[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

说明书

技术领域

本发明涉及突发事件中微博网络舆情的预测与仿真方法，具体涉及一种以建立在SOAR模型上的网民群体行为规则为基础的仿真方法。

背景技术

随着Web2.0技术及相关互联网应用的不断普及，微博等新媒体已经成为网络舆情的重要舆论场。微博具有用户基数大、传播速度快、信息上载方便等特点，已经成为我国舆情爆发的主要策源地和传播媒介，如病毒般蔓延至互联网、企业、个人生活的每个角落。如何针对微博所具有的海量非结构化文本数据、大用户数和实时性强的特点，研究有效的微博舆情预测仿真方法，成了当务之急。

Honeycutt和Herring通过对Twitter上用户发表的内容文本分析，进而研究Twitter如何支持网民之间交互以及网民为什么要在Twitter上发表信息。Naaman等人在Honeycutt研究的基础上进行归纳，将网民分为Me-formers和In-formers两类Me-formers大多数的时候只发表有利于他们自己目标的或跟自己有关的博客，并且对评论或转发别的用户的博客没有兴趣。In-formers不仅仅是发表更多的博客，还评论或者转发别的用户发表的内容。

SOAR模型是一种可计算程序体系结构表达的通用的认知模型，试图通过提供一个基于知识的问题求解、学习、与外界交互的框架，来促进人们对人类智能的认识。SOAR模型源自人工智能(AI)领域，常被用来创建智能体，对行为决策过程进行模拟，它为解决人工智能在动态复杂环境下能够自动使用知识、持续学习来完成任务的问题提供了灵活的计算框架。

目前国内学者对于网络舆情中政府应急管理的研究往往集中于理论上的建议，国外学者从公共管理角度对政府在危机管理中应急措施进行研究，但缺乏对实时数据进行分析和建模，不能根据舆情发展态势以给政府采取应急措施提供明确的建议。

发明内容

本发明的目的在于基于SOAR模型来模仿网民的心智，结合政府措施、舆情发展阶段和网民特征，提供一种符合事实情况、便于政府做决策的舆情预测方法。

实现本发明目的的技术解决方案为：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，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。

本发明与现有技术相比，其显著优点：1、本发明不再局限于实时的舆情反映，而是更进一步地去预测未来舆情的走向。

2、本发明将重要参数置于政府举措上，更加突出了政府的作用力，为政府的网络舆情监管起到辅助作用。

3、本发明基于SOAR模型，将网络舆情中网民群体行为转变过程看作相应舆情问题空间中状态随时间的连续转换过程，不再只是单纯地从时间片的角度来看待网络舆情，使得网络舆情的仿真与预测更符合实际情况。

附图说明

图1为本发明的仿真实验流程示意图。

图2为本发明的仿真算法流程示意图。

具体实施方式

针对微博舆情的预测与仿真，发明提供了一种微博舆情的仿真方法，模拟网民顺着舆情发展走向，对政府的措施做出反应，发布正面帖子或者负面帖子，从而影响网络舆情。

本发明通过SOAR Agent模型总体框架设计和SOAR Agent模块设计，结合网民分类、政府举措、网络舆情发展阶，为网民群体行为进行建模，得出网民群体行为转换规则。

下面结合附图对本发明作进一步说明。

本发明给出了舆情预测的具体流程，见图1：

从新浪微博上采集事件数据保存到数据库；

对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；