网络舆情的传播模型研究综述深

曾倬颖,李睿

(中国电子科学研究院,北京 100041)



综 述

网络舆情的传播模型研究综述深

曾倬颖,李睿

(中国电子科学研究院,北京 100041)

随着网络媒体的蓬勃发展以及网民规模的不断扩大，网络舆情的重要性日趋凸显。在识别、评估、处置网络舆情态势的工作中，第一步就是科学建立可尽可能全面反映网络舆情的传播模型。本文对网络舆情传播模型的研究进行了较为全面的梳理和回顾。其关注点主要集中在传播模型的生成演化机制、网络结构影响力研究及其相关应用。针对信息传播模型的宏观分析和微观观测，积累了不少研究成果，但是存在传播基础理论与量化实践分析结合不紧密的问题。一种基于综合集成研讨厅的人机结合的信息传播模型建模，既具备具体问题具体分析的微观专用性，也具备适用于多种不同关注角度的广泛通用性，将对网络舆情全方位建模、综合分析提供新的方法。

网络舆情；传播模型；舆情分析

0 引 言

舆论是社会中相当数量的人对于一个特定话题所表达的个人观点、态度和信念的集合体，也是大众社会中的一种普遍存在的心理现象，总是涉及政府执政安全、社会安宁与幸福等重大问题。舆情是一定的社会空间内的舆论动态，网络作为公众接受信息、表达意见的平台，集合了较多民众关于社会现象、问题的信念、态度、意见和情绪等。随着网络新媒体的蓬勃发展以及网络接入的日趋便捷，网络舆情已经从公众舆论的折射场转为了引发地、爆发场，对线下活动影响深远。截至2015年12月，我国网民规模已达6.88亿[1]，规模巨大的网民和互联网的特点使得网络舆情的成为了维护意识形态安全、网络空间安全、社会稳定的重要阵地，成为了民众监督政府、反腐倡廉、民主法制建设、精神文明建设不可或缺的力量，从多方面为国家治理带来了巨大的机遇和挑战。

在关于网络舆情的研究中，传播模型是非常重要的研究领域，本文针对网络舆情的传播模型，结合传统新闻社科等领域的传播建模和计算机领域针对网络舆情传播的研究，总结分析了当前国内外关于传播模型的主要研究进展，提出了我们下一步工作的研究重点。

1 网络舆情的概念

网络舆情是以网络为载体，以事件为核心，集合了广大网民情感、态度、意见、观点的表达、传播、互动以及后续影响力[2]，是社会舆论的一种表现形式。

1.1 网络舆情的要素

关于网络舆情的要素划分，尚未形成统一定义。一种认识是分为舆情主体、舆情客体、舆情信息[3]。舆情主体借用社会学中的定义，指的是民众的主体情绪、表达方式、舆情倾向性。舆情客体是主体产生意见观点的作用对象，包括社会中各种现象、问题、社会主体等。舆情信息包括事件基本信息，事件内容、诉求、危害度等。另一种更为普遍认同的认识则是网络舆情由发布者、受众、内容三大要素[4]构成。发布者是舆情事件的起点，包含舆情影响力、活跃度、价值观等属性。受众是接受信息的大众，具备参与度、倾向性、网络分布、兴趣偏好等属性。内容是舆情事件本身，包括主题、关注度、危害度、敏感性等属性。

1.2 网络舆情的特点

网络舆情的信息传播与传统媒介信息相比，具有复杂性、开放性、自组织性、虚拟性、随机性等复杂系统的特征。网络的开放性，使所有用户都能够参与到网络信息传播中去，成为信息的发布者和传播者；网络的灵活性和自组织的特点，使得“多对多”的传播模式贯穿信息传播的始终，传播路径和传播内容多元化；网络本身具有的虚拟性和随机性等特点，使得舆情在发展过程中可能朝任一个方向发展，从而衍生出多个与之相关乃至无关的论题；网络的便捷打破了时空的界限，使得信息传播具有传播实时性和快速性等特点。

2 传播模型的主要研究现状

关于舆情舆论的研究远在古代就有研究记载。随着技术迅速发展，网络舆论的影响力爆发式增长，不仅是社会科学中新闻传播学、政治学的关注重点，也不断吸引着计算机科学、系统工程学、心理学的广泛关注。作为跨学科的复杂问题，各个学科都立足于自有的理论基础和研究方法开展了大量的研究，其总体思路基本是用可量化的方式去把脉舆情，科学划分要素并建模分析传播的机制和路径。

2.1 生成和演化机制的模型

在网络舆情的基础理论层面，新闻学、传播学、政治学的学者主要讨论了网络舆情的内涵界定、舆情生成及其演变的特征规律。

2.1.1 传播演变的阶段研究

社科类的研究将网络舆情的传播模型研究聚焦在阶段的划分和分析上，从不同的角度对网络舆情传播阶段进行了划分，提出了“潜伏期、扩散期、消退期”三阶段[5]、“涨落、序变、冲突和衰退”四阶段[6]、“潜伏期、萌动期、加速期、成熟期、衰退期”五阶段[7]、“潜伏、成长、蔓延、爆发、衰退和死亡”六阶段[8]模型。多个阶段模型[9]对舆情传播演化特征进行描述，并深究其可能产生的背景原因，但是未能解决各阶段里程碑标志的识别问题，很难通过现有状态加上背景问题分析预测下一阶段可能的态势走向。

2.1.2 传播演化的机理研究

在风险社会理论、群体极化理论、社会燃烧理论等一些理论框架下，学者们试图总结了网络舆情的传播特征[10-12]，包括羊群效应、蝴蝶效应、六度空间理论、长尾效应等。有针对性的关注了网络危机事件、网络群体性事件、网络谣言的生成及演化机制[13-15]，文献[16]界定了群体性突发事件的概念内涵及典型的构成要素和阶段特征，文献[17]阐释了群体性事件在网络舆情视角下的构成要素、特征和类型，文献[18-20]对网络谣言的概念进行了界定，分心了成因，文献[21]列举分析了网络谣言的主题分类、生成机制、传播机制及社会危害。

文献[22-24]试图在网络舆情传播特征定性描述的基础上，加入定量的模型分析，对突发事件进行分级别量化和阶段性评估，在理想条件的假设下进行了传播模型演进规律与控制模型的推演。

一些管理学、统计学、计算机科学的研究人员将更多技术，如文本挖掘主题聚类、情感分析、意见领袖识别等，应用到网络舆情的演化模型的分析之中，对现实中网络舆情危机事件的演化阶段性特征和影响进行了量化分析。文献[25]通过文本挖掘技术对微博数据进行了主题聚类、情感倾向分析，针对群体性突发事件的演化周期及阶段性特征完成了量化结果对比演化机制的验证。

概括而言，对网络舆情的生成及演化机制的研究主要是就既发生的网络舆情事件进行宏观机制的描述，通过分类分析对演化特征进行定性归纳或者定量分析，形成了一系列演化特征及效应的理论描述，但是在对微观行为的观测、描述以及对未来趋势的预测方面还有所欠缺。

2.2 信息传播模型

为了对网络舆情未来发展趋势进行把握、预测，在传播机制、兴趣衰减等规律的基础上，一些以计算机科学、管理学为代表的研究人员着手用社会网络分析的研究路径来关注网络舆情，对其进行微观观测，重点研究了传播过程中信息本质上所反映出的态度、观点，以及信息在网络传播中的扩散演化。信息本质方面的研究主要是语义分析，研究语义倾向性、意见挖掘、观点抽取、情感分析等等。在研究扩散演化方面，主要借用复杂网络分析、动力学模型、传染病模型，将多影响因素量化后与信息相融合进行网络结构分析，涉及到的多影响因素包括网络拓扑结构特点、信息内容的可信度、话题属性、信息提供者的权威度和影响力、受众的注意力和兴趣等。

2.2.1 社会网络分析基本理论

社会网络的概念在1954 年就已提出，用于解释文化是如何规范有界群体内部的成员行为[26]。社会网络是由个体之间社会关系构成的，相对稳定的网络系统，有许多不同的节点(包括个人或组织)，反映着社会关系的基本结构[27]。将社会网络的概念投射到网络社交平台上，社交网络真实反映了社交媒体中信息共享与传播的人际关系结构，其中每个用户都可能是关键节点，这些“节点”对后续信息传播的影响力与其自身社会网络的广泛性以及夹杂在该网络上的其他节点的影响力高度正相关。据此来看，不同“个体节点”之间的相互连接共同组建而成的网络，共同支撑了整个网络的行动。每个节点既可是内容的创造者、接受者与传播者，也可以藉由共同兴趣爱好，联系到更多的相似网络用户群，从而形成更大的网络节点，使信息传播更广泛[28]。

2.2.2 网络拓扑结构、影响力模型

文献[29-31]利用度分布、聚类系统、群聚系统、定点度相关系统等网络量化指标研究了社交网络的网络拓扑结构演化特性，但是缺少相关的传播理论引导以及机理分析。文献[32-34]提出了基于传染病动力学的Daley、Kendall(DK)模型，其将网络用户节点分为未知者、传播者、免疫者三类。在网络中，传播行为主要发生在不同状态节点相互连接所产生的边。文献[35-37]在传播动力学的基础上探讨了网络拓扑对传播的影响，在大量理想条件下对网络拓扑的讨论中发现规则网络的传播能力最差，同质随机网络传播能力最强，中间部分随机网络优于小世界网络等一些共性的规律。

一系列计算机、系统工程背景的学者就传播能力、影响力最大化的问题进行了深入探讨，其研究主要是基于线性阈值模型(Linear Threshold Model，LT)、独立级联模型(Independent Cascade Model, IC)对影响力最大化问题的优化求解。[38-40]先后从度值、PageRank值、Authority值、Hub值来衡量有向网络中节点的影响力，文献[41]的研究发现无关于节点度值，网络核心的节点比网络边缘的节点具有更高的影响力。进而文献[42-43]讨论了如何识别具有重要影响力的节点。文献[44]提出了具有启发性质的贪心算法来提高影响力最大化问题的求解规模和求解速度，文献[45]纳入了传播概率与时间的关系，将离散时间的传播问题转化成了连续时间上的影响力传播，并提出了InfluMax模型。在影响力模型的基础上，计算机科学讨论了很多细分问题，例如文献[46]利用机器学习的方法，重点融合了内容特征，对社交网络潜在影响力模型进行了链接及偏好预测，文献[47]在节点影响力消退模型的基础上结合谣言传播机理对社交平台上的谣言传播进行了预测。文献[48]将群体心理纳入模型分析，建立了一个考虑群体情绪传播的动力学机制。文献[49]在推导信息传播概率时引入了用户的画像以及信息内容的影响。由于影响力传播与抑制行为的本质是传播方与抑制方之间的一种博弈关系，文献[50]提出了面对不确定性和策略性影响源，有效、鲁棒地进行影响力传播抑制的方法。

总的说来，关于信息传播模型的研究主要聚焦影响力模型的演化，多利用数理方程来描述影响力的扩张、消退、抑制，实验所用的算例有的是理想条件下物理仿真，有的是通过微博获取的内容数据进行网络拓扑仿真，以实际发生的网络舆情事件作为案例进行模型验证的研究比较少见。

2.3 传播模型的应用

网络舆情的传播模型及其演化机理的一个重点应用就是网络舆情的监测、预警与引导处置，已建成一些具备网络舆情汇聚监测功能的系统。另外，学术界开展了一系列用来评价舆情状态的预警指标体系研究，同时提出了一些网络舆情引导处置建议。

2.3.1 网络舆情监测平台

人民网舆情监测室[51]、新华网舆情监测平台[52]建立了基于大数据的全维度舆情监测分析平台，可实现24h监测和专业的统计分析，并形成监测分析研究报告等成果。清博舆情[53]建立了全方位整合舆情信息的数据采集平台，重点关注消费者的商业兴趣与社交行为的预测。军犬[54]、优讯[55]等数据舆情平台，可实现对网络重点人物的监控、热点事件的预警、公共网络行为分析等工作。

2.3.2 预警指标体系

指标可以对舆情某一时刻的状态进行刻画、评价、衡量，结合演化机理、规律，可以对舆情发展获得一些预测分析的能力。 [3,56]等从主题分类的角度重点列出了网络舆情信息分析的指标，[57]等认为舆情的热度同事件本身、网络媒体以及网民三者的合力成比例，尝试建立了一种非常规突发事件网络舆情指标体系。[58]构建了警源、警兆、警情三类指标体系，指标侧重于反映舆情本身的演化。[59]基于网络舆情的阶段模型，融会了现有指标体系中认可度较高的指标，建立了要素覆盖完整、逻辑清晰的指标体系。总的说来，预警指标的研究对要素分解，属性汇聚做了很多方法论层面的探讨，但是在指标数据的获取、计算上与现有舆情监测系统的衔接存在较大的鸿沟。

3 一种基于综合研讨的传播机制建模

3.1 基本认识

无论是网络舆情研究还是社会网络分析，其作为学科交叉领域，各学科努力相互借鉴相互吸收其他学科的理论成果、研究方法，以本学科理论为基础开展研究。作为热点问题，网络舆情、社会网络分析积累相当丰富的学术成果，获得了国家社科基金、国家自然科学基金、地方社科及自然基金以及其他重大项目的广泛关注，其中在舆情监测与预警、舆情影响力分析的学术讨论相当广泛，但是真正在舆情监测平台中指导舆情分析工作，使之能够智能识别舆情危机、及时预测舆情扩散态势的功能还没有真正发挥起来。是什么造成了这样的困局？我们认为，像网络舆情这样集成了大量复杂的社会、经济、政治、技术要素的复杂系统，以一个学科为主的解构角度是很难观测和诠释问题全貌的，需要在研究层面上使各学科研究角度共融，在系统层面汇聚各学科的方法论综合分析。钱学森在上世纪90年代提出的从定性到定量的综合集成法[60]为我们提供了一种逻辑框架严密、研究路线清晰的系统方法论。综合集成研讨厅的构想是以人为主、人机结合，使参加研讨的集体在讨论问题时互相启发、互相激活，并充分利用信息技术不受时空的限制，把大量的各种信息与知识(包括经验知识)及千百万人的聪明才智和古人的智慧(通过书本记载或知识工程中的专家系统)综合集成起来，从而得到科学的认识与结论[61]。

综合集成研讨通过定性与定量相结合，把机器体系、知识体系、专家体系三大体系集成为人机结合的复杂巨系统问题求解体系。将知识体系、机器体系的逻辑理性以及专家体系以时间经验为基础的非逻辑、非理性智能集成在一起，通过一系列技术方法的融合，包括学术讨论、模拟仿真、情报信息技术、人工智能、虚拟现实技术、人机交互技术、大数据技术、系统工程方法等技术，从而形成复杂问题的优化决策。

3.2 下一步工作

综合集成研讨的理论框架为我们试图开展的基于人机结合的网络舆情分析研究提供了顶层指导，建立了基于综合集成研讨的网络舆情分析设想体系，如图1所示。

图1 综合集成研讨厅集成群体智慧的螺旋结构

通过集成机器、知识、专家体系，自底向上地进行网络舆情知识的螺旋上升，对网络舆情事件进行人机结合的建模分析与反复迭代，形成针对网络舆情事态扩散、危机预警、科学引导的决策智慧。我们会在下一步工作中，在综合集成研讨的框架下提出人机结合的网络舆情事件的信息传播模型。其应具备以下三个特征：一是涵盖较全面的舆情要素，并对各个要素的属性进行规范描述，并全部可通过技术手段量化表征；二是对网络结构进行图论和传播机理的融合表征，使得网络技术与传播学机理上具备较高的适配性；三是提出的舆情事件分析模型在客观反映当前态势的基础上，可以根据用户的关注角度而置于其自定义的关注坐标系中，为辅助专家研判提供科学评估依据。

图2 在自定义关注坐标系中的舆情事件传播影响力模型样例

该信息传播模型服务于一种人机结合、学科融合的网络舆情事件分析方法，是综合集成研讨理论框架下的一点微观实践，既具备具体问题具体分析的微观专用性，也具备适用于多种不同关注角度的广泛通用性，对网络舆情综合分析、科学引导工作具备一定的参考作用。

[1] 中国互联网络信息中心，第37次中国互联网络发展状况统计报告[R]. http://www.cac.gov.cn/2016-01/22/c_1117860830.htm

[2] 李弼程，邬江兴等. 网络舆情分析[M].北京:国防工业出版社，2015:4-6.

[3] 谈国新，方一. 突发公共事件网络舆情监测指标体系研究[J].华中师范大学学报(人文社会科学版)，2010(3):66-70.

[4] 周东浩，韩文报等. 基于节点和信息特征的社会网络信息传播模型[J].计算机研究与发展，2015(1):156-166.

[5] 刘毅. 网络舆情研究概论[M]. 天津人民出版社，2007: 92-326

[6] 曹劲松等．网络舆情的发展规律[J]． 新闻与写作，2010(5): 45-47．

[7] 谢科范，赵湜，陈刚，等． 网络舆情突发事件的生命周期原理及集群决策研究[J]． 武汉理工大学学报，2010 (4):482-486．

[8] 吉祥等. 基于观点挖掘的网络舆情信息分析[J].现代情报，2010(11):46-49.

[9] 兰月新，曾润喜等．突发事件网络舆情传播规律与预警阶段研究[J]. 情报杂志，2013(5): 16-19．

[10]乐国安等，网络集群行为的理论解释模型探索[J].南开学报(哲学社会科学版)，2011(5): 116-124.

[11]邓若伊等. 网络传播与“意见领袖”理论调适[J].《当代传播》，2011(3):30-37.

[12]方付建. 突发事件网络舆情演变研究[D].华中科技大学博士学位论文，2011．

[13]王艳玲等. 论网络舆论生成的三要素[J].现代传播，2011(4):138-139.

[14]谢耘耕，荣婷． 微博舆论生成演变机制和舆论引导策略[J]．现代传播，2011(5):70-74．

[15]田 卉，柯惠新． 网络环境下的舆论形成模式及调控分析[J]．现代传播(中国传媒大学学报)，2010(1):40-45．

[16]肖唐镖等. 当代中国的“群体性事件”:概念、类型与性质辨析[J].人文杂志, 2012(04):147-155.

[17]陈月生. 群体性突发事件构成要素、特征和类型的舆情视角[J].理论月刊，2006(02): 82-85.

[18]沈远新. 政治谣言：界定、生存机制及其控制[J]. 探索, 2000(1):74-77.

[19]郭小安. 网络谣言的政治诱因：理论整合与中国经验[J]. 武汉大学学报: 人文科学版, 2013(3):120-124.

[20]张盈, 杨锦，孙瀛等. 论网络政治谣言及其成因[J]. 沈阳大学学报, 2010(2):32-33.

[21]童文胜，王建成等. 基于政治传播视角的网络政治谣言生成机制及控制策略研究[J]电子政务 2015(1):24-33

[22]兰月新等. 突发事件网络舆情演进规律模型研究[J]. 情报杂志 2011(8):47-50.

[23]张一文等. 网络舆情与非常规突发事件作用机制-基于系统动力学建模分析[J]. 情报杂志，2010(9):1-6

[24]方付建. 突发事件网络舆情演变研究[D].华中科技大学博士学位论文，2011．

[25]侯万友. 群体性突发事件微博舆情演化分析[D].哈尔滨工业大学管理学硕士学位论文.

[26]Barnes J A. Class and Committees in a Norwegian Island Parish[J]. Human Relations，1954(7)：39-58.

[27]Wellman B，Berkowitz S D，Structural Analysis: A Network Approach[M].New York，USA， Cambridge University Press，1988: 19-61.

[28]林聚任. 社会网络分析：理论、方法与应用[M]. 北京，北京师范大学出版社，2009.

[29]Kumar R, Novak J, Raghavan, P., Tomkins A,: Structure and evolution of online social networks[C],2006 International Conference on Knowledge Discovery and Data Mining, Proceeding of the 12thACM SIGKDD International Conference on Knowledge Discovery and data mining, Philadelphia, PA, USA, 2006 Aug.20-23, pp: 6-11.

[30]Mislove A, Marcon M, Gummad K P, Measurement and analysis of online social network[C]. 2007 Internet Measurement Conference, Proceeding of the 7thACM SIGCOMM conference on Internet measurement, San Diego, California, USA, 2007.Oct 24-26, pp:29-36.

[31]Suri N Rama, Narahari Y， Determining the top K nodes in social networks using the shapely value, Proceedings of the 7thInternational Joint Conference on Autonomous Agents and Multiagent Systems, Estoril, Protugal, 2008:1500-1512

[32]Daley D, Geni J, Epidemic Modeling[M].Cambridge University Press, 2001.

[33]Kendall, Epidemics rumours[J]. Nature, 1964(204):1118-1.

[34]Daley D, Kendall D G, Stochastic rumours[J], IMA journal of Applied Mathematics, 1965,1(1):42-55.

[35]Pastor R, Vespignani A, Epidemic spreading in scale-free networks[J], Physical Review Letters, 2001, 86:3200-3203.

[36]Newman M E J, Watts D J, Scaling and percolation in the small-world network model[J], Physical Review E, 1999,60:7332-7342.

[37]Moukarzel C F, Spreading and shortest path in systems with long range connection[J], Physical Review, 1999, 60:6263-6266.

[38]Ding Ying。Yah Er-jia，Frazho Arthur，et a1．PageRank for rankingauthors in co-citation networks[J]．Journal ofthe American Societyfor Information Science and Technology，2009，60(11): 2229-2243．

[39]Kleinberg J M．Authoritative solution in a hypedinked environment[J]．Journal of the ACM，1999，46(5): 604-632．

[40]Kitsak M，Gallos L K，et a1．Identification of influential spreaders in complex networks[J]．Nature Physics，2010，6(11):888-893.

[41]Leskovec J, Huttenlocher D. Kleinberg J. Signed networks in social media, Proceedings of the 28thInternational Conference on Human Factors in Computing Systems. Atlanta, USA,2010:1361-1370.

[42]Wang Yi Tong, Feng et al., A Potential based Node Selection Strategy for Influence Maximization in Social Network, Proceedings of the 5thInternational Conference on Advanced Data Mining and Applications. Beijing, China, 2009:350-361.

[43]Chen Duan-bing，Lv Lin-yuan，Shang Ming-sheng，et al．IdentifyIng influential nodes in complex networks[J]．Physica A：StaffsticalMechanics and its Applications，2012，391(4)：1777-1787．

[44]Leskovec J, Krause A, Guestrin C, et al., Cost-effective outbreak detection in networks, Proceedings of the 13thACM SIGKDD International Conference on Knowledge Discovery and Data Mining, San Jose, USA, 2007:420-429.

[45]Manuel G-R, Bernhard S, Influence Maximization in Continuous Time Diffusion[C], Proceedings of the 29thInternational Conference on Machine Learning, Edinburgh, Scotland, UK,2012.

[46]王祯骏，王树徽等. 基于社交内容的潜在影响力传播模型的论文[J].计算机学报，2016(8)：1528-1540.

[47]蒙在桥，傅秀芬等. 基于OSN的谣言传播模型及影响力节点研究[J].复杂系统与复杂性科学，2015(3):45-51.

[48]王雷. 基于系统动力学的群体情绪传播模型[J].心理科学，2014(3)：678-682.

[49]Saito K, Ohara K, Yamagishi Y, et al. Learning diffusion probability based on node attributes in social networks[M], Foundations of Intelligent Systems. Berlin: Springer, 2011: 153-162.

[50]李劲，岳昆. 社会网络中影响力传播的鲁棒抑制方法[J].计算机研究与发展，2016(3): 601-610.

[51]人民网舆情[EB/OL]http://yuqing.people.com.cn/[52]新华网舆情_新华网[EB/OL] http://xinhuanet.com/yuqing/

[53]清博舆情首页 [EB/OL] http://yuqing.gsdata.cn/

[54]中科点击军犬舆情采集 [EB/OL] http://www.54spider.com/channel_20.html

[55]优讯网 [EB/OL] http://www.uuwatch.com/

[56]李雯静. 网络舆情指标体系设计与分析[J].情报科学，2009(7).

[57]张一文. 非常规突发事件网络舆情热度评价指标体系构建[J].情报杂志, 2010(11):71-76.

[58]曾润喜. 网络舆情突发事件预警指标体系构建[J].情报理论与实践，2010(1)：77-80.

[59]王青. 网络舆情监测及预警指标体系构建研究[J].情报研究，2011(8)：54-57.

[60]钱学森，于景元，戴汝为. 一个科学的新领域——开放的复杂巨系统及其方法论[J].自然杂志，1990，13(1)：3-10.

[61]戴汝为. 综合集成研讨厅的研制[J].管理科学学报，2002,(3):10-16.

A Survey of the Research on Dissemination Model of Network Public Opinion

ZENG Zhuo-ying， LI Rui-shen

(China Academy of Electronics and Information Technology, Beijing 100041, China)

Online public opinion has become more and more important with the vigorous development of Internet and the increasing number of Internet users. In the work of identifying, evaluating and disposing of online public opinion, the first step is to establish the scientific dissemination model of online public opinion. In this paper, we comprehensively reviewed the research of online public opinion dissemination model, which mainly focus on the generation and evolution mechanism of the propagation model, the influence of the network structure and its related application. Although the macroscopic analysis and the microscopic observation of the online opinion dissemination model has gained a lot of achievements, there is some weakness of combination between theory analysis and practice analysis. A man-machine integration information dissemination model based on Hall for Workshop of Metasynthetic Engineering(HWME) has both micro advantages for specific problems and macro advantages for general applications, which will provide a new method for the comprehensive analysis of online public opinion.

Online public opinion, dissemination model, public opinion analysis.

10.3969/j.issn.1673-5692.2016.06.005

2016-10-25

2016-11-29

曾倬颖(1988—)，女，四川人，工程师，主要研究方向电子信息战略研究；

E-mail： ceiszzy@163.com

李睿深(1976—)，男，甘肃人，工程师，主要研究方向电子信息战略研究及政策研究。

TP399-C1 文献标识码：A

1673-5692(2016)06-588-07