基于SNA与模糊TOPSIS网络舆情关键节点识别分类模型研究.docVIP

基于SNA与模糊TOPSIS网络舆情关键节点识别分类模型研究 　　〔摘 要〕 [目的/意义]在舆情监控和管理的实践过程中，迅速有效地识别出舆情网络中的关键节点，对舆情的监督和治理具有重要意义。[方法/过程]从内容与结构双重维度，设计一种完整的网络舆情关键节点挖掘、识别和分类的技术方法。涉及GooSeeker、Gephi、Fuzzy AHP和TOPSIS等软件和算法，并以新浪微博“8?12滨海爆炸”事件为例进行具体分析。[结果/结论]突破了单纯从单一维度进行关键节点排序的局限性，使关键节点的识别与分类进一步深入，并明确演化特征，对网络舆情的科学应对具有参考价值。 　　〔?P键词〕网络舆情；关键节点；识别；分类；社会网络分析；综合评价 　　DOI：10.3969/j.issn.1008-0821.2017.08.003 　　〔中图分类号〕G206 〔文献标识码〕A 〔文章编号〕1008-0821（2017）08-0017-09 　　〔Abstract〕[Purpose/significance]In the practice of public opinion monitoring and management，identifying the key nodes in the public opinion network quickly and effectively is of great significance to the supervision and management of public opinion.[Method/process]From the dual dimensions of content and structure，this paper designed a complete method for mining，identifying and classifying key nodes of network public opinion.Involving GooSeeker，Gephi，Fuzzy AHP and TOPSIS software and algorithms，and Sina micro-blog 8?12 coastal explosion event as an example for specific analysis.[Result/conclusion]It broke through the limitation of sorting only the key nodes from a single dimension，made the identification and classification of key nodes further，and made clear the evolution characteristics，which had reference value to the scientific response of network public opinion. 　　〔Key words〕network public opinion；key nodes；identification；classification；social network analysis；comprehensive evaluation 　　随着互联网技术和Web2.0技术的广泛应用和发展，自媒体社交服务平台（诸如微博、Twitter、Facebook等）成为大众交流与信息推广的主要方式之一，用户以文字、图片和视频等形式在自媒体平台上进行信息交互，从而产生海量个人信息和交互数据，形成基于事件或其变异的网络舆情[1]。从自媒体平台用户交互数据中挖掘出有价值的个人信息和交互信息的网络舆情分析逐渐成为数据挖掘领域的研究热点课题。在自媒体平台信息传递与人际交互过程所形成的社会网络关系中，以点和有向关系线条会形成一个复杂的社会网络关系域，其中存在少数具有影响范围广、活跃度较高、重要性较强的节点，称之为关键节点（也称为意见领袖、网络精英等）[2]。关键节点的连接度较高，其发表的言论会对社会关系域其他节点产生巨大影响[3]，甚至少量的关键节点却能影响到网络中大部分节点 [4]。关键节点挖掘与分析在网络舆情识别、监测与预警领域，尤其在热点事件和突发事件的传播中起到了引爆事件或加速事件发生的重要作用，如果不能及时掌控关键节点的发展致使网络谣言恶意散布更会造成难以预见的后果。因此，本文结合社会网络分析方法（SNA）及模糊TOPSIS分析方法，对网络舆情关键节点进行识别和分类，以加强对网络舆情的监督，促进网络环境治理。 　　1 研究述评 　　国内外关于网络舆论中关键节点的