论文部分内容阅读
摘要：近年来，网络舆情反转事件频繁发生，其产生机理与应对策略的研究对经济持续健康发展和社会大局稳定具有重要意义。本文从全局角度对网络舆情的反转研究进行全面总结，首先对舆情反转的相关文献进行分析，然后从舆情反转的产生机理、建模与仿真以及机器学习在网络舆情反转预测中的应用三个角度总结目前的研究进展。基于上述分析，总结已有研究中存在的问题，并初步探讨未来的可能研究方向。
关键词：网络舆情反转；研究进展；机器学习；建模仿真
中图分类号：G206 文献标志码：A 文章编号：1674-8883（2021）13-0050-03
基金项目：本论文为南阳师范学院校级科研项目“微博网络上的舆论演化动力学研究”成果，项目编号：2019QN019；河南省自然科学基金青年科学项目“线上线下耦合网络上的舆论动力学研究”成果，项目编号：202300410301；河南省高校人文社会科学研究一般项目“基于超网络的传染病传播机理与防控策略研究”成果，项目编号：2021-ZZJH-262； 2020年度河南省社会科学界联合会调研课题“基于社交网络大数据的网络舆情反转机理研究”成果，项目编号：SKL-2020-714
一、引言
近年来，网络舆情反转现象频繁发生，例如2015年的“成都女司机被打事件”、2018年的“快递小哥雨中暴哭事件”、2019年的“潍坊市妇幼保健院纱布门事件”。相对于一般的网络舆情事件，网络舆情反转事件中的舆情具有典型的“反转”现象，舆情出现一次或多次反转。这些舆情反转事件在发展过程中，由于信息的不断加入，舆情持续时间一般较长，事件主体、媒体公信力等都会受到不良影响[1]，也易使舆情蔓延至线下社会，动摇社会的和谐基础与信任根基[2]。网络舆情反转的产生机理、演化特征与治理对策等方面的研究已经受到越来越多的学者关注。
当前，网络舆情反转问题的研究方法多以具体案例的定性分析为主，也有部分研究是通过构建研究模型来进行定量分析。网络舆情反转研究包括舆情反转、新闻反转、舆论反转、反转新闻等多种主题关键词[1]。值得注意的是，“舆情反转”与“新闻反转”之间具有较强的联系[3]，常存在相互交织的关系[4]，但是两者还是存在本质区别[5]。因此，本文将研究范围界定在舆情反转和舆论反转上。
目前关于网络舆情反转问题的研究，已经积累了丰富的研究成果，已有学者对2013年至2015年的研究文献进行了简单的梳理和分析[5]。但是，近年来尚未有学者从全局角度对网络舆情反转研究进行全面总结。本文对网络舆情反转的研究进展、存在问题及发展方向进行整理和分析。
二、文献分析
以“舆情反转”和“舆论反转”为关键词，在CNKI数据库进行搜索，对所得文献进一步进行人工筛选，共选定相关文献272篇。从2015年至今，关于“舆情反转”的研究整体呈现逐年增加的趋势，其中在2020年，论文数量出现较大幅度的回落，研究文献数量的年度分布如下图所示。虽然关于网络舆情的研究起步较早，但是对于舆情反转的研究在2015年才出现，起步相对较晚。2017年至2019年，每年相关文献均超过50篇，研究进入了高速发展时期。越来越多的专家学者在关注“舆情反转”这一研究主题，这与近年来频发的舆情反转事件是直接相关的。
三、舆情反转概念辨析
目前，关于网络舆情反转的定义学界尚未有统一的认识。大部分学者认为是网络舆情在不同的发展阶段，群体的观点倾向和态度出现了反方向的变化。谭艳霞等[6]认为舆情反转是在舆情传播过程中，网民的意见、观点或态度同初始时出现了相反方向的转化现象。胡李杨[7]认为舆论反转是在某些新闻事件中，受众受媒体报道的影响，认知态度出现扭转的现象。也有学者认为“舆情反转”是在公共事件的不同阶段，公众的观点或意见发生了逆转性的表达[8]。针对不同文献对网络舆情反转的定义，选取其中具有代表性的20条，抽取得到的关键词主要包含网络舆情、事件、社会、现象、表达、传播、态度、意见、过程、转化、相反等。这说明，目前的这些定义虽然在描述上略有不同，但是基本内涵是一致的。
四、网络舆情反转研究现状综述
（一）舆情反转产生机理研究
当前，关于舆情反转产生机理的研究，多是从某一具体的案例出发，首先分析具体案例的发展过程，从实际出发提取舆情反转的规律，然后探讨应对的策略[9]。多数研究认为，自媒体时代媒体把关的滞后或缺失[10]、信源失真[11]、受众或媒体对某些事物的偏见[12]以及有待提高的网民和媒介素养[13]等是造成舆情反转的重要原因。
杨丽娜等[10]以“王凤雅”事件为具体案例，从媒体和舆论领袖责任、公众阅读习惯、群体极化等方面分析了舆情反转现象产生的原因。赵瑜[11]从社会、媒体、受众、信息四个方面分析了舆情反转的形成机理。刁姿枫[12]以“万州公交车坠江”事件为例，從社会、媒体和用户三个维度分析了舆情反转发生的主要原因。张春颜等[13]分析了政府、传统媒体、自媒体、民众四类主体在舆论反转中的不同作用。
（二）网络舆情反转的建模与仿真研究
相比于传播学等领域的定性分析，关于网络舆情的定量分析主要采用建模与仿真的方法。特别是近几年来，网络舆情研究受到复杂网络科学的重视，取得了一系列重要的研究进展[14]。在这类研究中，把网民抽象为节点，网民的观点抽象为具体的数字，根据取值的不同分为离散型或连续型观点，然后设计节点与观点之间的交互规则，从微观的交互规则出发，进而得出宏观的舆论规律。
目前，在网络舆情反转的研究中也有不少学者使用了建模与仿真的方法。特别是将SIR模型和观点演化模型结合起来的研究[15]，越来越受到学者们的关注。在传播过程中有新的信息加入是造成舆情反转的必要条件。因此，在模型中关注观点的传播过程，可以更好地对舆情反转进行仿真和模拟。汪明艳等[16]在SIR模型的基础上引入了观点属性，得出的仿真结果认为在干预主体上，政府的干预比媒体更加有效，反转信息的介入时间也会影响整个舆情的生命周期。刘泉等[17]考虑节点具有观点和传播状态两种属性，对节点设置了连续性观点，分析了媒体的引导作用，通过实例验证其模型可以描述舆情反转现象。Huang等[18]将Deffuant模型和CODA选择机制相结合，构建了舆情反转模型，并使用Agent方法对模型进行了仿真。吴越等[19]将节点设置出四类属性——传播状态属性、观点属性、信任属性、地位属性，从媒体干预的角度构建模型仿真分析了舆论反转现象。汪明艳等[20]考虑了个体的行为意愿和反转信息的可靠性，构建了舆论反转模型。张丽等[21]考虑了周围邻居节点的影响、组织氛围的影响以及事件信息的影响，在HK模型的基础上构建了舆论反转模型。陈一新等[22]在HK模型的基础上，通过改变意见领袖的观点来促使舆论反转，模型可以较好地模拟舆论反转中观点从一个极端到另一极端的变化过程。刘琪等[23]将网络群体分为普通群体和意见领袖两类，考虑意见领袖的观点不变，并在舆论演化的过程中引入观点不同的意见领袖，模拟了舆论反转的过程。但值得注意的是，并不是所有的反转信息都是由意见领袖发起的，也可能是由外部环境中的媒体或官方报道等发起报道的反转信息。 （三）机器学习在网络舆情反转预测中的应用研究
机器学习的某些算法可以很好地对事情的发展态势进行预测。常见的机器学习算法包括聚类、决策树、SVM、贝叶斯网络、神经网络等等。目前，已有不少研究将机器学习的方法运用在舆情反转的预测、识别和分类研究中。在这类研究中，首先需要确定影响舆情反转事件的影响因素，然后使用具体的分类或聚类的算法，对舆情反转事件进行分类预测。
王楠等[24]将聚类算法引入SMOTE算法中进行数据处理，使用神经网络构建分类器，构建了舆情反转预测模型，实验结果显示具有较高的准确率。田世海等[25]使用贝叶斯网络的方法，从平台控制性、传播突变性等方面来分析影响舆情反转的因素，进而构建预测自媒体舆情反转的贝叶斯模型。该模型可以预测舆情反转的倾向，同时贝叶斯网络的诊断推理能够分析最有可能造成舆情反转的原因，这可以为舆情事件治理与控制提供较好的策略。田俊静等[26]考虑持续时长、反转次数、反转渠道等7个描述属性，构建决策树模型，对反转事件进行预测分类，进而根据不同分类制定预案，采取不同的应对策略。袁野等[27]采用报道倾向、首发平台等5个属性，通过聚类的方法将反转事件聚成4类，然后使用Fisher判别法，对反转舆情事件进行归类预测。江长斌等[28]使用SVM方法，构建了舆情反转预测模型。
五、结语
基于上述对网络舆情反转研究的总结梳理，下面就当前研究中的缺陷和下一步的研究进行初步探讨。
目前，网络舆论动力学模型对了解舆情反转的机理起到了极大的促进作用，但是其中也存在一些问题。例如，舆情反转中随着反转信息的发布，终态的观点是同初始观点不同的，但是上述某些文献中的模型并未体现这个特点。反转信息的发布者和发布时间对舆情反转的影响还尚未彻底解释清楚。未来研究还需要注重使观点演化的规则和舆情变化的实际更紧密地吻合，模型参数的设置上也需要更符合实际情况，并能把得到的研究结果运用到实处。
目前，使用机器学习方法进行舆情反转预测的研究中存在如下问题：第一，舆情反转事件影响因素的确定。当前研究中已确定的影响因素主观性较大，因素类型也较为分散和多样；第二，舆情反转事件的类型确定后，需要对具体的类型采取不同的应对措施，但是具体采取什么样的应对措施，这些应对措施有什么区别，目前的研究中还少有涉及。未来的研究需要对舆情反转的影响因素进行详细的分析与界定，以形成更加客观的研究结论。
参考文献：
[1] 夏一雪，兰月新，刘茉，等.大数据环境下网络舆情反转机理与预测研究[J].情报杂志，2018，37（8）：92-96.
[2] 毕宏音，田华.舆情“类反转”现象分析与反思：以“万州公交车坠江事件”为例[J].情报杂志，2019，38（7）：103-110.
[3] 黄远，刘怡君.网络舆论反转效应研究[J].管理评论，2016，28（8）：71-78.
[4] 苏长青.是“新闻反转”还是“舆论反转”——基于“反转”研究文献对两者关系的分析[J].青年记者，2017（14）：4-5.
[5] 唐晶晶.舆论反转研究的文献综述[J].今传媒，2016，24（7）：43-44.
[6] 谭艳霞，化存才.网络舆情反转问题的模糊聚类分析[J].云南大学学报（自然科学版），2019，41（S1）：16-20.
[7] 胡李阳.“舆论反转”之概念辨析[J].新闻采编，2017（4）：16-18.
[8] 刘旭彤.双微传播舆情反转现象形成机理及对策研究[D].济南：山东大学，2017.
[9] 黄微，赵昕，赵江元.舆情传播高涨期阶段的反转事件产生机理分析[J].情报理论与实践，2019，42（12）：60-66.
[10] 杨丽娜，李林洁.探析热点事件“舆情反转”现象的传播机理——以“王凤雅”事件为例[J].采写编，2018（3）：78-83.
[11] 赵瑜.后真相时代舆情反转的形成机理研究[D].郑州：郑州大学，2018.
[12] 刁姿枫.浅析后真相时代的舆情反转——以万州公交车坠江案件为例[J].科技传播，2019，11（7）：40-43.
[13] 张春颜，刘煊.后真相视角下网络舆论反转的主体行为、情境类型与规避策略分析[J].学习论坛，2019（7）：58-63.
[14] 周涛，汪秉宏，韩筱璞，等.社会网络分析及其在舆情和疫情防控中的应用[J].系统工程学报，2010，25（6）：742-754.
[15] 刘泉，荣莉莉，于凯.考虑多层邻居节点影响的微博网络舆论演化模型[J].系统工程学报，2017，32（6）：721-731.
[16] 汪明艳，朱德米，张鹏翥，等.不实信息引发的社会热点事件网络舆论反转演变仿真及治理研究[J].中国软科学，2019（6）：59-66.
[17] 刘泉，荣莉莉，颜克胜.考慮媒体效应的微博网络热点事件舆论演化模型[J].系统工程学报，2018，33（5）：577-588.
[18] 黄传超，胡斌，闫钰炜，等.网络暴力下突发事件中观点决策与舆情反转[J].管理工程学报，2019，33（1）：252-258.
[19] 吴越，杜亚军，陈晓亮，等.基于新曝光冲突性消息的网络舆论逆转研究[J].物理学报，2016，65（3）：46-55.
[20] 汪明艳，余丽彬，胡华.基于行为意愿与反转信息可靠性的舆论反转演变研究[J].情报杂志，2019，38（4）：125-131.
[21] 张丽，朱侯，万芳彬，等.考虑信息与组织氛围影响的网络舆论反转模拟[J].情报科学，2018，36（5）：57-63.
[22] 陈一新，陈馨悦，吕妍，等.基于改进HegselmannKrause模型的微博舆论反转研究[J].情报理论与实践，2020，43（1）：82-89.
[23] 刘琪，肖人彬.观点动力学视角下基于意见领袖的网络舆情反转研究[J].复杂系统与复杂性科学，2019，16（1）：1-13.
[24] 王楠，李海荣，谭舒孺.基于改进SMOTE算法与集成学习的舆情反转预测研究[J].数据分析与知识发现，2021，5（4）：37-48.
[25] 田世海，孙美琪，张家毓.基于贝叶斯网络的自媒体舆情反转预测[J].情报理论与实践，2019，42（2）：127-133.
[26] 田俊静，兰月新，夏一雪，等.基于决策树方法的网络舆情反转识别与实证研究[J].情报杂志，2019，38（8）：121-125.
[27] 袁野，兰月新，张鹏，等.基于系统聚类的反转网络舆情分类及预测研究[J].情报科学，2017，35（9）：54-60.
[28] 江长斌，邹悦琦，王虎，等.基于SVM的自媒体舆情反转预测研究[J].情报科学，2021，39（04）：47-53.
作者简介：贾媚媚（1987—），女，河南南阳人，硕士，助教，研究方向：网络舆情、社交网络。
刘泉（1984—），男，河南南阳人，博士，讲师，研究方向：网络舆论动力学、复杂网络。
关键词：网络舆情反转；研究进展；机器学习；建模仿真
中图分类号：G206 文献标志码：A 文章编号：1674-8883（2021）13-0050-03
基金项目：本论文为南阳师范学院校级科研项目“微博网络上的舆论演化动力学研究”成果，项目编号：2019QN019；河南省自然科学基金青年科学项目“线上线下耦合网络上的舆论动力学研究”成果，项目编号：202300410301；河南省高校人文社会科学研究一般项目“基于超网络的传染病传播机理与防控策略研究”成果，项目编号：2021-ZZJH-262； 2020年度河南省社会科学界联合会调研课题“基于社交网络大数据的网络舆情反转机理研究”成果，项目编号：SKL-2020-714
一、引言
近年来，网络舆情反转现象频繁发生，例如2015年的“成都女司机被打事件”、2018年的“快递小哥雨中暴哭事件”、2019年的“潍坊市妇幼保健院纱布门事件”。相对于一般的网络舆情事件，网络舆情反转事件中的舆情具有典型的“反转”现象，舆情出现一次或多次反转。这些舆情反转事件在发展过程中，由于信息的不断加入，舆情持续时间一般较长，事件主体、媒体公信力等都会受到不良影响[1]，也易使舆情蔓延至线下社会，动摇社会的和谐基础与信任根基[2]。网络舆情反转的产生机理、演化特征与治理对策等方面的研究已经受到越来越多的学者关注。
当前，网络舆情反转问题的研究方法多以具体案例的定性分析为主，也有部分研究是通过构建研究模型来进行定量分析。网络舆情反转研究包括舆情反转、新闻反转、舆论反转、反转新闻等多种主题关键词[1]。值得注意的是，“舆情反转”与“新闻反转”之间具有较强的联系[3]，常存在相互交织的关系[4]，但是两者还是存在本质区别[5]。因此，本文将研究范围界定在舆情反转和舆论反转上。
目前关于网络舆情反转问题的研究，已经积累了丰富的研究成果，已有学者对2013年至2015年的研究文献进行了简单的梳理和分析[5]。但是，近年来尚未有学者从全局角度对网络舆情反转研究进行全面总结。本文对网络舆情反转的研究进展、存在问题及发展方向进行整理和分析。
二、文献分析
以“舆情反转”和“舆论反转”为关键词，在CNKI数据库进行搜索，对所得文献进一步进行人工筛选，共选定相关文献272篇。从2015年至今，关于“舆情反转”的研究整体呈现逐年增加的趋势，其中在2020年，论文数量出现较大幅度的回落，研究文献数量的年度分布如下图所示。虽然关于网络舆情的研究起步较早，但是对于舆情反转的研究在2015年才出现，起步相对较晚。2017年至2019年，每年相关文献均超过50篇，研究进入了高速发展时期。越来越多的专家学者在关注“舆情反转”这一研究主题，这与近年来频发的舆情反转事件是直接相关的。
三、舆情反转概念辨析
目前，关于网络舆情反转的定义学界尚未有统一的认识。大部分学者认为是网络舆情在不同的发展阶段，群体的观点倾向和态度出现了反方向的变化。谭艳霞等[6]认为舆情反转是在舆情传播过程中，网民的意见、观点或态度同初始时出现了相反方向的转化现象。胡李杨[7]认为舆论反转是在某些新闻事件中，受众受媒体报道的影响，认知态度出现扭转的现象。也有学者认为“舆情反转”是在公共事件的不同阶段，公众的观点或意见发生了逆转性的表达[8]。针对不同文献对网络舆情反转的定义，选取其中具有代表性的20条，抽取得到的关键词主要包含网络舆情、事件、社会、现象、表达、传播、态度、意见、过程、转化、相反等。这说明，目前的这些定义虽然在描述上略有不同，但是基本内涵是一致的。
四、网络舆情反转研究现状综述
（一）舆情反转产生机理研究
当前，关于舆情反转产生机理的研究，多是从某一具体的案例出发，首先分析具体案例的发展过程，从实际出发提取舆情反转的规律，然后探讨应对的策略[9]。多数研究认为，自媒体时代媒体把关的滞后或缺失[10]、信源失真[11]、受众或媒体对某些事物的偏见[12]以及有待提高的网民和媒介素养[13]等是造成舆情反转的重要原因。
杨丽娜等[10]以“王凤雅”事件为具体案例，从媒体和舆论领袖责任、公众阅读习惯、群体极化等方面分析了舆情反转现象产生的原因。赵瑜[11]从社会、媒体、受众、信息四个方面分析了舆情反转的形成机理。刁姿枫[12]以“万州公交车坠江”事件为例，從社会、媒体和用户三个维度分析了舆情反转发生的主要原因。张春颜等[13]分析了政府、传统媒体、自媒体、民众四类主体在舆论反转中的不同作用。
（二）网络舆情反转的建模与仿真研究
相比于传播学等领域的定性分析，关于网络舆情的定量分析主要采用建模与仿真的方法。特别是近几年来，网络舆情研究受到复杂网络科学的重视，取得了一系列重要的研究进展[14]。在这类研究中，把网民抽象为节点，网民的观点抽象为具体的数字，根据取值的不同分为离散型或连续型观点，然后设计节点与观点之间的交互规则，从微观的交互规则出发，进而得出宏观的舆论规律。
目前，在网络舆情反转的研究中也有不少学者使用了建模与仿真的方法。特别是将SIR模型和观点演化模型结合起来的研究[15]，越来越受到学者们的关注。在传播过程中有新的信息加入是造成舆情反转的必要条件。因此，在模型中关注观点的传播过程，可以更好地对舆情反转进行仿真和模拟。汪明艳等[16]在SIR模型的基础上引入了观点属性，得出的仿真结果认为在干预主体上，政府的干预比媒体更加有效，反转信息的介入时间也会影响整个舆情的生命周期。刘泉等[17]考虑节点具有观点和传播状态两种属性，对节点设置了连续性观点，分析了媒体的引导作用，通过实例验证其模型可以描述舆情反转现象。Huang等[18]将Deffuant模型和CODA选择机制相结合，构建了舆情反转模型，并使用Agent方法对模型进行了仿真。吴越等[19]将节点设置出四类属性——传播状态属性、观点属性、信任属性、地位属性，从媒体干预的角度构建模型仿真分析了舆论反转现象。汪明艳等[20]考虑了个体的行为意愿和反转信息的可靠性，构建了舆论反转模型。张丽等[21]考虑了周围邻居节点的影响、组织氛围的影响以及事件信息的影响，在HK模型的基础上构建了舆论反转模型。陈一新等[22]在HK模型的基础上，通过改变意见领袖的观点来促使舆论反转，模型可以较好地模拟舆论反转中观点从一个极端到另一极端的变化过程。刘琪等[23]将网络群体分为普通群体和意见领袖两类，考虑意见领袖的观点不变，并在舆论演化的过程中引入观点不同的意见领袖，模拟了舆论反转的过程。但值得注意的是，并不是所有的反转信息都是由意见领袖发起的，也可能是由外部环境中的媒体或官方报道等发起报道的反转信息。 （三）机器学习在网络舆情反转预测中的应用研究
机器学习的某些算法可以很好地对事情的发展态势进行预测。常见的机器学习算法包括聚类、决策树、SVM、贝叶斯网络、神经网络等等。目前，已有不少研究将机器学习的方法运用在舆情反转的预测、识别和分类研究中。在这类研究中，首先需要确定影响舆情反转事件的影响因素，然后使用具体的分类或聚类的算法，对舆情反转事件进行分类预测。
王楠等[24]将聚类算法引入SMOTE算法中进行数据处理，使用神经网络构建分类器，构建了舆情反转预测模型，实验结果显示具有较高的准确率。田世海等[25]使用贝叶斯网络的方法，从平台控制性、传播突变性等方面来分析影响舆情反转的因素，进而构建预测自媒体舆情反转的贝叶斯模型。该模型可以预测舆情反转的倾向，同时贝叶斯网络的诊断推理能够分析最有可能造成舆情反转的原因，这可以为舆情事件治理与控制提供较好的策略。田俊静等[26]考虑持续时长、反转次数、反转渠道等7个描述属性，构建决策树模型，对反转事件进行预测分类，进而根据不同分类制定预案，采取不同的应对策略。袁野等[27]采用报道倾向、首发平台等5个属性，通过聚类的方法将反转事件聚成4类，然后使用Fisher判别法，对反转舆情事件进行归类预测。江长斌等[28]使用SVM方法，构建了舆情反转预测模型。
五、结语
基于上述对网络舆情反转研究的总结梳理，下面就当前研究中的缺陷和下一步的研究进行初步探讨。
目前，网络舆论动力学模型对了解舆情反转的机理起到了极大的促进作用，但是其中也存在一些问题。例如，舆情反转中随着反转信息的发布，终态的观点是同初始观点不同的，但是上述某些文献中的模型并未体现这个特点。反转信息的发布者和发布时间对舆情反转的影响还尚未彻底解释清楚。未来研究还需要注重使观点演化的规则和舆情变化的实际更紧密地吻合，模型参数的设置上也需要更符合实际情况，并能把得到的研究结果运用到实处。
目前，使用机器学习方法进行舆情反转预测的研究中存在如下问题：第一，舆情反转事件影响因素的确定。当前研究中已确定的影响因素主观性较大，因素类型也较为分散和多样；第二，舆情反转事件的类型确定后，需要对具体的类型采取不同的应对措施，但是具体采取什么样的应对措施，这些应对措施有什么区别，目前的研究中还少有涉及。未来的研究需要对舆情反转的影响因素进行详细的分析与界定，以形成更加客观的研究结论。
参考文献：
[1] 夏一雪，兰月新，刘茉，等.大数据环境下网络舆情反转机理与预测研究[J].情报杂志，2018，37（8）：92-96.
[2] 毕宏音，田华.舆情“类反转”现象分析与反思：以“万州公交车坠江事件”为例[J].情报杂志，2019，38（7）：103-110.
[3] 黄远，刘怡君.网络舆论反转效应研究[J].管理评论，2016，28（8）：71-78.
[4] 苏长青.是“新闻反转”还是“舆论反转”——基于“反转”研究文献对两者关系的分析[J].青年记者，2017（14）：4-5.
[5] 唐晶晶.舆论反转研究的文献综述[J].今传媒，2016，24（7）：43-44.
[6] 谭艳霞，化存才.网络舆情反转问题的模糊聚类分析[J].云南大学学报（自然科学版），2019，41（S1）：16-20.
[7] 胡李阳.“舆论反转”之概念辨析[J].新闻采编，2017（4）：16-18.
[8] 刘旭彤.双微传播舆情反转现象形成机理及对策研究[D].济南：山东大学，2017.
[9] 黄微，赵昕，赵江元.舆情传播高涨期阶段的反转事件产生机理分析[J].情报理论与实践，2019，42（12）：60-66.
[10] 杨丽娜，李林洁.探析热点事件“舆情反转”现象的传播机理——以“王凤雅”事件为例[J].采写编，2018（3）：78-83.
[11] 赵瑜.后真相时代舆情反转的形成机理研究[D].郑州：郑州大学，2018.
[12] 刁姿枫.浅析后真相时代的舆情反转——以万州公交车坠江案件为例[J].科技传播，2019，11（7）：40-43.
[13] 张春颜，刘煊.后真相视角下网络舆论反转的主体行为、情境类型与规避策略分析[J].学习论坛，2019（7）：58-63.
[14] 周涛，汪秉宏，韩筱璞，等.社会网络分析及其在舆情和疫情防控中的应用[J].系统工程学报，2010，25（6）：742-754.
[15] 刘泉，荣莉莉，于凯.考虑多层邻居节点影响的微博网络舆论演化模型[J].系统工程学报，2017，32（6）：721-731.
[16] 汪明艳，朱德米，张鹏翥，等.不实信息引发的社会热点事件网络舆论反转演变仿真及治理研究[J].中国软科学，2019（6）：59-66.
[17] 刘泉，荣莉莉，颜克胜.考慮媒体效应的微博网络热点事件舆论演化模型[J].系统工程学报，2018，33（5）：577-588.
[18] 黄传超，胡斌，闫钰炜，等.网络暴力下突发事件中观点决策与舆情反转[J].管理工程学报，2019，33（1）：252-258.
[19] 吴越，杜亚军，陈晓亮，等.基于新曝光冲突性消息的网络舆论逆转研究[J].物理学报，2016，65（3）：46-55.
[20] 汪明艳，余丽彬，胡华.基于行为意愿与反转信息可靠性的舆论反转演变研究[J].情报杂志，2019，38（4）：125-131.
[21] 张丽，朱侯，万芳彬，等.考虑信息与组织氛围影响的网络舆论反转模拟[J].情报科学，2018，36（5）：57-63.
[22] 陈一新，陈馨悦，吕妍，等.基于改进HegselmannKrause模型的微博舆论反转研究[J].情报理论与实践，2020，43（1）：82-89.
[23] 刘琪，肖人彬.观点动力学视角下基于意见领袖的网络舆情反转研究[J].复杂系统与复杂性科学，2019，16（1）：1-13.
[24] 王楠，李海荣，谭舒孺.基于改进SMOTE算法与集成学习的舆情反转预测研究[J].数据分析与知识发现，2021，5（4）：37-48.
[25] 田世海，孙美琪，张家毓.基于贝叶斯网络的自媒体舆情反转预测[J].情报理论与实践，2019，42（2）：127-133.
[26] 田俊静，兰月新，夏一雪，等.基于决策树方法的网络舆情反转识别与实证研究[J].情报杂志，2019，38（8）：121-125.
[27] 袁野，兰月新，张鹏，等.基于系统聚类的反转网络舆情分类及预测研究[J].情报科学，2017，35（9）：54-60.
[28] 江长斌，邹悦琦，王虎，等.基于SVM的自媒体舆情反转预测研究[J].情报科学，2021，39（04）：47-53.
作者简介：贾媚媚（1987—），女，河南南阳人，硕士，助教，研究方向：网络舆情、社交网络。
刘泉（1984—），男，河南南阳人，博士，讲师，研究方向：网络舆论动力学、复杂网络。