重大突發(fā)公共衛(wèi)生事件中社交媒體謠言傳播行為及引導策略

目錄
1 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 3
1.2 研究內容及結構安排 5
1.2.1 研究內容 5
1.2.2 結構安排 6
2 理論基礎及概念界定 7
2.1 網(wǎng)絡信息傳播 7
2.1.1 信息傳播的定義 7
2.1.2 信息傳播的模式 7
2.1.3 網(wǎng)絡信息傳播的特點 9
2.1.4 網(wǎng)絡信息傳播動力學 10
2.2 復雜網(wǎng)絡理論 14
2.2.1 復雜網(wǎng)絡概述 14
2.2.2 復雜網(wǎng)絡的特征 17
2.2.3 復雜網(wǎng)絡的統(tǒng)計特性 17
2.2.4 復雜網(wǎng)絡模型 23
2.3 在線社會網(wǎng)絡 26
2.3.1 在線社會網(wǎng)絡的定義 26
2.3.2 在線社會網(wǎng)絡的分類 27
2.3.3 在線社會網(wǎng)絡分析 29
2.4 社交媒體謠言傳播行為 32
2.4.1 社交媒體輿情 32
2.4.2 謠言傳播行為 34
2.4.3 突發(fā)公共衛(wèi)生事件 36
2.5 本章小結 36
3 重大突發(fā)公共衛(wèi)生事件中辟謠信息傳播行為影響因素 38
3.1 概述 38
3.2 相關研究 39
3.3 辟謠信息傳播行為及特點 40
3.3.1 辟謠信息傳播行為 40
3.3.2 辟謠信息傳播特點 41
3.4 理論模型構建 42
3.4.1 研究設計 42
3.4.2 模型檢驗 46
3.5 實證研究結果及分析 50
3.5.1 描述性統(tǒng)計與相關性分析 50
3.5.2 回歸分析 52
3.5.3 假設檢驗與結論 53
3.6 本章小結 55
4 重大突發(fā)公共衛(wèi)生事件中社交媒體謠言轉發(fā)行為預測 59
4.1 概述 59
4.2 相關研究 61
4.2.1 社交媒體中轉發(fā)行為預測研究 61
4.2.2 社交媒體中謠言轉發(fā)行為預測研究 62
4.2.3 不均衡數(shù)據(jù)處理 64
4.2.4 文獻評述 65
4.3 基于CNN-SMOTE-SVM的謠言轉發(fā)行為預測模型 66
4.3.1 卷積神經網(wǎng)絡 66
4.3.2 SMOTE算法 67
4.3.3 支持向量機 68
4.3.4 基于CNN的基本模型構建 69
4.3.5 模型改進 72
4.4 特征向量構建 73
4.4.1 特征向量描述 73
4.4.2 核心微博文本提取 74
4.4.3 定量變量 75
4.5 實驗結果及分析 77
4.5.1 數(shù)據(jù)集構建 77
4.5.2 模型評價指標 78
4.6 模型性能比較 79
4.6.1 改進模型比較 79
4.6.2 經典模型比較 80
4.7 特征向量分析 82
4.8 本章小結 85
5 重大突發(fā)公共衛(wèi)生事件中基于ARIMA模型的謠言檢測模型 88
5.1 概述 88
5.2 相關研究 90
5.2.1 基于有監(jiān)督學習的方法 90
5.2.2 基于無監(jiān)督學習的方法 91
5.2.3 基于深度神經網(wǎng)絡的方法 91
5.2.4 其他類型的檢測方法 92
5.2.5 文獻評述 92
5.3 問題提出 93
5.3.1 社交網(wǎng)絡中的謠言檢測 93
5.3.2 謠言檢測算法 93
5.3.3 時間序列模型 97
5.3.4 FCM算法 98
5.4 基于ARIMA模型的謠言檢測模型 100
5.4.1 特征工程 100
5.4.2 模型構建 104
5.5 實驗結果及分析 108
5.5.1 實驗數(shù)據(jù)集 108
5.5.2 實驗過程 108
5.5.3 實驗結果 111
5.6 本章小結 112
6 基于超網(wǎng)絡的重大突發(fā)公共衛(wèi)生事件輿論場研究 114
6.1 概述 114
6.2 相關研究 116
6.2.1 基于超網(wǎng)絡的輿情網(wǎng)絡重要節(jié)點分析 116
6.2.2 基于超網(wǎng)絡的突發(fā)事件傳播模式及傳播趨勢預測 116
6.2.3 基于超網(wǎng)絡的輿論引導策略 117
6.2.4 文獻評述 118
6.3 基于超網(wǎng)絡的社交網(wǎng)絡輿論場模型構建 119
6.3.1 理論基礎 119
6.3.2 模型構建 120
6.4 實驗結果及分析 125
6.4.1 節(jié)點的度對傳播過程的影響 125
6.4.2 可信度對傳播過程的影響 126
6.4.3 政府干預對傳播過程的影響 127
6.5 本章小結 132
參考文獻 134
后記 142