共查询到18条相似文献，搜索用时 239 毫秒
1.
[目的/意义]政府回应是政府应对突发事件时维稳民心、疏导舆论的重要举措。对公众信息需求进行精准定位并对其与政务微博回应作适配性分析,有助于总结政府回应的经验教训并明确改进策略,为提高回应效能提供参考。[方法/过程]基于公众在线评论数据,采用Kano模型对公众信息需求进行具体的属性定调,分析舆情演化不同阶段下公众信息需求与政府回应适配性的差异化表征,提出提升政府回应效能的对策建议。[结果/结论]突发事件发生后公众的信息需求呈现差异化表征,公众信息需求与政府回应的适配度会直接影响回应的精准度与公众的满意度。因此,在应对突发公共舆情事件时,政府应根据公众的情感与真实需求精准调整、优化和改进回应策略,树立良好的政府形象。 相似文献
2.
【目的/意义】微博作为国内主要的社交网络平台之一,其信息传播实时快速,去中心化,成为网络舆情传播
的重要媒介。面向微博进行舆情中心人物的识别以及公众情绪的挖掘对网络舆情的控制具有重要的实践意义。
【方法/过程】本文以新疆棉花事件为例,使用生命周期法对微博舆情演化过程进行划分,使用word2vec和k-means
模型提取事件生命周期中各阶段的舆情中心人物,采用一种结合词典与LSTM深度学习模型的情感分析方法,对各
舆情中心人物相关的评论情感进行极性分析。【结果/结论】所提出的方法能够挖掘面向特定事件的微博舆情中心
人物、公众的情感类型及情感强度,得到能够使舆情转好的引导方法。【创新/局限】本文创新性的将主题挖掘方法
运用于微博舆情中心人物的提取。在情感分析方法上,结合词典和深度学习方法,解决了深度学习方法进行情感
分析时需人工标注的局限性。此外,本文进行情感值计算时没有考虑到表情符号的作用,后续研究会进一步考虑
更加细粒度的情感分类。 相似文献
3.
4.
[目的/意义]研究利用深度学习的循环神经网络GRU结合条件随机场CRF对标注的中文文本序列进行预测,来抽取在线评论文本中的实体-属性。[方法/过程]首先根据设计好的文本序列标注规范,对评论语料分词后进行实体及其属性的命名实体标注,得到单词序列、词性序列和标注序列;然后将单词序列、词性序列转为分布式词向量表示并用于GRU循环神经网络的输入;最后输出层采用条件随机场CRF,输出标签即是实体或属性。[结果/结论]实验结果表明,本文的方法将实体-属性抽取简化为命名实体标注,并利用深度学习的GRU捕获输入数据的上下文语义以及条件随机场CRF获取输出标签的前后关系,比传统的基于规则或一般的机器学习方法具有较大的应用优势。 相似文献
5.
【目的/意义】为重塑图书馆馆员职业的良好形象,挖掘公众对于图书馆职业认知,为图书馆职业招聘和运营管理提供参考。【方法/过程】基于深度学习方法,以知乎和搜狗问问中与图书馆馆员职业相关的问答与评论为数据样本,利用BERTopic主题模型提取公众对图书馆馆员的职业形象感知,并提出改进TextCNN的情感分类模型,分析公众对图书馆馆员职业形象感知的细粒度情感。【结果/结论】结果发现：公众对图书馆馆员职业形象感知包括职业发展与前景、工作内容、工资待遇、工作时间以及工作环境与位置5个主题维度;大部分公众对图书馆馆员职业形象的情感持正向看法;各主题维度下细粒度的情感形象与图书馆馆员整体形象占比基本趋同,但在不同维度上略有侧重。【创新/局限】将BERTopic主题和改进了TextCNN算法用于图书馆馆员职业形象文本主题提取和细粒度情感分析具有一定的创新性,但是未能够进行算法性能的比较与评估。未来可以进一步地开展深度学习算法性能评估和比较。 相似文献
6.
[目的/意义] 提出一种基于在线产品评论的竞争情报挖掘框架,为企业改进产品设计和制定竞争策略提供参考。[方法/过程] 利用Word2vec技术构建产品特征词集合,识别用户评论主题特征。然后使用情感分析方法对评论文本进行分类,得到特征维度的评论情感。最后从产品主题特征和情感态度特征两方面进行数据分析,并以可视化结果呈现。[结果/结论] 以汽车行业的评论数据为例进行实验,结果表明该方法能够有效提取产品情报信息,帮助企业有效识别自身品牌及竞争对手的优势和劣势,为大数据环境下的竞争情报挖掘提供方法指导。 相似文献
7.
[目的/意义]新媒体平台逐渐成为政民交互的重要载体,准确把握新媒体政务互动内容中的情感倾向,有助于提升政府舆情把握能力与社会治理能力。[方法/过程]在BERT文本语义表示基础上,将主动学习策略与BiLSTM模型集成,进行新媒体政务互动内容情感倾向分析,以提升模型对互动内容情感数据的有效利用。[结果/结论]针对“法律法规草案公开征求意见类”微博互动内容的实验表明,将主动学习引入BERT-BiLSTM模型后,模型的准确率、召回率及F值提升,新媒体政务互动内容情感呈现效果较好。文章所提模型科学可行,能够在减少数据依赖的情况下,提升情感挖掘的效率。 相似文献
8.
[目的/意义]针对网络产品评论细粒度意见挖掘的研究进展进行分析和总结,在明确其主要任务的基础上,探讨涉及的关键技术、研究成果以及未来发展趋势,为该领域研究未来的发展提供建议。[方法/过程]本文主要采用文献综述的方法,对国内外相关研究进展进行分析和归纳,由粗粒度意见挖掘引申到细粒度意见挖掘,在明确细粒度意见挖掘主要任务的基础上,重点针对其关键技术和研究进展进行总结。[结果/结论]本文明确了网络产品评论细粒度意见挖掘的主要任务,包括主客观句分类、评价要素抽取和情感极性计算,总结了各个任务涉及的关键技术。 相似文献
9.
[目的/意义]反讽作为一种隐性而间接的情感表达方式,在社交评论中被广泛使用,正确识别用户的反讽情感对于网络平台和服务商具有重要意义。[方法/过程]文章基于深度学习构建多模态反讽识别模型,以在线旅游评论为例,运用深度学习模型分别提取文本、表情符号和图片的特征向量,通过不同的特征融合方式进行反讽识别。[结果/结论]通过与单模态反讽识别模型进行对比实验,发现文章提出的多模态旅游评论反讽识别模型在准确率、召回率等指标上的结果更优,验证了多模态模型比单模态模型反讽识别效果更佳的结论。 相似文献
10.
[目的/意义]提出融合母评论文本信息的评论短文本情感分类模型以提高互联网环境下短文本评论情感分析效果,适应舆情工作中的实际应用需求。[方法/过程]以短视频平台舆情事件的评论数据为实验对象,利用GRU提取母评论文本特征和直接提取评论区特征,分别将这些特征与CNN提取原评论文本特征并行融合进行情感分类。[结果/结论]相较于传统深度学习方法,引入的母评论文本特征使两个数据集的情感分类效果都获得了一定提升,F1值等均分别提升了2%和1%,说明本文提出的特征引入方案能够提升评论短文本的分类效果,为舆情工作中的情感监测实际应用提供了思路,验证了舆情相关理论研究对实际技术应用有借鉴和指导意义。 相似文献
11.
[目的/意义]掌握和了解微博环境下高校舆情情感的演化规律,对相关部门加强高校舆情监测监管,使高校适时采取措施应对负面舆情事件的恶性传播具有十分重要的意义。[方法/过程]本文通过文本挖掘并利用词云可视化展示对文本特征进行分析;基于朴素贝叶斯分类器将网络用户评论文本进行情感分类;结合用户情感演化与舆情事件发展周期的分析动态展示高校舆情情感演化图谱。[结果/结论]网民负向情感的占比在舆情蔓延期达到顶峰,中性情感的占比在舆情蔓延期最低,正向情感的占比在舆情周期中几乎没有变化。通过对微博环境下高校舆情情感演化图谱进行研究,为微博环境下高校舆情的研究提供新的理论支撑,在实践层面为舆情监管部门及时监测和有效引导高校舆情走向起到针对性的作用。 相似文献
12.
【目的/意义】以近两年（2018-2019）国内有代表性的四件负面公共安全突发事件为例,对其微博评论进行
聚类,并找出影响微博用户消极情感倾向的因素,为政府进行舆情应对处理提供建议。【方法/过程】结合社会网络
分析法与LDA主题模型对评论文本进行关键要素提取,得出评论归因维度,进而通过情感分析软件对各维度进行
情感倾向度分析。【结果/结论】研究结果表明：微博用户主要从事件主体、事件分析、事件处置、社会关系、新闻媒
体、同理心、个人经验七个方面对公共安全突发事件进行评论,其中,事件分析、事件处置、事件主体、社会关系是微
博用户消极情感倾向的主要影响因素,据此本文提出了相应的舆情疏导建议。【创新/局限】本文基于归因理论,创
新性的提出了影响微博用户情感倾向度的归因维度体系,但舆情事件集中数量有限且未进行更细粒度的情感分类
分析。 相似文献
13.
【目的/意义】从海量微博信息中提取准确的主题词,以期为政府和企业进行舆情分析提供有价值的参考。
【方法/过程】通过分析传统微博主题词提取方法的特点及不足,提出了基于语义概念和词共现的微博主题词提取
方法,该方法利用文本扩充策略将微博从短文本扩充为较长文本,借助于语义词典对微博文本中的词汇进行语义
概念扩展,结合微博文本结构特点分配词汇权重,再综合考虑词汇的共现度来提取微博主题词。【结果/结论】实验
结果表明本文提出的微博主题词提取算法优于传统方法,它能够有效提高微博主题词提取的性能。【创新/局限】利
用语义概念结合词共现思想进行微博主题词提取是一种新的探索,由于算法中的分词方法对个别网络新词切分可
能不合适,会对关键词提取准确性造成微小影响。 相似文献
14.
［目的/意义］研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。［方法/过程］本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。［结果/结论］实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。 相似文献
15.
[目的/意义] 区别于单一维度的情感强度测度,基于情感语义空间的食品安全舆情情感分析从立体空间角度探析情感的细粒度表征及情感焦点,对政府及有关部门提升舆情治理水平具有重要意义。[方法/过程] 运用PAD情感模型构建情感语义空间,以2018年食品安全舆情为例,一方面,将情感词映射至情感语义空间,根据位置判别情感词多维情感强度;另一方面,根据情感语义空间的表现形式划分情感层次,探寻不同情感指向特征。[结果/结论] 多维情感语义空间中,食品安全舆情情感的自我认知层愉悦度较高,表明公众认为自身对食品安全有较好的认知;舆情中社会发展和民生民意空间呈现明显的负向情绪,且网民在表达该类情感时的神经生理激活水平较高,应引起政府高度重视。食品安全舆情中的意见领袖对他人情感有较强的影响力,政府应加强与该领域意见领袖的沟通与引导。 相似文献
16.
17.
[目的/意义]探讨网络舆情事件中群体观点的演变规律,构建有效预测其演变趋势的方法。[方法/过程]参考物理学中场的思想和信息科学中数据场的方法,引入观点场概念,提出了一种基于观点势的观点潜在影响力评估模型;然后将该模型运用到微博评论的群体观点演化分析中,建立了微博评论的观点趋势预测方法。该方法的基本思想是以当前评论的观点势分布来预测未来评论的观点分布,在观点势计算时,以既有评论的排序值代表新的信息受众所处的参考场点与观点场中既有评论之间的距离。[结果/结论]通过实际的微博舆情事件数据实验表明,该网络舆情群体观点趋势预测模型能较好地评估已发表的显性观点对后来网民观点形成的影响力,具有较高的网络舆情观点趋势预测准确率。 相似文献