基于多智能体网络舆情模拟分析方法

本技术属于舆情模拟分析，更具体地说，涉及基于多智能体网络舆情模拟分析方法。

背景技术：

1、早期网络舆情治理的核心技术以显性信息抓取与基础情感识别为主，现有舆情监测系统普遍依赖关键词过滤与情感识别技术，通过预设敏感关键词，摘取社交媒体、论坛等平台的文本信息；再通过简单的情感词典匹配，实现对舆情情感倾向的基础判断；这类技术在舆情爆发初期的信息定位中发挥了一定的作用，例如快速识别某一突发事件相关的讨论内容，但其核心局限在于对隐喻表达的识别率很低，语义分析不精准，传统关键词过滤技术无法穿透语义屏障，难以捕捉隐形观点传播与反主流意识形态动态，更无法判断隐性信息可能引发的舆情极化。

技术实现思路

1、本发明提供了基于多智能体网络舆情模拟分析方法，拟解决现有技术难以捕捉隐形观点传播与反主流意识形态动态，更无法判断隐形信息可能引发的舆情极化。

2、基于多智能体网络舆情模拟分析方法，包括以下步骤：

3、数据预处理及智能体分配：获取外部平台文本信息，将获取的文本信息转换为观点立场值；再按照预设的四类智能体的预设占比及各自的参数特征分配数据，其中四类智能体包括普通网民、活跃网民、舆论领袖以及官方媒体；

4、中观网络交互与观点动态更新：分配好初始数据的智能体进入无标度社交网络，按照网络连接规则与自身的强链接节点或弱连接节点进行交互，交互频率由各智能体自身的发声频率决定，在每个时间步内，计算智能体的观点影响增量，并基于次计算新观点立场值；同时根据接收智能体所接收观点的性质调整接收智能体的思想韧性值；

5、宏观环境变量调节：按照预设的分级规则对智能体的参数进行调节；

6、模型收敛与结果输出：以时间步为单位，执行中观网络交互与观点动态更新和宏观环境变量调节的流程，直到满足预设的收敛条件为止，输出当前所有智能体的观点立场值、网络连接状态以及宏观环境变量参数；并基于此构建全局观点平均值线图、观点稳定平均值以及观点区间节点数分布。

7、本发明将外部平台信息转换为观点立场值，同时按照普通网民、活跃网民、舆论领袖以及官方媒体四类智能体的预设占比与参数特征分配数据，精准区分不同主题的异质性，并且通过网络交互与观点动态更新，依托无标度社交网络，让智能体按发声频率与强弱连接节点交互，通过计算观点影响增量更新观点立场值，依据接收观点性质调整思想韧性值，既能够追踪隐形观点在网络中的传播路径，又能捕捉反主流意识形态动态对不同智能体思想韧性的削弱过程，避免传统技术忽略交互复杂性的缺陷；其次通过宏观变量调节，明确隐形信息从渗透到扩散的层级效应，当模型收敛后输出结果，实现隐形信息引发舆情极化的精准判断，为应对反主流意识形态动态提供可量化的演化依据，彻底突破传统技术无法实证把握舆情演化机制的瓶颈。

8、优选的，每个所述智能体的自身参数特征均包括观点立场值、思想韧性值、社交网络影响以及发声频率。

9、优选的，所述观点立场值基于情感倾向和观点极端程度映射得到；基于情感倾向和观点极端程度查询映射规则表得到相应的观点立场值；

10、所述情感倾向包括正面情感倾向、中立情感倾向以及负面情感倾向；所述正面情感倾向为明确支持主流意识形态的情感倾向，中立情感倾向为无明确立场表达的情感倾向，负面情感倾向为反对主流意思形态的情感倾向；

11、所述观点极端程度包括极端程度和温和程度，其中极端程度为态度坚决、表述明确，无任何模糊或折中表述；温和程度为文本态度温和、表述委婉，存在模糊或留有余地的表述。

12、优选的，所述普通网民、活跃网民、舆论领袖以及官方媒体均设置有多个智能体，其中普通网民智能体数量大于活跃网民智能体的数量，活跃网民智能体的数量大于舆论领袖智能体的数量，舆论领袖智能体的数量大于官方媒体智能体的数量。

13、优选的，所述无标度社交网络的节点包括普通网民智能体、活跃网民智能体、舆论领袖智能体以及官方媒体智能体，所述官方媒体智能体为全连接节点，舆论领袖智能体为网络中心节点；普通网络和活跃网民智能体为非中心节点，随机分布于网络边缘或中间层，部分普通网名和活跃网民智能体通过弱连接与其他节点交互，另一部分通过强连接形成局部社群，其中强连接的数量小于弱连接，且强连接的影响系数大于弱连接的影响系数；

14、在所述无标度社交网络构建时，初始设置个差异网络连接节点生成随机图，每次新增1个节点时，优先连接网络中已有的m个节点，使得高连接度节点吸引更多新增节点连接，并且随着网络迭代增长，节点连接数最终收敛与幂律分布；

15、其中智能体之间的交互触发基于交互频率与交互对象范围所定义的规则进行交互；所述交互频率由智能体的发生频率决定，即单位时间内智能体主动发布观点，出发交互的次数；

16、所述交互对象范围所定的规则为智能体仅与自身的强连接节点或弱连接节点交互，不与无连接关系的节点产生观点传递。

17、优选的，所述观点影响增量的计算公式如下：；

18、式中：表示接收智能体j的观点值增量；表示发送智能体i的原始观点值；表示接收智能体j的当前观点值；表示智能体i到j的连接倍率，为影响系数；为接收智能体j的思想韧性值；表示发送智能体i的基础冲击能力；表示发送智能体i的类型倍率；表示发送智能体i的极端观点倍率。

19、优选的，所述思想韧性值的调整公式如下：；

20、式中：表示智能体更新后的积极思想韧性值；表示智能体更新前的积极思想韧性值；表示韧性调整系数；表示观点冲击的强度；表示智能体更新后的消极思想韧性值；当接收到积极观点冲击时q大于0，当接收到消极观点冲击时q小于0。

21、优选的，所述宏观环境变量调节包括消极干扰调节和正面治理调节。

22、优选的，所述消极干扰调节包括一级消极干扰调节、二级消极干扰调节以及三级消极干扰调节，其中一级消极干扰调节针对全体活跃网民，二级消极干扰调节针对全体舆论领袖，三级消极干扰调节针对官方媒体；

23、所述一级消极干扰调节对每个活跃网名智能体，在当前时间步的观点值的基础上减去10倍观点强度得到下一步时间步的观点值；

24、所述二级消极干扰调节针对每一个舆论领袖智能体，在当前观点值的基础上，减去15倍观点强度，得到下一时间步的观点值；

25、所述三级消极干扰调节对随机选中的官方媒体智能体，在当前观点值基础上，减去5倍观点强度，得到下一时间步的观点值，且三级消极干扰调节持续预定的时间步；

26、每执行一个时间步的消极干扰调节后，同步记录目标智能体的观点值变化，直至达到预设的舆论持续时长，或模型满足收敛条件为止。

27、优选的，所述正面治理调节包括一级正面治理调节、二级正面治理调节和三级正面治理调节；

28、所述一级正面治理调节针对消极普通网民，二级正面治理调节针对消极活跃网民，三级正面治理调节针对消极舆论领袖；

29、所述一级正面治理调节对每个消极普通网民智能体，在当前影响能力基础上乘以1减去0.3乘以净化强度的差值，得到下一时间步的影响能力；

30、所述二级正面治理调节对每个消极活跃网民智能体，在当前影响能力基础上乘以1减去0.5乘以净化强度的差值，得到下一时间步的影响能力；

31、所述三级正面治理调节对每个消极舆论领袖智能体，在当前影响能力基础上乘以1减去0.8乘以净化强度的差值，得到下一时间步的影响能力；

32、所述正面治理调节与网络交互同步进行，每个时间步更新1次消极智能体的影响力，直至模型收敛。

33、本发明的有益效果包括：

34、本发明将外部平台信息转换为观点立场值，同时按照普通网民、活跃网民、舆论领袖以及官方媒体四类智能体的预设占比与参数特征分配数据，精准区分不同主题的异质性，并且通过网络交互与观点动态更新，依托无标度社交网络，让智能体按发声频率与强弱连接节点交互，通过计算观点影响增量更新观点立场值，依据接收观点性质调整思想韧性值，既能够追踪隐形观点在网络中的传播路径，又能捕捉反主流意识形态动态对不同智能体思想韧性的削弱过程，避免传统技术忽略交互复杂性的缺陷；其次通过宏观变量调节，明确隐形信息从渗透到扩散的层级效应，当模型收敛后输出结果，实现隐形信息引发舆情极化的精准判断，为应对反主流意识形态动态提供可量化的演化依据，彻底突破传统技术无法实证把握舆情演化机制的瓶颈。