外部信息的传播、个体观点的交互都是通过社交网络进行的，社交网络是产生网络舆情的基础，但是真实的社交网络极其复杂，很难利用某种网络对其进行真实再现。基于此，为了更加合理地分析网络拓扑结构对舆情反转过程的影响，这里将基于不同参数的网络结构对舆情反转过程进行对比分析。本部分设定参数如下：I1=-0.6，I2=0.8；个体感知参数α集中分布于1左右；3类保守度个体比例为弱保守度个体80%、一般保守度个体10%、强保守度个体10%；3种犹豫度个体的比例服从均匀分布。
不同网络结构在节点连接机制和增长机制上各不相同，其在某种程度上代表了群体间不同的信息交流、传播方式，对信息的扩散、观点交互、舆情极化和反转都会产生较大的影响。基于此，本节将通过BA网络与全连接网络、WS小世界网络、ER随机网络的仿真对比分析，研究网络结构对舆情反转的影响。不同网络拓扑参数如表8-3所示。
表8-3 不同网络拓扑参数
图8-25和图8-26分别为在BA网络、全连接网络、WS小世界网络和ER随机网络中的，群体态度分布柱状图和极化率曲线。由图8-25和图8-26可知，对比BA网络下的群体态度分布状况和极化率曲线，在其他网络结构中，群体态度分布和极化率均发生了微小变化。首先，在全连接网络中，在首发信息的影响下，负向极化率相对较低，说明此时的网络结构对态度的初始极化有一定程度的抑制。其次，在WS小世界网络中，群体中的态度分布与极化率并未产生较大变化，与BA网络下的演化结果基本一致。最后，在ER随机网络中，在首发信息的影响下，负向极化率相对较低，同时在二次信息的影响下，正向极化率也相对较低，说明此时的网络结构对舆情的初始极化和后期的反转都产生了一定的抑制作用。但总体来看，随着外部信息的更迭和个体内在特征的变化，这4种网络结构中的舆情都发生了不同程度的反转现象，这说明网络结构会对舆情反转过程产生一定的影响，但这种影响较为有限。(www.xing528.com)
图8-25 不同网络下群体态度分布柱状图
图8-26 不同网络下群体态度极化率曲线
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
