率；另一方面綜合考慮話題熱度、傳播擴(kuò)散度、態(tài)度傾向程度、內(nèi)容敏感度、者影響力等輿情評(píng)價(jià)指標(biāo)，并做出輿情評(píng)測(cè)、適時(shí)輿情預(yù)警信號(hào)，為相關(guān)部門(mén)及時(shí)做出反應(yīng)提供幫助。

參考文獻(xiàn)：

[1]王磊.公安網(wǎng)絡(luò)輿情分析系統(tǒng)的研究[D].北京交通大學(xué)，2008（06）.

網(wǎng)絡(luò)輿情傳播研究范文第5篇

[關(guān)鍵詞]網(wǎng)絡(luò)輿情；突發(fā)事件；灰色預(yù)測(cè)；弱化算子

1前言

20世紀(jì)90年代中國(guó)接人互聯(lián)網(wǎng)絡(luò)以來(lái)，網(wǎng)絡(luò)逐漸成為大眾生活的重要組成部分，成為民眾獲取信息的主要渠道之一。據(jù)中國(guó)互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）最新的《第38次中互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》，截至2016年6月，我國(guó)網(wǎng)民規(guī)模達(dá)到7.10億，互聯(lián)網(wǎng)普及率為51.7%，其中，手機(jī)在上網(wǎng)設(shè)備中占據(jù)主導(dǎo)地位，手機(jī)網(wǎng)民規(guī)模已達(dá)6.56億，網(wǎng)民規(guī)模的增長(zhǎng)率和使用率較上年底持續(xù)增長(zhǎng)。借助于網(wǎng)絡(luò)這一平臺(tái)，人們可以自由發(fā)表對(duì)某一事件的言論和觀點(diǎn)，這使得互聯(lián)網(wǎng)成為輿情生發(fā)和傳播的主要陣地，關(guān)于某一特定突發(fā)事件的信息在網(wǎng)絡(luò)后，必然會(huì)產(chǎn)生網(wǎng)絡(luò)輿情。

網(wǎng)絡(luò)輿情是指在一定的社會(huì)空間內(nèi)，通過(guò)網(wǎng)絡(luò)圍繞中介性社會(huì)事件的發(fā)生、發(fā)展和變化，民眾對(duì)公共問(wèn)題和社會(huì)管理者產(chǎn)生和持有的社會(huì)政治態(tài)度、信念和價(jià)值觀。網(wǎng)絡(luò)輿情傳播大致會(huì)經(jīng)歷潛伏、爆發(fā)、平穩(wěn)和衰退這四個(gè)階段，每一個(gè)階段都會(huì)受一些不確定因素的影響，這些影響使得網(wǎng)絡(luò)輿情傳播過(guò)程就是一個(gè)隨時(shí)間變化的不確定過(guò)程。網(wǎng)絡(luò)輿情的傳播路徑不確定，輿情話題在傳播過(guò)程中就可能朝任意方向發(fā)展，某一特定的輿情話題可以衍生出多個(gè)相關(guān)或無(wú)關(guān)的新的輿情話題，對(duì)輿情的態(tài)勢(shì)走向也會(huì)造成一定影響。由于突發(fā)事件發(fā)生的規(guī)模及發(fā)展趨勢(shì)難以預(yù)測(cè)、復(fù)雜多變，其具有的突發(fā)性、危險(xiǎn)性、緊迫性和不確定性等特點(diǎn)也使得突發(fā)事件中原有信息溝通渠道可能受到影響或是被阻斷，為各種流言、小道消息的滋生和傳播提供了空間，留給決策者思考的時(shí)間短，如果不能及時(shí)準(zhǔn)確獲取全面的、最新的信息，就無(wú)法對(duì)其進(jìn)行快速有效處理，會(huì)造成極大的負(fù)面影響，影響社會(huì)穩(wěn)定。因此，在實(shí)踐中，研究網(wǎng)絡(luò)輿情的形成、演化的規(guī)律，探索網(wǎng)絡(luò)輿情引導(dǎo)、控制的對(duì)策，對(duì)于提升我國(guó)政府應(yīng)對(duì)突發(fā)事件的能力具有重要作用和價(jià)值。本文選取了發(fā)生于2016年10月10日的浙江溫州房屋倒塌事件，進(jìn)行了突發(fā)事件網(wǎng)絡(luò)輿情演變規(guī)律分析，為決策者提供參考價(jià)值。

2突發(fā)事件屬性和級(jí)別

對(duì)于突發(fā)事件，《中華人民共和國(guó)突發(fā)事件應(yīng)對(duì)法》將其分為自然災(zāi)害、事故災(zāi)害、公共衛(wèi)生和社會(huì)安全四類，而根據(jù)事件的嚴(yán)重性，由低到高依次劃分為：一般（Ⅳ級(jí)）、較大（Ⅲ級(jí)）、重大（Ⅱ級(jí)）、特別重大（I級(jí)）四個(gè)級(jí)別。在網(wǎng)絡(luò)輿情的事件評(píng)判中，社會(huì)安全事件涉及政治、經(jīng)濟(jì)等各個(gè)領(lǐng)域，對(duì)這種突發(fā)事件的預(yù)警工作則顯得尤為重要。

3案例介紹

2016年10月10日下午16點(diǎn)30分，浙江溫州三幢五層樓房倒塌，造成22人死亡，6人受傷，屬較大級(jí)別的社會(huì)安全事件。事件發(fā)生后，迅速引起了網(wǎng)民的關(guān)注和討論。

3.1數(shù)據(jù)的歸納與整理

本文中模型的數(shù)據(jù)來(lái)源新浪微博，網(wǎng)站以及新聞媒體等各大主流平臺(tái)。為便于計(jì)算現(xiàn)選取發(fā)帖量作為研究對(duì)象。通過(guò)梳理，以事件發(fā)生半個(gè)小時(shí)后間隔為12小時(shí)為一個(gè)時(shí)間段，共計(jì)歸納出十一個(gè)時(shí)間段內(nèi)網(wǎng)絡(luò)傳播數(shù)據(jù)量（見(jiàn)表1）。

3.2輿情態(tài)勢(shì)走向

溫州房屋倒塌事故中，網(wǎng)民參與討論發(fā)帖的輿情態(tài)勢(shì)演化歷經(jīng)兩個(gè)波折（見(jiàn)圖1）；10月10日下午16：30事故發(fā)生后，11日輿情熱度迅速上升，主要表現(xiàn)為對(duì)事故本身的關(guān)注；而突發(fā)事件網(wǎng)絡(luò)輿情的演變規(guī)律易受不確定因素的影響，10月11日，新聞媒體等報(bào)道出父母用身子護(hù)住女兒，女兒得以生存，輿論熱度再次攀升。隨后事件逐漸平息。

4輿情模型的建立與檢驗(yàn)