目录

第1章绪论

1.1研究背景及意义

1.1.1研究背景

1.1.2研究意义

1.2国内外研究现状

1.2.1复杂社交网络研究现状

1.2.2观点演化研究现状

1.2.3舆情扩散研究现状

1.2.4在线群体研究现状

1.2.5研究述评

1.3本书内容与特色之处

1.3.1研究内容

1.3.2技术路线

1.3.3本书特色

1.4本书涉及相关理论

1.4.1群体动力理论

1.4.2情景意识理论

1.4.3社会影响理论

1.4.4全脑模型

1.4.5突变理论

1.4.6弹性理论

1.4.7三元交互理论

1.4.8差异化理论

1.5本书运用相关技术

1.5.1图相关技术方法

1.5.2自然语言处理技术方法

1.5.3机器学习技术方法

1.5.4情感分析技术方法

1.5.5时间序列分析技术方法

第2章量化网络社会治理中群体观点演化的新方法： 

高阶交互网络

2.1群体观点演化与网络社会治理面临的主要问题

2.1.1群体观点演化分析如何支持解决网络主体

识别困难

2.1.2群体观点演化分析如何支持解决网络结构

关系复杂

2.1.3群体观点演化分析如何支持解决网络生态

场景不明

2.2传统量化群体观点演化的观点动力学

2.2.1观点动力学的相关概念

2.2.2观点动力学的应用领域

2.2.3观点动力学的经典模型

2.3复杂网络研究前沿的高阶交互网络

2.3.1高阶交互网络的基本概念

2.3.2高阶交互网络的应用领域

2.3.3高阶交互网络的技术优势

2.4高阶交互网络与超图的关系

2.4.1超图的定义及示例

2.4.2超图相关技术方法

2.4.3基于超图的高阶交互网络提出

第3章量化网络社会治理中群体观点演化的机理模型

3.1在线群体观点演化的内容解析

3.1.1在线群体观点演化的界定

3.1.2在线群体观点演化的特征

3.1.3在线群体观点演化的构成要素

3.1.4在线群体观点演化的影响因素

3.2在线群体观点演化的高阶交互分析

3.2.1群体动力视角下在线群体观点演化的高阶

交互动因

3.2.2在线群体观点演化的高阶交互关系

3.2.3在线群体观点演化的高阶交互类型

3.3情景意识视角下基于高阶交互网络的在线群体观点

演化过程

3.3.1基于高阶交互网络的在线群体观点形成

3.3.2基于高阶交互网络的在线群体观点突变

3.3.3基于高阶交互网络的在线群体观点预测

3.4量化网络社会治理中群体观点演化的机理模型构建

3.5本章小结

第4章量化网络社会治理中群体观点演化的高阶

交互网络构建

4.1社会影响视角下在线群体观点演化的高阶交互网络

构建依据

4.1.1规范性影响视角下的高阶交互动力来源

4.1.2信息性影响视角下的高阶交互动力来源

4.2基于加权超图的在线群体观点演化高阶交互网络

构建过程

4.2.1超边和超点确定

4.2.2超边加权

4.2.3超点加权

4.3在线群体观点演化的高阶交互网络拓扑结构分析

4.3.1节点超度

4.3.2接近中心度

4.3.3超边超度

4.3.4超边重叠度

4.3.5超边连接度

4.4实证分析

4.4.1数据来源

4.4.2数据预处理

4.4.3超边超点权重计算结果

4.4.4高阶交互网络构建结果及可视化

4.4.5高阶交互网络拓扑结构分析结果

4.5本章小结

第5章网络社会治理中群体观点演化的形成机制量化

5.1基于图表示学习的在线群体交互建模与观点融合

5.1.1交互群组层面观点表示学习

5.1.2交互群组成员层面观点表示学习

5.1.3交互文本层面观点表示学习

5.1.4多源观点的自适应融合

5.2基于多源观点融合的在线群体共识识别与群体分级

5.2.1基于多源观点融合的在线群体共识识别

5.2.2基于语义相似性的在线群体观点差异化分析

5.2.3全脑模型视角下基于观点差异的在线群体分级

5.3基于SHAP解释方法的在线群体分级的环境线索感知

5.3.1影响在线群体分级的特征集构建

5.3.2分类器选择与评价指标确定

5.3.3基于特征贡献度的环境线索感知

5.4实证分析

5.4.1数据来源及预处理

5.4.2在线群体共识识别结果

5.4.3基于全脑模型的在线群体分级结果分析

5.4.4基于机器学习的在线群体分类结果分析

5.4.5基于特征贡献度的环境线索感知结果分析

5.5本章小结

第6章网络社会治理中群体观点演化的突变机制量化

6.1基于高阶交互网络的观点突变群体识别

6.1.1基于高阶交互网络的观点突变群体识别

可行性分析

6.1.2信息生态视角下在线群体观点突变的特征

维度分析

6.1.3基于HGNN的观点突变群体识别

6.1.4观点突变群体识别效果评价

6.2在线群体观点突变模型构建与拟合

6.2.1在线群体观点突变模型构建必要性分析

6.2.2在线群体观点突变模型构建

6.2.3在线群体观点突变模型拟合

6.2.4在线群体观点突变模型拟合效果评价

6.3在线群体观点突变评估模型构建

6.3.1在线群体观点突变的评估指标选择

6.3.2基于弹性指数的在线群体观点突变评估模型构建

6.3.3基于弹性指数的在线群体观点突变评估模型验证

6.4在线群体观点突变评估模型应用

6.4.1观点突变和弹性指数的关系分析

6.4.2在线群体观点突变的临界点识别

6.4.3群体情绪波动和观点突变的关系分析

6.5本章小结

第7章网络社会治理中群体观点演化的预测机制量化

7.1基于高阶交互网络的在线群体识别

7.1.1基于高阶交互网络的在线群体识别必要性分析

7.1.2三元交互视角下在线群体认知特征集构建

7.1.3融合超图聚类与认知特征的在线群体识别

7.2基于时间序列分析的在线群体观点预测

7.2.1基于群组交互序列的时间步长设定

7.2.2基于情感倾向的在线群体序列观点计算

7.2.3基于LSTM的在线群体观点预测

7.3实证分析

7.3.1数据来源及预处理

7.3.2在线群体识别结果及评价

7.3.3在线群体观点预测结果及评价

7.4本章小结

第8章面向网络社会治理问题的群体观点引导

8.1面向网络社会治理问题的群体观点引导路径

8.1.1群体观点形成阶段： 面向主体差异的观点

引导路径

8.1.2群体观点突变阶段： 面向情绪差异的观点

引导路径

8.1.3群体观点预测阶段： 面向集聚差异的观点

引导路径

8.2网络主体识别困难： 分级引导策略

8.2.1融合多源交互数据，解码异质隐性观点

8.2.2量化情绪凝聚强度，感知社交圈群认同

8.2.3构建包容认知框架，区别引导多元群体

8.2.4明晰组态特征贡献，完善个性群体画像

8.3网络结构关系复杂： 弹性引导策略

8.3.1畅通关键沟通链路，疏导群组社交氛围

8.3.2洞察密度规模结构，提高复杂系统韧性

8.3.3平衡观点稳态结构，建立实时预警机制

8.3.4拓宽内部生态位宽，保持外界扰动可控

8.4网络生态场景不明： 推拉引导策略

8.4.1善用网络追踪分析，揭示群体社交联系

8.4.2探测事件时序演变，贯通观点生命周期

8.4.3缓解成员知识势差，跳出交互信息茧房

8.5本章小结

第9章研究结论与研究展望

9.1研究结论

9.2研究展望

参考文献

图11国内复杂社交网络研究热点6

图12国外复杂社交网络研究热点7

图13国内观点演化研究热点11

图14国外观点演化研究热点12

图15国内舆情扩散研究热点14

图16国外舆情扩散研究热点14

图17国内在线群体研究热点16

图18国外在线群体研究热点17

图19技术路线25

图110全脑模型31

图111三元交互模型34

图21非均匀超图示意图55

图31在线群体观点演化的构成要素64

图32在线群体观点演化的影响因素66

图33群体动力视角下在线群体观点演化的高阶交互动因74

图34在线群体观点演化的交互关系76

图35情景意识视角下基于高阶交互网络的在线群体观点

演化过程83

图36量化网络社会治理中群体观点演化的机理模型85

图41量化网络社会治理中群体观点演化的高阶交互网络

构建流程88

图42社会影响视角下在线群体高阶交互的动力形成机制95

图43微博话题下信息型高阶交互示例96

图44“父母犯罪子女能不能考公”舆情话题数据采集结果105

图45基于HyperNetX库的高阶交互网络构建结果可视化

核心代码108

图46“父母犯罪子女能不能考公”舆情话题高阶交互网络

构建结果可视化108

图51网络社会治理中群体观点演化的形成机制量化过程113

图52交互群组层面交互数据的建模示例115

图53交互群组成员层面交互数据的建模示例116

图54文本层面交互数据的建模示例118

图55在线群体共识形成与共识识别过程131

图56在线群体共识形成与共识识别结果132

图57影响在线群体分级的特征相关性分析134

图58在线群体中群体分级特征贡献可视化135

图61网络社会治理中群体观点演化的突变机制量化过程138

图62基于HGNN的观点突变群体识别结果145

图63尖点突变模型示意图149

图64在线群体观点突变模型拟合结果152

图65在线群体弹性指数计算结果156

图66在线群体观点突变评估模型验证结果157

图67观点突变和弹性指数的关系分析结果159

图68在线群体观点突变临界点识别结果160

图69群体情绪波动增加20%后弹性指数阈值结果161

图610群体情绪波动增加100%后弹性指数阈值结果162

图71网络社会治理中群体观点演化的预测机制量化过程165

图72基于HGSDCN的在线群体识别原理170

图73基于LSTM的在线群体观点预测原理175

图74不同模型下的预测阶段在线群体识别结果178

图75不同模型下的预测阶段在线群体识别结果可视化179

图76持积极情绪（标签“1”）的在线群体观点预测结果181

图77持中立情绪（标签“0”）的在线群体观点预测结果182

图78持消极情绪（标签“-1”）的在线群体观点预测结果182

图81面向网络社会治理问题的群体观点引导路径186

表11常见突变模型及其势函数、归一化公式表33

表41自我披露程度计算方法及依据100

表42基于熵权法计算的λ1、λ2和λ3结果106

表43基于熵权法计算的β1、β2和β3结果106

表44超边权重计算结果106

表45超点权重计算结果107

表46高阶交互网络拓扑结构分析结果之超边超度、超边重叠度

和超边连接度109

表47高阶交互网络拓扑结构分析结果之节点超度和接近中心度109

表51全脑模型视角下基于观点差异的在线群体分级123

表52影响在线群体分级的特征集构建124

表53在线群体共识识别实验环境130

表54在线群体共识识别参数设置131

表55全脑模型视角下基于观点差异的在线群体分级结果133

表56基于机器学习的在线群体分类结果134

表61基于在线群体观点突变特征维度分析的观点突变群体

分类特征集141

表62基于HGNN分类的观点突变群体识别参数设置145

表63观点突变群体识别效果评价147

表64在线群体观点突变模型拟合结果154

表71三元交互视角下预测阶段在线群体认知特征集168

表72聚类标签为“0”的群体序列观点数据173

表73基于HGSDCN在线群体识别过程参数设置176

表74在线群体识别效果评价178

表75不同情感倾向在线群体观点预测结果比较181