热点网络舆情事件中意见领袖甄别方式比较研究——基于灰色关联度分析和熵权Topsis方法开题报告

1. 研究目的与意义

微博等在线社交平台的不断发展给人们的工作和生活带来了巨大的影响。人们通过这些便捷的社交平台，一方面可以轻松自由地交流和表达他们对特定产品、服务，甚至政治和经济领域的个人经验、情感和感受，但是另一方面，通过发帖、评论、转发等行为方式，可以使得舆论事件在很短的时间内呈现出病毒般的传播趋势，可能引发网络舆情危机。而意见领袖在引导舆情发展中扮演了重要角色，他们通过对热点话题发表评论，与话题当事人、社交媒体用户互动，影响公众价值判断与行为活动，成为舆情演进的主导力量。因此，对社交网络舆情意见领袖展开研究，有助于网络舆情理论纵深发展，对加强网络舆情管控具有实践意义。

2. 研究内容和预期目标

1）研究内容

突发事件中网络舆情意见领袖扮演着传播、引导、推动舆论发展等重要作用，有效识别意见领袖对实现网络舆情监测和预警具有重要意义。结合网络舆情在微博平台的传播特征，从活跃度、影响度、权威与认同度3个维度出发，构建微博意见领袖指标体系，应用一种改进的模糊—层次分析法确定指标要素权重，并通过灰色关联分析法构建一种意见领袖识别模型及影响力排序方法。

3. 国内外研究现状

国内外对意见领袖识别在不同领域得到了广泛的研究，而关于网络舆情中的意见领袖进行识别和影响力分析的研究尚处于起步阶段，研究也更偏向于模型构建和社会网络分析。naohiro 和 yukio 等运用数据挖掘技术考察日本最流行的网络社区，从文本内容和交往网络来筛选网络意见领袖，并提出了“影响力扩散模型” (idm); cha等基于用户行为视角，以 twitter 为媒体平台对舆情信息的传播特征进行分析，从粉丝数、转发数和被提及数 3个指标要素进行对比研究，发现在舆情传播过程中，转发数和被提及数对舆情传播的影响力更大; pal 等在 twitter 数据集上考虑了个体的发帖数、回复数、被转发数、被提及数和追随者数目，分别计算个体的转发影响力、被提及影响力和扩散影响力等; 康伟运用社会网络分析方法研究突发事件舆情传播的网络结构特征、关键节点识别以及节点位置等; 庞科等以社会网络中结构洞的理论为基础，运用社会网络分析方法及 ucinet 软件进行网络参政领袖的挖掘; 丁汉青和王亚萍以 “豆瓣网为例”构建了由 “中心性” “活跃性” “吸聚力”和 “传染性”组成的一级指标对 sns 网络空间 “意见领袖”进行甄别的指标体系; 张磊等引入超网络理论对微博语义社会网络进行理论建模，提出超边排序算法对用户节点进行计算和排序从而获取关键节点; 原福永等将用户活跃度与微博影响力作为影响因子构建用户影响力指数模型，用以体现微博用户的实际影响力; 周雪妍等基于标题聚类将同一话题下数据抽象成动态规模的回复关系网络，结合节点的网络结构和情感属性，给出节点 id 的影响力排序以提取舆论领袖。

综上所述，目前关于意见领袖识别和影响力的研究主要存在两个问题。一是基于社会网络分析的关键节点(意见领袖) 分析，多是基于信息回复和转发关系进行中心性、路径分析，忽略了其他内容要素的重要影响，具有一定的片面性; 二是对于各类舆情事件意见领袖的判别尚未形成统一的指标体系，模型构建标准众说纷纭，无法直接进行意见领袖识别，需要根据实际问题建立指标模型。为了解决上述问题，更加准确有效地对意见领袖进行识别和影响力分析，本文构建意见领袖识别模型和影响力排序方法，提出了意见领袖识别的指标体系，并改进模糊—层次分析法结合灰色关联分析算法，以 “孙海洋寻子事件”为实例，结合新浪微博数据进行实证研究，从活跃度、影响度、权威与认同度3个维度对突发事件意见领袖识别和影响力排序进行综合评判，使网络舆情事件意见领袖的发现和网络舆情危机的引导更具科学性、客观性和预见性。

4. 计划与进度安排

2022年12月-2022年1月，查阅相关资料，研究意见领袖影响力以及意见领袖的甄别方法，学习网络数据爬取及灰色关联度分析。

2022年1月-2022年4月，完成意见领袖甄别模型构建，并撰写论文初稿。

5. 参考文献

[1] 彭丽徽,李贺,张艳丰.基于灰色关联分析的网络舆情意见领袖识别及影响力排序研究——以新浪微博“812滨海爆炸事件”为例[j].情报理论与实践,2017,40(09):90-94.doi:10.16353/j.cnki.1000-7490.2017.09.017.

[2] 康伟.基于 sna 的突发事件网络舆情关键节点识别——以“723动车事故”为例[j].公共管理学报,2012,9(3):101-111.