前言
本书为吉林大学商学与管理学院鼎新学者、在站博士后、助理研究员刘嘉宇博士和吉林大学商学与管理学院教授、博士生导师、吉林大学匡亚明学者特聘教授李贺教授共同完成。该书在作者撰写的博士学位论文基础上凝练而成，该学位论文不仅获得了国家自然科学基金面上项目“基于图模型的多源异构在线产品评论数据融合与知识发现研究”（项目编号： 71974075）资助，且入选2024年吉林大学校级优秀博士毕业论文。
在网络生态中，社交媒体极大地扩宽了公众的社会交往空间，是民众表达情绪、观点、诉求的重要渠道。当一个社会事件发生时，网络中的个体迅速集聚并相互作用，形成群体性观点； 同时，群体观点也会通过网络媒体的传播和互动，影响舆情的形成和走向。作为连接个体观点和网络舆情的桥梁，群体观点介于微观个体和宏观网络之间，其演变过程可以看作是群体及群体结构交互作用塑造的复杂系统。在该系统中，各种因素影响使其在形态上表现出高度无序，简单的个体交互如何相互作用从而在整体层面上涌现出复杂的群体现象是现有的观点动力学理论、集体行动理论难以准确描述的。群体观点作为群体态度、情感与意见的凝集，在舆情演化过程中具有重要的地位，与网络社会治理目标的实现和网络空间的健康发展息息相关。因此，有效探究在线群体观点的演化，对促进舆情合理治理、明确意见演变机理及推动网络社会治理具有积极意义。鉴于此，本书融会贯通情报学、传播学和复杂科学等领域知识，聚力情报智慧，提出量化网络社会治理中的群体观点演化。本书主要内容如下。
前两章介绍本书研究的背景、相关理论与技术方法，并提出本书的研究新方法。
第3章，量化网络社会治理中群体观点演化的机理模型，主要回答如何立足新视角运用新方法梳理社交舆情背景下在线群体观点演化的理论框架。本章旨在从理论层面梳理后文研究内容的内在逻辑，构建量化网络社会治理中群体观点演化的机理模型。在界定并分析在线群体观点演化内涵外延、特征、构成要素及影响因素理论基础上,首次从认知科学视角探讨在线群体观点演化过程存在的高阶交互特性,为后文构建量化网络社会治理中群体观点演化的高阶交互网络提供方法支撑。在情景—意识—理论三维度即环境要素的线索知觉、整合信息的意义理解和对未来状态的预测启发下，本章将群体用户在网络交互环境中随着对舆情信息的理解和判断，从而在时间维度上表现出的观点演化周期设计为基于高阶交互网络的在线群体观点形成、突变和预测，以表征用户对环境变化的感知和对未来态势的预知。
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，主要回答群体集聚后，如何准确刻画社交媒体在线群体的观点交互现象。本章目的在于准确刻画社交媒体在线群体的观点交互，为后文分析在线群体观点演化提供方法论。相较传统成对交互，高阶交互能够充分反映多要素主体之间的高维复杂性网络连通模式，精准模拟社会网络中的交互行为。鉴于此，本章首先从社会影响视角分析了在线群体高阶交互网络的构建依据，然后创新性地从微博中发帖—评论—回复特征获取能够表征用户属性和观点交互关系的舆情话题数据，构建基于加权超图的在线群体观点演化高阶交互网络。网络拓扑结构分析和可视化结果表明，构建的在线群体观点演化高阶交互网络可以准确刻画网络舆情中群体集聚和观点交互现象，能真实呈现出社交媒体中网络圈群效应的存在，还提供了用户属性对群体集聚和观点演化影响的洞见。
第5章，网络社会治理中群体观点演化的形成机制量化，主要回答群体集聚后，群体用户交互过程中是如何在对环境要素线索知觉基础上形成在线群体观点，解析情景意识理论的第一个维度。本章利用高阶交互网络中的（超）图表示学习方法实现交互群体、交互群组成员和交互文本中观点的表示学习，并提出自适应融合机制在集成多源观点后识别出群体共识。一个群体中，群体共识的形成意味着部分用户的妥协。依据该假设，本书利用个体用户与群体共识在观点内容上表现出的文本语义差异，基于全脑模型将群体观点形成过程中的个体划分为“守成我”“稳妥我”“感觉我”和“探索我”4级，并利用基于SHAP（SHapley Additive exPlanations）的可解释机器学习方法分类并排序了造成群体用户分级即影响群体观点分类结果的环境线索，为后文基于主体差异提出的分级引导策略提供了依据。
第6章，网络社会治理中群体观点演化的突变机制量化，主要回答群体集聚后，群体观点是如何伴随舆情进展而整合信息的意义理解产生群体性观点突变，解析情景意识理论的第二个维度。群体成员往往会吸收新信息而调整对舆情事件的看法，产生诸如观点反转、分叉等群体观点突变现象。为量化网络社会治理中群体观点演化的突变机制，本书首先从信息生态视角描述在线群体观点突变的特征维度，并利用高阶交互网络中的超图神经网络（hypergraph neural network，HGNN）识别出观点突变群体。以识别出的观点突变群体为对象，借助突变理论和尖点突变模型拟合并验证在线群体观点演化过程中的突变现象。此外，为量化在线群体的观点突变，本章借鉴先前研究中的弹性指数，构建并应用基于弹性指数的在线群体观点突变评估模型。通过观点突变、弹性指数和弹性损失的关系分析、观点突变临界点识别及情绪波动对临界点识别的影响，为后文基于情绪差异提出的弹性引导策略提供依据。
第7章，网络社会治理中群体观点演化的预测机制量化，主要回答群体集聚后，如何准确预测下一时刻在线群体的观点，解析情景意识理论的第三个维度。通过构建三元交互视角下的在线群体认知特征集，本文利用改进的基于超图的结构深度聚类网络（structure deep clustering network based on hypergraph，HGSDCN）这种高阶交互网络深度聚类算法实现在线群体观点预测阶段的群体识别； 在基于高阶交互网络识别预测阶段群体基础上，通过以5分钟文本发布时间的时间步长设定和序列观点数据预处理，基于长短期记忆网络（long shortterm memory，LSTM）模型预测在线群体的观点并验证了预测结果的准确性，为后文基于集聚差异提出的推拉引导策略提供依据。
第8章，面向网络社会治理问题的群体观点引导，主要回答如何基于高阶交互网络的在线群体观点演化分析结果，精准制定社交舆情背景下在线群体观点的差异化引导策略。在提出面向网络社会治理问题的群体观点引导路径后，本章剖析在线群体观点演化数据分析过程的差异化结果，并制定群体观点演化不同阶段不同结果的差异化在线群体观点引导策略。
最后，对全书进行了总结与展望。
通过上述内容，本书丰富并完善社交媒体群体认知研究和观点动力学研究的理论框架，拓展并深化高阶交互网络在观点演化和舆情引导方面的应用场景； 实际应用则能够辅助社交平台和监管部门精准刻画在线群体观点网状传播规律和复杂决策模式，科学引导社交媒体生态治理和舆情管理，为我国社交媒体的健康发展和网络文化生态治理提供参考。
编著者
2025年9月
