基于复杂网络的爆发性网络舆情传播动力学研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61503109
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    21.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0304.系统工程理论与技术
  • 结题年份:
    2018
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2018-12-31

项目摘要

The occurrence of explosive public opinion in internet is not only related to the characteristics of the event but also the time-dependent behaviors of the media. Modeling the explosive public opinion in internet can not only help us find the evolutionary dynamics of the public opinion but also find the measures preventing the epidemic. By investigation, we will study the time-dependent behaviors of the explosive public opinion in internet; Depending upon the network model, we will study the correlations of different factors; Depending upon the opinion formation model and the SIR model, we will study the risk prediction and the prevention method.
爆发性网络舆情的发生不仅与事件本身的特殊性有关,而且与事件传播过程中的路径特征有关。模型化网络舆情的传播过程不仅有助于我们理解爆发性网络舆情的发生、发展机制,而且有助于我们找到风险预防和控制的有效方法。本项目的研究是由于互联网发展造成的信息技术的热点问题,目前还没有一个有效的解决方案。本项目通过实证方法,研究爆发性网络舆情发生过程中的时间演化特征;借助网络模型,建立爆发性网络舆情发生过程中的关联网络,研究网络舆情发生过程中的多方联动效应;借助意见模型和风险传播模型,构建网络舆情传播模型,研究爆发性舆情风险预测和干预的方法。

结项摘要

由互联网发展造成的信息技术热点问题,目前还没有一个有效的解决方案。基于此背景,本项目聚焦爆发性网络舆情的发生及传播机制,对复杂网络的动力学传播特性理论进行深入研究,对网络舆情的发生、发展过程进行建模,并通过实证方法,建立了爆发性网络舆情发生过程中的时间演化特征模型及关联网络模型、网络舆情发生过程中的多方联动效应模型、网络舆情传播模型。借助上述模型,本项目提出了爆发性网络舆情风险预测和干预方法,极大推动了跨空间风险传播和风险管理理论研究,提高了决策部门在政策制定中的预见性和对各类网络舆情危机事件的防范能力。

项目成果

期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
随机扩散模型一种新的密度函数统计方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    强激光与粒子束
  • 影响因子:
    --
  • 作者:
    张蕾;王立良;高远
  • 通讯作者:
    高远
PARALLEL MACHINE SCHEDULING WITH JOB DELIVERY COORDINATION
具有作业交付协调的并行机器调度
  • DOI:
    10.1017/s1446181117000190
  • 发表时间:
    2017-04
  • 期刊:
    ANZIAM JOURNAL
  • 影响因子:
    0.9
  • 作者:
    Dong J. M.;Wang X. S.;Wang L. L.;Hu J. L.
  • 通讯作者:
    Hu J. L.
知识计量学与“五计学”的关系辨析
  • DOI:
    10.19571/j.cnki.1000-2995.2018.zk.048
  • 发表时间:
    2018
  • 期刊:
    科研管理
  • 影响因子:
    --
  • 作者:
    王立良;李琰;宋艳辉
  • 通讯作者:
    宋艳辉
启动合成人脸的整体与局部加工:一项EEG研究
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    应用心理学
  • 影响因子:
    --
  • 作者:
    王立良
  • 通讯作者:
    王立良
Self-reinforcing feedback loop in financial markets with coupling of market impact and momentum traders
  • DOI:
    10.1016/j.physa.2017.10.045
  • 发表时间:
    2017-04
  • 期刊:
    Physica A-statistical Mechanics and Its Applications
  • 影响因子:
    3.3
  • 作者:
    Li-Xin Zhong;Wen-Juan Xu;Rongda Chen;Chen-Yang Zhong;T. Qiu;F. Ren;Yun-Xing He
  • 通讯作者:
    Li-Xin Zhong;Wen-Juan Xu;Rongda Chen;Chen-Yang Zhong;T. Qiu;F. Ren;Yun-Xing He

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码