共查询到20条相似文献,搜索用时 46 毫秒
1.
【目的/意义】精准预测与掌握舆情事件的发展,及时发现舆情中的潜在危机,对社会的长治久安具有重要
意义。【方法/过程】针对网络舆情演化的不确定性、多变性与灰色性等特征,选取多个指标数据建立多因素灰色模
型(MGM(1,m))。同时,为提高预测结果的精确度,利用BP神经网络对多因素灰色模型的预测残差进行修正,构建
基于残差修正的多因素灰色模型,并结合“莆田系事件”对模型预测性能进行验证。【结果/结论】仿真结果表明,相
对于单一序列GM(1,1)模型和无残差修正的多因素灰色模型,残差修正后的多因素灰色模型在网络舆情预测上具
有一定的优势。 相似文献
2.
3.
【目的/意义】突发疫情环境下将形成大量网络舆情,准确把握网络舆情传播趋势可为突发疫情环境下的社
会保障应急机制提供参考依据。【方法/过程】本文从网络舆情信息交互影响要素、网络舆情信息交互机理两方面分
析突发疫情环境下网络舆情信息交互机理;并从网络舆情传播趋势特点考虑,以新冠病毒肺炎李文亮事件为例,采
用Elman 神经网络模型,选取网络信息数量以及情绪总量和主导情绪作为网络舆情传播趋势预测主要变量和辅助
变量,对突发疫情环境下的网络舆情传播趋势进行预测分析,针对预测结果制定相关社会保障应急机制。【结果/结
论】研究提出可通过完善网络舆情相关法律机制、社会参与机制、信息披露机制、社会监督机制、责任追究机制五项
社会保障应急机制,以期为突发疫情环境下维持社会稳定性提供依据。【局限/创新】未来研究中可结合更多相关实
例进行分析,从而使研究结论进一步得到丰富与深化。 相似文献
4.
【目的/意义】随着移动网络技术的飞速发展,用户已习惯在社交网络平台发表意见,进而形成所谓的网络
舆情。准确建立舆情的传播模型,对于舆情的引导和控制具有重要的帮助。【方法/过程】本文基于传统的SIR传染
病模型,综合考虑用户的心理特征行为因素,搭建新型的社交网络舆情传播动力学模型,并选用粒子群算法,以
2016年内热点的微博舆情事件为例,求解模型参数的最优值,并进行实验数据验证。【结果/结论】结果表明:用户的
追根溯源心理、持续关注心理以及漠不关心心理等心理特征对舆情的传播特性有重要影响,同时本文给出的模型
由于考虑了用户的心理特征行为因素,模型的准确性相较传统的SIR模型有明显优势,模型拟合曲线与真实数据曲
线基本一致,并且模型拟合值与真实数据的绝对误差值和RMSE值都较低。本文的研究对准确预测舆情信息传播
趋势以及舆情的分析和引导有着重要的指导作用。 相似文献
5.
【目的/意义】为推动深度学习在网络舆情管理中的应用,提高突发灾害事件网络舆情情感识别效率。【方 法/过程】基于OCC模型建立了突发自然灾害网络舆情情感规则,并由word2vec构建文本向量作为长短期记忆网 络(Long-short term memory,LSTM)的初始输入,对其训练得到突发灾害事件网络舆情多情感识别模型。【结果/结 论】通过对比试验发现,OCC情感规则能够提升情感识别模型的正确率,基于LSTM和word2vec的突发灾害事件 网络舆情情感识别模型在情感识别效果上优于TF-IDF文本向量化方法以及基于卷积神经网络(Convolutional neural network,CNN)和传统的机器学习方式(Support vector machine,SVM)的分类算法结果。 相似文献
6.
【目的/意义】高校突发事件引起的网络舆情会让高校的声誉等受到直接的影响,研究高校突发事件网络舆
情传播过程,并总结出其影响因素,这对于高校舆情的治理及学生工作的开展而言意义非凡。【方法/过程】以微博
用户群体作为研究对象,以选取的典型案例为研究话题,通过扎根理论的研究方法对原始文本数据进行编码分析,
研究高校突发事件舆情传播影响因素。【结果/结论】构建了高校突发事件舆情传播影响因素模型,并结合时间维度
通过案例对其模型进行了阐释,为后续研究提供参考和启示。【创新/局限】本研究针对高校突发事件网络舆情所选
取的典型案例进行扎根理论研究,探索高校突发事件舆情传播过程影响因素模型,在理论与实践层面具有一定创
新意义。但由于本研究仅针对一个典型案例进行分析,尚存在一定的局限性。 相似文献
7.
【目的/意义】微博舆情对社会各领域的影响与日俱增,但由于其影响因素众多,呈现出非线性且复杂的变
化。因此,如何快速、准确地预测其发展趋势是一个很有价值的研究课题。【方法/过程】以微博话题的博文总数作
为微博话题发展趋势的量化指标,考虑话题发展的复杂性和非线性的特点,采用模糊神经网络来预测微博话题的
发展趋势。并通过改进的粒子群优化算法对模糊神经网络的参数进行优化以更好的发挥模糊神经网络在处理非
线性、模糊性等复杂问题上的优越性。【结果/结论】通过对新浪微博数据集的对比实验,验证了本文所提方法的有
效性和准确性。本文方法有效解决了微博舆情趋势预测中遇到的模型参数复杂、易陷入局部最优的问题,提高了
微博舆情发展趋势预测的准确性。 相似文献
8.
9.
10.
【目的/意义】针对引发持续效应甚至严重后果的多级次舆情开展研究,尝试基于概率分析方法建立发酵预
警模型,精准诊断发酵原因,期冀为网络舆情治理管控提供决策依据。【方法/过程】吸取传统模型的经验与教训,减
少主观评价指标,加大数据层指标的细化程度,利用贝叶斯概率思想构造发酵预测模型。同时通过最大可能解释
原理对发酵原因进行精准诊断。【结果/结论】将60个多级次事例中的55个、30个单级次事例中的27个作为训练数
据,构造多级次预警模型,使用剩余 5 个多级次与3个单级次事例作为测试组,测试得到的发酵趋势预测结果与事
实相符。【创新/局限】探究出多级次发酵内在成因,对其进行多层次的原因诊断,实现了预测指标的精准把握与科
学量化,为网络舆情提前预警及干预措施制定提供了有益的理论支撑。 相似文献
11.
【目的/意义】企业和国家对网络热点话题舆情的关注度越来越高,越来越多的企业、部门和政府通过舆情信息监控系统应对网络中爆发的群体性事件和舆论压力,在此环境下对网络热点话题舆情信息进行监控可以方便舆情危机的处理。而传统的网络舆情信息监控方法为构建词项识别体系,存在监控效率低、监控效果差等问题。为此,本文对网络热点话题舆情信息监控策略进行研究。【方法/过程】构建的ISM模型对网络热点话题舆情信息监控进行相关性分析,利用建立词项识别体系,并通过K-means算法处理突发词项完成对网络热点话题舆情信息的识别,获取网络热点话题舆情信息监控影响因素集,构建舆情信息监控影响因素的直接关系矩阵,结合布尔代数运算规则和推移规律建立可达矩,从而构建出舆情信息监控影响因素关联矩阵及解释结构模型,完成网络热点话题舆情信息监控。【结果/结论】结果表明,舆情热度、舆情关注度、舆情影响力、舆情敏感度和网民情感都会对网络热点话题舆情信息的监控产生影响。在此基础上提出网络热点话题舆情信息监控策略。【创新/局限】为有效地防止网络恶性事件突发,需要全面、及时地掌握网络热点话题舆情信息的发展情况,通过分析网络热点话题舆情信息监... 相似文献
12.
【目的/意义】为有效判断网络舆情演变趋势,分析网络舆情传播和形成的规律,研究网络舆情分众化演变
的状态和特征,本文基于AEMIPO方法提出了大数据情境下网络舆情分众化演变趋势分析方法,以期为网络舆情
传播引导策略提供优化参考。【方法/过程】通过对网络舆情分众化演变过程的自相似性、周期性和平稳性等统计特
性进行动态跟踪,选取ARMA,ARIMA,SARIMA,FARIMA模型对上述统计特性进行描述,构建备选模型库,从备
选模型库中根据选择规则选择模型对网络舆情分众化演变趋势进行建模,并在大数据情境下预测网络舆情分众化
演变趋势。【结果/结论】以“山东金矿爆炸救援案”的微博数据为实例对所提方法进行验证分析,结果反映该方法预
测准确率高达80%,表明其可在大数据情境下对网络舆情分众化演变趋势进行准确地预测和分析。【创新/局限】由
于本文针对一个实证案例进行分析,存在一定研究局限性,因此在日后研究中需结合更多案例进行验证,并对该方
法进行不断优化,从而全方面提升其有效性和准确度。 相似文献
13.
【目的/意义】舆情主题识别一直是舆情领域的研究热点,如今已有丰富的研究成果。现有研究对舆情信息
进行表征时多采用了传统的词袋模型、主题模型或词向量模型,只能对词语进行唯一的向量表征且传统模型需对
文本分词,可能会因分词错误、数据稀疏、出现集外词等情况影响识别效果。【方法/过程】本文构建了一种基于多采
样双向编码表示的网络舆情主题识别模型,在训练前无需对文本进行分词,针对文本过长的情况采用头尾结合的
方式进行截断,从字、段、位置三个维度提取特征嵌入,通过自注意力机制进行舆情表征,在训练过程中使用区分性
微调和多采样dropout的方法增强泛化能力,提升识别效果。【结果/结论】实验结果表明构建模型在舆情主题分类任
务中表现良好,可以在不对文本分词的情况下实现对舆情主题的准确识别。【创新/局限】创新之处在于构建了一种
新型的网络主题识别模型,局限之处在于算法复杂,如何进一步调参优化是接下来的研究重点。 相似文献
14.
【目的/意义】探索新媒体时代短视频网络舆情传播的影响因素及动态演化,了解短视频用户的影响因素及
动态演化过程,有助于网络舆情监管部门加强短视频网络舆情管理,为相关机构或部门在进行社会治理的过程中
提供更及时有效的信息服务。【方法/过程】以计划行为、信息行为理论为基础,以新媒体机构官方账号为研究案例,
获取短视频新闻对应用户信息数据,设置影响因素指标权重,构建新媒体短视频网络舆情传播影响因素模型;综合
信息因素、信息技术、信息环境和信息主体等多个维度测算短视频传播影响因素权重,分析其传播影响效果;同时
构建短视频传播行为的动态演化模型,并做出仿真动态演化过程。【结果/结论】研究结果表明,信息因素对新媒体
短视频网络舆情传播有显著影响,信息技术对新媒体短视频网络舆情传播影响较低,动态演化过程说明传播易感
者的数量与未被感染的易感者逐渐趋同,最终即使有新媒体的不断加入,舆情传播也不再继续。【创新/局限】从多
维角度构建用户行为的影响因素模型,用仿真法对短视频传播的动态演化进行分析,为正确引导短视频网络舆情
传播提供科学管理依据。未来的研究将获取更广泛的数据源进行更深层次的网络模型研究。 相似文献
15.
16.
【目的/意义】微博传导热点的影响力大、信息扩散速度快,且隐蔽性较强,因此成为了网络舆情管理研究领
域的难点和瓶颈。【方法/过程】针对这些情况,基于复杂网络分析理论与技术,设计了微博传导热点预测算法
TPCN。TPCN算法将复杂网络中的信息路由节点模型扩展为微博传导节点模型,从而对传导子网进行划分;最终
以传导信息序列的热密度功率谱为依据,对传导节点的传导空间进行测度,从而判断其信息影响趋势,并实施传导
热点预测。【结果/结论】微博传导热点监测实验表明,较之 SNSM算法,TPCN算法具有较高的热点预测率、较低的
误报率以及良好的预测精确度。 相似文献
17.
【目的/意义】网络社会充斥大量负面网络舆情,负面网络舆情风险分级和研判对提高网络治理能力和网络
社会治理成效意义重大。【方法/过程】构建负面网络舆情风险指标体系,并采用熵权法计算风险指标权重;基于加
权GRA模型计算灰色加权信息关联度,在此基础上,运用k-means聚类算法构建负面网络舆情风险分级方案,据此
对负面网络舆情进行风险预测。【结果/结论】实证分析结果表明,所建负面网络舆情风险分级模型客观性强、可靠
度高,可为负面网络舆情风险精准响应提供有效决策依据。【创新/局限】以信息关联为视角,为负面网络舆情风险
分级与预测提供了新的研究框架,但典型案例数据库有待继续完善。 相似文献
18.
【目的/意义】网络舆情反转现象愈演愈烈,研究反转网络舆情的特点和分类,对于深入分析反转网络舆情
的发生,有效预防网络舆情反转的危害有重要现实意义。【方法/过程】通过分析网络舆情反转现象,识别网络舆情
反转的风险因素,构建反转网络舆情的分类和预测模型,利用SPSS21对反转网络舆情案例样本进行聚类分析和判
别分析。【结果/结论】结果表明事件性质、报道倾向、报道形式、首发平台,以及与网民相关度是影响网络舆情反转
的重要因素。将反转网络舆情分为四类,以此为基础开展预测,并为反转网络舆情的应对提出策略支持。 相似文献
19.
【目的/意义】解析了微博舆情话题的传播、微博网络拓扑结构特点、微博网络中的信息传播特点,发掘舆情 传播过程的影响因素,继而对在微博网络上发生的舆情扩散进行有效的控制。【方法/过程】在传染病动力学的SIR 模型的基础上,提出了有部分无知者直接变为免疫者以及具有衍生效应的SIR改进模型。结合微博网络拓扑结构 进行了有向无标度网络的设计,并利用微博网络的信息互动模式对感染率以及转化率进行了改进,最后对此模型 进行简单的因素分析。【方法/过程】构建的微博网络舆情传播模型的变化符合实际生活中微博网络舆情的传播变 化,并分析了各个影响微博网络舆情传播的因素。 相似文献
20.
【目的/意义】为更好地适应网络舆情环境的变化,提升政府网络舆情治理能力,本文对政府网络舆情治理
融合与政府信息协同效应测度方法进行了优化设计。【方法/过程】本文基于网络计算学与动力学间的协同效应构
建了协同舆情演化模型,通过计算政府相关性,并以Deffuant模型为基础框架建立逆转模型,实现对政府网络舆情
治理融合与政府信息协同效应的测度。同时以“重庆公交车坠江事件”舆情为例,对所提出的的协同效应测度方法
进行验证。【结果/结论】实例分析结果表明,此次研究的测度方法能够准确分析出政府信息下发前舆论的导向,并
且验证了在政府网络舆情治理与政府信息结合后对于舆论的治理效果更好。【创新/局限】由于本文选取的案例较
单一,因此实证结果存在一定局限性,日后可选取多项案例进行综合分析,使测度方法更加具有说服力。 相似文献