网络舆论传播的数学模型
社会网络分析与影响力传播模型研究
社会网络分析与影响力传播模型研究导言社会网络分析和影响力传播模型研究是现代社会科学领域中重要的研究方向。
通过分析社会网络结构和人际关系，可以了解信息在网络中的传播方式和路径，进而研究影响力传播的模型。
本文将从理论、方法和应用三个方面介绍社会网络分析与影响力传播模型的研究进展。
一、社会网络分析理论社会网络分析是一种研究人际关系和社会结构的方法论，最早起源于数学和物理学领域。
社会网络分析理论认为社会行为不仅受到个体的特征和选择的影响，还受到社会网络结构的影响。
通过社会网络分析，可以揭示社会网络中的中心节点、群体结构以及信息传播路径。
1.中心性指标的运用中心性是社会网络分析中的重要指标之一，用来衡量网络中节点的重要程度。
常用的中心性指标有度中心性、接近中心性和媒介中心性等。
度中心性度量了节点与其他节点直接连接的数量，高度中心性节点往往是网络中具有较高影响力的节点。
接近中心性则度量了节点在网络中的距离，如果节点与其他节点的距离较短，则其接近中心性较高。
而媒介中心性则度量了节点在信息传播过程中的重要性，如果节点在信息传播路径上占据重要位置，则其媒介中心性较高。
2.小世界网络理论小世界网络理论是社会网络分析中的重要理论之一，指的是在网络中，任意两个节点之间都可以通过少数几步链路相连。
小世界网络具有大群体节点的高度集聚性和小群体节点的高密度性。
这种网络结构使得信息传播的效率更高，也更容易识别和影响关键节点。
二、影响力传播模型影响力传播模型是研究信息在社会网络中传播过程的数学模型。
常用的影响力传播模型有独立级联模型、线性阈值模型和非线性阈值模型等。
1.独立级联模型独立级联模型是最经典的影响力传播模型之一，它基于一个假设：节点的行为受到其邻居节点的行为影响，但不受到其他节点的行为影响。
在这种模型中，节点是否接受某一信息决策取决于其邻居节点是否接受该信息，如果邻居节点接受了该信息，则节点有一定的概率接受该信息。
2.线性阈值模型线性阈值模型是在独立级联模型的基础上发展起来的，它考虑了节点之间的影响效应累加的问题。
基于大数据分析的网络舆情传播模型研究与建模
基于大数据分析的网络舆情传播模型研究与建模随着互联网的发展，人们对于舆情传播的关注度也越来越高。
网络舆情传播模型研究与建模是一个旨在分析和理解大数据中的舆情信息，揭示其传播机制和规律的研究领域。
本文将从定义网络舆情、大数据分析的概念入手，探讨基于大数据分析的网络舆情传播模型的研究与建模。
首先，我们需要明确什么是网络舆情。
网络舆情是指通过互联网平台上的信息流传播的涉及社会、经济、政治、文化等各个领域、各个层面的舆论和情感表达。
网民通过各种社交媒体、论坛、博客等平台进行信息发布和分享，这些信息在网络上迅速传播，引发大量网友的参与和讨论，进而形成一种舆论场景。
大数据分析是指通过对大规模数据集进行采集、存储、处理和分析，从中发现隐藏的模式、关联和趋势，进而提供决策支持和洞察。
在网络舆情研究中，大数据分析扮演着至关重要的角色。
通过搜集、爬取、存储和处理互联网上的大量数据，如新闻、微博、微信、论坛等，我们可以得到丰富的舆情信息资源。
基于大数据分析的网络舆情传播模型的研究与建模是为了深入理解和预测舆情的传播特征和机制。
在传统的舆情研究中，学者们通常基于小样本和有限信息来进行分析，这样往往不能准确反映真实的情况。
而大数据分析所采用的海量数据和算法可以帮助我们更全面地认知舆情现象，揭示网络舆情的发生、演化和蔓延规律。
在研究网络舆情传播模型时，我们可以基于影响力传播理论，构建相应的模型。
影响力传播理论认为，网络舆情传播是由一系列的信息源和受众之间的相互作用所导致的。
信息源通过发布信息，受众通过接受和传播信息，从而形成一种信息传播的网络。
在这个网络中，每个个体都有不同的影响力大小，信息的传播路径也是多样的。
我们可以通过建立数学模型，对网络舆情的传播进行建模和分析。
一个常用的网络舆情传播模型是SIR模型，即易感者（susceptible）、感染者（infected）、恢复者（removed）模型。
在这个模型中，舆情的传播过程可以看作是一种病毒的传播过程。
网络舆情模型研究
时 间 维 度 ： 映 某 一 议 题 的 舆 论 在 不 反
些 改进。
具 体 ” 从 而 改 变 了 由 国 家 完 全 控 制 所 有 信 同 时 间 点 上的 变 化 情 况 （ 体 表 现 在 某 一 ， 息 资源的格 局 ， 介霸 权时 代终结 。 媒 网络 议题 每 天 呈 现 的 帖 子 的 总 数 变 化） 。 舆 论 正 成 为 社 会 舆 论 中 最 具 活 力 的 部
分 ， 络 舆 情 甚 至 在 很 多 时 候 已 经 成 为 （ 帖 子 数 和 平 均 每 天 的 帖 子 数 ） 网 总 。 显著维 度 ： 反映 某 一 议 题 帖 子 在 论 坛 令 令
即
网络 上 和现 实 生 活 中出现 共 鸣 。 果 网 如 总帖子 中的比例。 络 舆 论 经 过 传 统 媒 体 报 道 后 ， 么 它 所 那 蕴 涵 的能 量会 急速释 放并 对社 会产 生 巨
引 领 社 会 舆 论 走 向 的 主 导 力 量 ， 且 在 并
设 ｘｔ 为 与某 一议 题 相 关 的帖 子 总数 ， （ ）
回 帖 率 为 ，ｚ ．） （ 从 ｔ ｔ Ａ 时 间 内平 均的 回帖 率 为 ： 到 ＋ ｔ ｘｔ Ａ ） ｆ （＋ ｔ一 （ ）
Ａｔ Ｊ
数 量 为 度 ： 映 某 一 议 题 帖 子 的 多 少 反
计 算 得 出 ｒ： ｅ （ 中 Ｃ 为 任 （ Ｃ ｆ ） ） 其
模 型 ｌ 设 （ 为 与某 一 议 题 相 关 的 帖 意 常 数 ） ： ， ） 。
子总数 ， 回帖 率 为 ｒ。 从 ｆ ｔ ｔ 间 内平 均 的 回帖 率 为 ： 到 ＋Ａ 时
ｘ ｔ ｔ一ｘ ｔ （＋Ａ ） （１ Ａ （） ｔ ｆ
大数据环境下网络舆情演化规律及预警模型问题探讨
大数据环境下网络舆情演化规律及预警模型问题探讨侯学慧（新疆警察学院新疆乌鲁木齐830001）内容摘要：大数据环境下的网络舆情事件可以分为突发型、持续型、混合型等几类。
通过对网络舆情真实案例的数据提取、挖掘、分析，可得到结构化数据，在此基础上，再对新闻报道量与时间序列的离散点进行函数拟合——基于多项式函数拟合，可建立预警数学模型。
利用其图像特征分析所得出的突发型舆情事件符合指数函数分布，持续型舆情事件符合多峰值的高斯分布函数，混合型舆情事件符合分段函数的概率分布特征。
据此有助于做好网络舆情监控、对策制定、预警机制建立等工作。
关键词：函数拟合；多项式函数；最小二乘法；相关系数中图分类号：C916文献标识码：A 文章编号：1674-5612（2019）05-0104-072019年10月第31卷第5期四川警察学院学报Journal of Sichuan Police College Oct.，2019Vol.31No.5一、问题提出在大数据环境下网络信息和舆论信息的监管及正确引导是非常重要的，保护好我们祖国、人民群众的安全是我们警察的使命和义务。
网络舆情是指由于各种事件的刺激而产生的通过互联网传播的人们对于该事件的所有认知、态度、情感和行为倾向的集合[1]。
我们生活在一个突发事件频发的大数据网络时代下，突发事件是指突然发生，造成或可能造成严重的社会危害，需要采取应急处置措施予以应对的公共事件[2]。
突发事件的网络舆情演化是指“没有对事件源和次发生事件进行人工应急干扰的原扩散路径”[3]。
突发事件爆发后，一定会引起网络舆情发生，在各种网络平台上信息快速传播和蔓延下，政府部门要发挥常规的传播模式的效力，还要积极有效的给予矫正型的传播影响作用，才能更好有效地控制网络舆情发酵。
为此，必须要做到日常网络舆情的预警、完善舆情监管监督机制、加强舆情的导控。
目前对网络舆情的预警机制的定量研究，更多是注重网络舆情的构成因素和因素之间的关系方面，没有对时间序列模式与网络舆情的变化规律上研究更深入。
信息科学中的扩散网络模型研究
信息科学中的扩散网络模型研究导言信息科学是一个广泛而复杂的领域，其中扩散网络模型是一个令人着迷的研究方向。
扩散网络模型可以帮助我们理解信息和影响在社会网络中如何传播和扩散。
本文将深入探讨扩散网络模型在信息科学中的研究。
一、扩散网络模型的定义和背景扩散网络模型是描述信息、传播和扩散过程的一种数学模型。
它通常基于图论，用节点和边来表示网络的结构。
每个节点代表一个实体，如个人、组织或产品，而边则表示它们之间的相互作用或连接关系。
扩散网络模型最早应用于描述病毒传播的过程，如疾病的传播模型。
随着互联网和社交媒体的兴起，人们开始将扩散网络模型应用于描述信息和影响在社会网络中的传播。
这些模型可以用于研究广告传播、新闻事件传播、社交网络中的信息传播等。
二、常见的扩散网络模型2.1 独立级联模型独立级联模型是最简单和最常见的扩散网络模型之一。
在这个模型中，每个节点以一定的概率将信息传递给它的邻居节点，然后这些邻居节点又以相同的概率传递给它们的邻居节点，以此类推。
这样的传播过程可以看作一系列的级联，即信息从一个节点传递到另一个节点。
2.2 传染病模型传染病模型是将传统疾病传播模型应用于社交网络中的信息传播。
它基于流行病学理论，将信息传播过程类比为病毒传播的过程。
在这个模型中，节点可以处于不同的状态，如易感、感染和康复。
通过研究节点之间的相互作用和交互，我们可以预测信息在社交网络中的传播趋势。
2.3 同化模型同化模型是描述信息传播中个体之间相互影响和同化的模型。
在这个模型中，节点之间的相互作用会导致它们的观点、态度或行为趋于一致。
这种同化过程可以用于研究社交网络中的舆论形成、意见领袖的崛起等。
三、扩散网络模型的研究方法扩散网络模型的研究通常涉及数学建模、计算和仿真三个方面。
数学建模通过建立起适当的数学模型来描述和分析扩散网络的行为。
计算方法则通过计算机算法和技术来模拟和分析扩散过程。
仿真方法则借助计算机模拟和实验来重现扩散网络模型的行为，并通过结果验证模型的准确性和可靠性。
基于孤子方程的微博舆情建模分析
一、引论社交网络SNS （Social Network Service ），国际上以Facebook 、Twitter 为代表，国内以新浪微博(Sina Weibo)发展最为迅速[1,2]。
新浪公司(NASDAQ GS:SINA)2012年第三季度财报显示，截至2012年9月30日新浪微博的注册账户已突破4亿，微博正逐步成为网络舆论传播的重要载体。
特别是智能手机等移动终端的普遍应用实现“随时随地发微博”，使微博具有了传统网络媒体很难实现的便捷性、平等性、多元性、及时性等功能。
从最近的“表叔”、白酒塑化剂等突发事件来看，网络舆论已经在整个事件的发生与演变过程中发挥重要的作用。
在事件演化中，微博上形成了强大的井喷型网络舆情，左右事件演化方向和有关部门对事件的应对、处理和裁判。
网络舆论的高涨在社会监督中能发挥一定的积极作用，同时，由于网络的开放性、虚拟性、发言者身份隐蔽、缺少规则限制和有效监督，网络舆论的情绪化、鼓动化、不负责任等特点，也易引起网络暴力、网络侵权等问题，甚至会产生影响和导致破坏社会安定的重大事件。
如英国警方认为在2011年8月份的伦敦骚乱事件中，以Twitter 为代表的社交网站起着推波助澜的作用。
因此对网络舆情的研究是十分必要的，尤其是如何对网络舆情的传播和演化建模，以及在此基础上讨论如何做好网络舆情的监测和控制。
目前对网络舆情建模的研究主要基于以下几个视角：其一，基于动力学模型，对传播现象进行建模[3,4]；其二，以高斯分布来定量表征网络舆情传播过程的周期性特征，从传播主体特点和事件客体演变特性两个维度构建演化模型[5]；其三，对演进过程建模，以解释网络舆论为什么会发生演进以及以何种模式演进，例如，以Sznajd 模型为代表的粒子交互模型[6]，网络生长模型[7]，有记忆的舆论传播模型[8]；其四，描述突发事件网络舆情谣言传播规律，以时间t 为变量的常微分方程模型[9,10]。
本文将在时间变量t 的基础上，引入描述微博热点问题扩散程度的新变量x ，从而建立非线性偏微分方程模型—KdV 方程，来描述微博舆情的演变过程，并通过讨论该方程的孤子解来解释微博舆情发展规律。
基于信息传播模型SIR传染病模型的社交网络舆情传播动力学模型研究
基于信息传播模型SIR传染病模型的社交网络舆情传播动力学模型研究一、概述随着信息技术的飞速发展，社交网络已成为人们获取信息、表达观点的重要平台。
在社交网络中，舆情信息的传播速度之快、范围之广，使得其对社会舆论的影响力日益增强。
对社交网络舆情传播机制的研究显得尤为重要。
本文基于信息传播模型SIR传染病模型，对社交网络舆情传播动力学进行深入研究，旨在揭示舆情传播的基本规律，为舆情引导和控制提供理论依据。
SIR传染病模型是描述传染病传播过程的一种经典数学模型，它将人群分为易感者（Susceptible）、感染者（Infected）和康复者（Recovered）三类，并通过建立微分方程来描述各类人群数量的变化。
该模型在传染病防控领域具有广泛应用，为政府制定防控策略提供了有力支持。
本文将SIR模型引入社交网络舆情传播研究，通过对舆情信息的传播过程进行数学建模，分析舆情传播的动力学特征。
研究内容包括舆情传播的影响因素、传播路径以及传播速度等，旨在揭示舆情传播的内在机制。
通过本研究，我们期望能够更深入地理解社交网络舆情传播的动力学过程，为舆情引导和控制提供更为有效的策略。
同时，本研究也将为信息传播学、社会学等相关领域的研究提供新的思路和方法。
1. 社交网络舆情传播的背景与意义随着信息技术的迅猛发展和移动互联网的普及，社交网络已经成为人们获取信息、表达观点、交流情感的重要平台。
在这个高度信息化的时代，社交网络舆情传播的速度和影响力日益凸显，对社会稳定、政治决策、经济发展等方面产生了深远影响。
深入研究社交网络舆情传播的动力学模型，对于有效预测舆情走势、制定科学合理的舆情应对策略具有重要意义。
社交网络舆情传播的研究背景源于网络空间的复杂性和动态性。
在社交网络中，用户之间通过发布、转发、评论等方式进行信息交流和情感传递，形成了复杂的网络结构和传播路径。
同时，网络空间的匿名性、即时性等特点使得舆情传播具有更强的不确定性和难以预测性。
网络舆情预测模型研究
一
ｄ ｒ（ ｔ ） ｄ ｔ
１ 一
厂 埘 １
一
１ Ｈ ”
（ ２ ）
一
其 中
Ｂ＝
射 ｙ ㈤
。 王 ，
其 中， 表 示 政 府 词 频 数 量 对 网 民词 频 数 量 的 竞 争 系数 ，
量 。另 有 ：
表 示 网 民 词 频 对 政 府 词 频 数 量 的 控
制系数， （ ｆ ） 表示第 ｔ 天事件的政府词频累计数
＾（ １ ） 瓴 ： ２ ）
（ １ ） 镪 （ ２ ）
）
３ ． 网民作 为 网络舆论 的主体 ， 对 网络舆情 的 发 展有重要 的影 响， 本文忽 略 网民个体本 身的意
识 形 态 、利 益 背 景 、价 值 观 甚 至 心 理 因素 对 网 民
的个 人 行 为 的 影 响 。
４ ． 模 型 预 测 时 不 考 虑 网 络 衍 生舆 情 。 （ 二 ）模 型 建 立 以逻 辑 斯 蒂 模 型 得 网 民 新 闻 累 计 词 频 有 如
６ ７
辽 宁 警专 学报
２ ０ １ ４年 第 ２期
网 民词 频 累 计 数 量 的 固 有 增 长 率 ， ． 表 示 事 件
的网民词频累计数量的上限，厂／ 为已利用空 间项 ， （ １ 一ｆ／ ） 为剩 余空 间项 。
当 网 民 和 政 府 新 闻 词 频 累 计 数 量 同 时 存 在
络舆 情 中的相 互影 响 ，建 立 两者 间的 竞争模 型 ，预 测 竞争 中可 能产生 的结 果 ，寻 找竞 争 中
政府 与 网 民间平衡 点 的位 置 ，为政 府在公 共危 机 事件 网络舆 情发展 过程 中的干预 行 为提 供 依据 ，同时为衍生舆 情 的产生提供 一定 的解释 。 关键词 ： 网络舆 情 ；Ｌ ｏ ｔ ｋ ａ ． ￣ ４ ＇ ｏ ｌ ｔ ｅ ｒ ｒ ａ 模 型；危机 干预
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
网络舆论传播问题一、摘要本文讨论了影响网络舆论的因素、网络舆论形成及对网络舆论的调控与引导问题。
问题一，由调查问卷（见附录一），将影响网络舆论的因素归类为主体、客体和外界，建立三层结构体系。
采用模糊层次分析（FAHP）与模糊综合评判相结合的方法对影响网络舆论的各个因素进行分析。
根据隶属度原则，构造模糊一致矩阵，根据其性质求解出影响网络舆论主要因素的相对重要程度依次为：舆情指向，管理力度，事件本身的舆论价值，互联网发展的普及程度，及其对总目标的权重依次为：0.245，0.2025，0.105，0.1425。
问题二，以“邓玉娇事件”为例，对网络舆论的形成进行分析。
根据网络舆论生成的“蝴蝶效应”机制，将该舆论的形成分为五个时期:产生期、成长期、爆发期、降温期、长尾期。
首先，根据跟帖量散点图用最小二乘法通过Matlab拟合出各个时期的函数模型并检验其拟合程度。
其次，通过对舆论形成的全过程建立的模型，判断其所处阶段，然后利用所建立的各个阶段的子模型作进一步的预测。
问题三，根据问题二中建立的模型，预测网络舆论的走势，判断网络舆论是否处于爆发期的潜伏阶段，并针对预测的结果，进行相应的及时调控和引导。
关键词：模糊层次分析模糊综合评判蝴蝶效应分段曲线拟合二、问题重述2.1问题背景持有、接受、表达某种相同、相似的观点的人在社会人群中所占的比例超过一定的阀值，此时的观点就上升为舆论。
并且在特定的条件下，舆论会产生巨大的社会力量，能够左右社会大众和政府的行为。
现如今，互联网又作为一个开放自由的平台，已经成为了世界的“第四媒体”。
显然，网络舆论与传统舆论在形成、发展等方面有着诸多不同的特点，如何控制和引导网络舆论的形成与发展是当今社会的一个重要课题。
作为开放的网络平台，加上其虚拟性、隐蔽性、发散性、渗透性和随意性等特点，越来越多的人们愿意通过互联网来表达自己的个人想法。
现今，互联网已成为新闻集散地、观点集散地和民声集散地。
互联网上的信息容庞杂多样，容纳了各种人群、各类思潮，对于社会上的一些敏感问题出现在网上而引起一些人的共鸣应是一种正常现象，但是由于各种复杂因素使这些敏感问题向热点演变，最后形成网络舆论并引起社会群众的违规和过激行动时，将影响到社会安定和其他政治问题，因此网络舆论的爆发“容威胁”的形式对社会公共安全形成威胁，对网上的信息容进行管理和控制将成为互联网进一步发展的必然趋势。
2.2 问题的提出根据以上信息解决一下的问题：（1）查找相关的资料，并运用数学建模方法分析影响网络舆论的各种因素；（2）运用所掌握数学知识，建立网络舆论形成的数学模型，使其能够对网舆论的发展、变化趋势做出有效的判断，并能对网络舆论的态势做出客观的表述；（3）在上述模型的基础上，描述在网络舆论形成后利用所建型来控制和引舆论的发展趋势。
三、模型假设1、各层之间的因素不相互影响。
2、除考虑因素外其他因素对网络舆论的影响很小，可忽略不计。
3、在提取主成分的成分的过程，不考虑信息损失对模型结果的影响。
四、符号说明A :网络舆论；B:主准则层中的各个元素；iC:子准则层中的各个元素；i j:模糊一致矩阵各层元素的权重；ir:模糊一致矩阵的标度值；ijmax λ:判断矩阵A 的最大特征值； R :判断矩阵；i y ：各个阶段的函数模型(1,2,3,4,5)i =； i x ：各阶段的具体时间(1,2,3,4,5)i =； k N ：数据的分点； ()k g x ：所设的线性函数；,m n ：散点；S ：最小二乘估计量；五、问题分析和模型的建立5.1问题一影响网络舆论的因素很多，是一个复杂的多目标的决策问题。
根据调查表中的信息（见附录一），我们决定采用模糊层次分析法与模糊综合评判方法相结合对其进行分析。
首先用模糊层次分析法计算各指标的权重，然后是用模糊数学中的综合评价方法进行综合评价。
具体步骤如下： 1）根据影响网络舆论的各个因素属性将其大体上分为三大类：网络舆论主体影响因素、网络舆论客体影响因素、网络舆论外部影响因素。
具体的分类如下图1所示：图1 影响网络舆论的评价体系2）进而得出两两因素比较的隶属度，并构造模糊一致矩阵的参照（如下表1所示）。
表1 0.1~0.9数量标度3） 然后层次单排序—根据模糊一致矩阵的性质，可求得各层元素的权重i ω。
11112nn a na ω=∈Ω∑i ik k =-+*r ,i n 为R 的阶数，α=(n -1)/2。
若ij r 按表1进行标度，而且满足1ij ji r r =-，则R 为模糊一致矩阵，不用再去检验矩阵的一致性。
4）最后利用模糊综合评价方法对其进行综合评价。
5.2问题二根据人民舆情检测室发布的2009年上半年网络舆情热点的持续时间、点击量、回帖数及政府的态度等相关信息可知各个网络舆论形成的过程大体相同。
因而我们决定对2009上半年舆论热点中热度最高的“巴东县邓玉娇案”进行分析，具体找出其舆论形成的过程。
（一）我们将从人民网强国论坛上得到的数据点分成k 组12,,,k N N N ，即1122***1111121211***2121222222***1122(,),(,),,(,)(,),(,),,(,)(,),(,),(,)k kN N N N k k k k kN kN x y x y x y x y x y x y x y x y x y其中12,,,k N N N 为每组数据的个数.首先考虑线性拟合这种简单的情形，对k 组数据点分别应用最小二乘线性拟合，得到各组数据点所对应的近似线性函数，()()()1121111111222121()()()K kN N N k k k k N kN g x a b x x x x g x a b x xx x g x a b xxx x --=+≤<=+≤<=+≤<而在整个考虑的拟合区间上就得到了1k -条直线段，现在就这1k -条直线段所在各区间的左端点定义1()()i i i iN i iN g x g x +=，该函数就成为整个区间上的数据拟合函数.这就是分段最小二乘线性拟合问题.然而有些数据组并不是每段都呈线性关系，如数据(,)1,2,,i i x y i n =，根据其散点图却发现其前m 个点较接近直线，后n m -个点呈现非线性关系，则可分两段拟合.分别以一次多项式1Y 和n 次多项式2Y 进行拟合，即1Y kx b =+ （5.2.1） 为了说明具体的方法，不妨选2Y 的阶数为2，即22012Y a x a x a =++ （5.2.2）要保证在边界点(,)m m x y 连续光滑，所以存在两个约束条件：2012m m m kx b a x a x a +=++012m k a x a =+因此，式（5.2.1）和（5.2.2）的系数是相关的.解得220m b a a x =-，故式（5.2.1）为：210102(2)m m Y a x a x a x a =+-+令S 为最小二乘估计量，则2222012001211[(2)]()mnm i mi i i i i i m S a x a x a a x y a xa x a y ==+=++--+++-∑∑通过模型0iSa ∂=∂；0,1,2i =，可求得最小方差S 的012,,a a a 的值，从而确定出式（5.2.1）与（5.2.2）中的回归系数.最后，通过r =对回归方程进行显著性检验，式中11ni i y y n ==∑；210102(2)i m i m Y a x a x a x a =+-+；22012i i Y a x a x a =++.（二）根据在舆论初始条件不确定的情况下，进行的意见表达时形成的非线性不规则的混沌现象。
我们决定运用“蝴蝶效应”原则将其变化趋势分为五个阶段：产生期、成长期、爆发期、降温期、长尾期。
进而可以针对各个阶段建立出网络舆论形成的子数学模型，并描绘出事件总体走势曲线进行预测。
六、模型的求解6.1 问题一6.11 用模糊层次分析法求解评价指标的权重。
根据图1层次结构模型，并参照对各因素主观的定性分析，对各指标进行两两比较其相对重要性，并构造模型的模糊一致矩阵（如表2）所示，用Matlab 求出各层元素的权重（相关程序见附录二），然后进行单排序表2影响网络因素评价体系各准则之间的模糊一致矩阵及其权重值由表2可以知道，准则层各指标之间的相对权重分别是：0.2000，0.3500,0.4500。
以下用同样的方法计算各子准则层指标之间的相对权重，见表3表5。
B的模糊一致矩阵及其求解结果表3 准则1B的模糊一致矩阵及其求解结果表 4准则2表5 准则36.12 用模糊综合评价方法对影响网络舆论的各因素进行评判。
模糊层次分析法可以定量地计算出影响网络舆论因素中各个指标的相对重要程度，但不能定量地计算各个子因素在总的因素影响程度的大小。
为此，采用模糊评价的方法来进行求解。
（一）对影响网络舆论的因素进行单层次评价1） 我们通过观察附表中各因素所涵盖的具体评价要求给定以下对影响网络舆论程度的评价结果V ={影响程度非常大、影响程度比较大、影响程度一般、影响程度不太大、没有影响}。
2） 确定1i C 与V 之间的关系矩阵。
由搜索资料得到的结果（见附表二）确定{}110.22100.38800.26900.10600.0160C ={}120.43200.04100.32800.05300.1460C ={}130.32700.14900.13600.05500.1460C =其中的含义是（以11C 为例）：在这个统计的资料中有22.1%的网民对网络舆论起非常大的推动作用，38.8%网民对网络舆论起较大的推动作用，26.9%的网民影响作用一般，10.6%的网民的影响较弱，剩下的1.6%的网民几乎没有影响。
从而可以得到1i C 与V 之间的关系矩阵1R ：11112130.22100.38800.26900.10600.01600.43200.04100.32800.05300.14600.32700.14900.13600.05500.3330C C C ⎛⎫⎛⎫ ⎪ ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭R ==3）前面已经用模糊层次分析法计算出1i C 层各个子准则层得权重1W ，然后可以通过111=B W R º计算得到1B 的单层次综合评价，其中“º”是模糊合成运算符号。
10.43200.38330.22100.38800.26900.10600.01600.38330.45000.43200.04100.32800.05300.14600.32800.16670.32700.14900.13600.05500.33300.10600.1667TT B ⎛⎫⎪⎛⎫⎛⎫ ⎪ ⎪ ⎪⎪== ⎪ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭ ⎪⎪⎝⎭º将1B 归一化可得{}10.30510.27070.23160.07490.1177B =。