[發明專利]基于SOAR模型的突發事件中網絡輿情的預測與仿真方法

在審

• 申請號: 201710266970.X
• 申請日: 2017-04-21
• 公開（公告）號: CN107239489A
• 公開（公告）日: 2017-10-10
• 發明（設計）人: 方天時;王陽春
• 申請（專利權）人: 南京理工大學
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06Q50/00;G06K9/62
• 代理公司: 南京理工大學專利中心32203
• 代理人: 王瑋

技術領域

本發明涉及突發事件中微博網絡輿情的預測與仿真方法，具體涉及一種以建立在SOAR模型上的網民群體行為規則為基礎的仿真方法。

背景技術

隨著Web2.0技術及相關互聯網應用的不斷普及，微博等新媒體已經成為網絡輿情的重要輿論場。微博具有用戶基數大、傳播速度快、信息上載方便等特點，已經成為我國輿情爆發的主要策源地和傳播媒介，如病毒般蔓延至互聯網、企業、個人生活的每個角落。如何針對微博所具有的海量非結構化文本數據、大用戶數和實時性強的特點，研究有效的微博輿情預測仿真方法，成了當務之急。

Honeycutt和Herring通過對Twitter上用戶發表的內容文本分析，進而研究Twitter如何支持網民之間交互以及網民為什么要在Twitter上發表信息。Naaman等人在Honeycutt研究的基礎上進行歸納，將網民分為Me-formers和In-formers兩類Me-formers大多數的時候只發表有利于他們自己目標的或跟自己有關的博客，并且對評論或轉發別的用戶的博客沒有興趣。In-formers不僅僅是發表更多的博客，還評論或者轉發別的用戶發表的內容。

SOAR模型是一種可計算程序體系結構表達的通用的認知模型，試圖通過提供一個基于知識的問題求解、學習、與外界交互的框架，來促進人們對人類智能的認識。SOAR模型源自人工智能(AI)領域，常被用來創建智能體，對行為決策過程進行模擬，它為解決人工智能在動態復雜環境下能夠自動使用知識、持續學習來完成任務的問題提供了靈活的計算框架。

目前國內學者對于網絡輿情中政府應急管理的研究往往集中于理論上的建議，國外學者從公共管理角度對政府在危機管理中應急措施進行研究，但缺乏對實時數據進行分析和建模，不能根據輿情發展態勢以給政府采取應急措施提供明確的建議。

發明內容

本發明的目的在于基于SOAR模型來模仿網民的心智，結合政府措施、輿情發展階段和網民特征，提供一種符合事實情況、便于政府做決策的輿情預測方法。

實現本發明目的的技術解決方案為：一種基于SOAR模型的突發事件中網絡輿情的預測與仿真方法，包括以下步驟：

第一步，數據采集；將事件微博的評論、轉發內容以及發布、評論、轉發相關內容的用戶信息存到本地數據庫；

第二步，數據清洗；對第一步抓取來的微博數據進行清洗和整理，剔除媒體、官微發布的微博數據，得到所需普通網民發布的目標微博數據；

第三步，數據加工；通過對第二步清洗后的微博數據進行分析，對微博網民進行分類，分析微博網民情感傾向，劃分網絡輿情演變階段，統計政府應急管理措施；

第四步，仿真實驗；通過實驗仿真再現事件中政府不同應對措施下微博用戶群體行為轉換過程，仿真實驗包括模型設計、仿真算法設計和基于仿真平臺實現仿真算法。

本發明與現有技術相比，其顯著優點：1、本發明不再局限于實時的輿情反映，而是更進一步地去預測未來輿情的走向。

2、本發明將重要參數置于政府舉措上，更加突出了政府的作用力，為政府的網絡輿情監管起到輔助作用。

3、本發明基于SOAR模型，將網絡輿情中網民群體行為轉變過程看作相應輿情問題空間中狀態隨時間的連續轉換過程，不再只是單純地從時間片的角度來看待網絡輿情，使得網絡輿情的仿真與預測更符合實際情況。

附圖說明

圖1為本發明的仿真實驗流程示意圖。

圖2為本發明的仿真算法流程示意圖。

具體實施方式

針對微博輿情的預測與仿真，發明提供了一種微博輿情的仿真方法，模擬網民順著輿情發展走向，對政府的措施做出反應，發布正面帖子或者負面帖子，從而影響網絡輿情。

本發明通過SOAR Agent模型總體框架設計和SOAR Agent模塊設計，結合網民分類、政府舉措、網絡輿情發展階，為網民群體行為進行建模，得出網民群體行為轉換規則。

下面結合附圖對本發明作進一步說明。

本發明給出了輿情預測的具體流程，見圖1：

從新浪微博上采集事件數據保存到數據庫；

對數據進行清洗和整理，剔除媒體、官微發布的微博數據，得到所需普通網民發布的目標微博數據；