[发明专利]基于SOAR模型的突发事件中网络舆情的预测与仿真方法

权利要求书

1.一种基于SOAR模型的突发事件中网络舆情的预测与仿真方法，其特征在于包括以下步骤：

第一步，数据采集；将事件微博的评论、转发内容以及发布、评论、转发相关内容的用户信息存到本地数据库；

第二步，数据清洗；对第一步抓取来的微博数据进行清洗和整理，剔除媒体、官微发布的微博数据，得到所需普通网民发布的目标微博数据；

第三步，数据加工；通过对第二步清洗后的微博数据进行分析，对微博网民进行分类，分析微博网民情感倾向，划分网络舆情演变阶段，统计政府应急管理措施；

第四步，仿真实验；通过实验仿真再现事件中政府不同应对措施下微博用户群体行为转换过程，仿真实验包括模型设计、仿真算法设计和基于仿真平台实现仿真算法。

2.根据权利要求1所述的基于SOAR模型的突发事件中网络舆情的预测与仿真方法，其特征在于:步骤一所述的数据采集的具体实现过程为：

编写自定义爬虫，使用微博高级检索，采集与舆情事件相关的微博原创内容，心调用非开放平台的AJAX API获取该微博的评论、转发内容，以及发布、评论、转发该内容的用户信息存到本地数据库；数据库中含有微博用户基本信息表、原创微博内容表、微博评论表、微博转发表这四个数据表，如下表所示；

表1 微博用户基本信息表

表2 原创微博内容表

表3 微博评论表

表4 微博转发表

3.根据权利要求1所述的基于SOAR模型的突发事件中网络舆情的预测与仿真方法，其特征在于:步骤三所述的数据加工的具体实现过程为：

根据是否发表微博、是否评论其他网民发表的微博、是否转发其他网民发表的微博这三个属性，将网民划分为两种类型：Me-formers与In-formers，如下表；

表5 网民分类

使用SVM模型分析微博情感倾向性的方法，借助空间向量模型来进行每条微博的特征表示，通过微博的内容特征、外部特征来确定微博情感倾向性特征，从而确定每条微博的情感倾向；统计各阶段网民负面情感比例与非负面情感比例，其中较大者作为该阶段网民总体情感倾向；

通过统计每日微博数据，构建事件发展曲线图，选取拐点作为事件发展阶段划分依据，将网络舆情演变阶段分为四个阶段，“发生”阶段——少数网民或媒体发布事件相关信息，“爆发”阶段——事件得到广大网民关注，迅速扩散，“成熟”阶段——事件本身元素得到充分挖掘，网民情感倾向趋于稳定，“衰退阶段”——部门联动舆情引导，网民关注热情下降；

根据事件案例描述与事件发展阶段划分，对应各个阶段政府在微博或其他平台发布的信息及采取的活动，基于SCCT理论对政府应急管理措施进行归类，见下表；

表6 政府应急管理措施

4.根据权利要求1所述的基于SOAR模型的突发事件中网络舆情的预测与仿真方法，其特征在于:步骤四所述的仿真实验的具体实现步骤为：

第一步，模型设计；基于SOAR模型对网络舆情演变过程中网民群体行为进行建模，模拟网民Agent在外部网络舆情环境下，网民Agent的工作记忆组成、长期记忆规则库组成，在决策过程中，算子的提出、选择、应用的算法，以及产生僵局时，僵局解决与学习产生新规则的机制，以形成一个可操作性的SOAR Agent计算模型，模拟在网络舆情事件发展过程中政府的不同应对措施下的网民行为转换规律，以此预测政府应急措施可能引发的网络舆情演化趋势；

第二步，仿真算法设计；在SOAR Agent建模的基础上，进行仿真算法设计，为后期仿真实验实现奠定基础；

第三步，基于仿真平台实现仿真算法；选择仿真平台，并选取事件发生后的微博数据为样本，首先通过实验仿真再现事件中政府不同应对措施下微博用户群体行为转换过程，然后，通过在网络舆情发展的不同阶段，设置政府不同的应对措施，对实验结果进行分析，得出在网络舆情事件不同发展阶段，对于不同类别网民，政府采用何种措施，能使网民负面情感比例下降至最低。