共查询到20条相似文献，搜索用时 392 毫秒
1.
【目的/意义】通过构建数学模型,研究大数据背景下微博舆情热度预测问题。【方法/过程】分析大数据背景
下的微博舆情的首发信息特征,定义首发信息影响系数,建立微博首发信息热度预测方程模型。【结果/结论】利用百
度指数、清博舆情等软件,研究 47个微博舆情实例分析模型特征,并用 6个微博舆情案例验证模型,得出该模型根据
微博首发信息的少量数据而得到较为准确的预测结果。研究成果有利于政府面对复杂微博舆情时做到“心中有
数”, 也为进一步研究大数据背景下微博舆情预测问题提供参考。 相似文献
2.
【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
3.
【目的/意义】将时间序列分析方法引入情感分析,可以对微博突发事件衍生舆情作出科学预测,为政府掌 握舆情情感走势,从而根据舆情发生的不同阶段采取相应的导控策略提供合理的意见与指导。【方法/过程】结合 突发事件衍生舆情的特点,采用词集合并法、SO-PMI、PMI-IR等方法构建了微博突发事件衍生舆情专属情感词 典,随后利用该情感词典和时间序列分析方法对“6.22”杭州保姆纵火案衍生舆情事件进行实证分析。【结果/结论】 对该事件的日均情感值进行计算,与实际情感值拟合程度较好,证明了建立的衍生舆情情感词典及时间序列模型 较为科学,可以为政府选择相应的策略及应对时机提供一定的参考。 相似文献
4.
【目的/意义】构建高校师德舆情微博用户评论LDA模型,可以更精准识别舆情演化特征和分析关键主题传
播路径,帮助高校和相关部门更为有效地进行舆情监管和舆情引导。【方法/过程】本文以“天津大学一教授学术造
假”事件为例,基于 LDA模型构建高校师德舆情下微博用户主题生成模型,采用困惑度评价指标确定 LDA模型最
优主题数,采用信息熵确定每一主题在不同日期的主题强度,通过关键词共现知识图谱、词云展现舆情话题的演
变,最后基于主题相似度确定主题传播路径。【结果/结论】LDA模型和信息熵可以解析出网络用户群体关注的重要
主题热点,精准识别舆情演化特征,识别主题最优传播路径进行舆论引导,对爆发的舆情实现预测和管制优化。【创
新/局限】文章创新性地构建高校学术道德舆情的LDA主题模型,有效确定微博用户群体主题、识别舆情演化特征、
分析主题间传播路径,具有普适性;进一步扩大高校师德其他舆情分析及结合网络舆情情感分析为下一步的研究
内容。 相似文献
5.
【目的/意义】网络舆情预测由于对指导政府工作,维护社会稳定具有很高的现实意义,一直是网络安全领
域研究工作的关注重点。但是网络舆情演化趋势复杂,影响因素众多,前人工作多考虑了单变量因素,忽视了多因
素对趋势的影响,且前人采用的传统模型由于自身的局限性,针对非线性场景的预测很难收到较好效果。【方法/过
程】为解决前人研究的不足,本文设计了一种基于循环神经网络的自适应学习率的网络舆情模型,根据舆情数据特
点选取了多种特征构建了循环神经网络序列生成模型,针对循环神经网络模型收敛困难的问题,通过连续最优掷
币策略自适应调节学习率来提高训练速度和预测精度。【结果/结论】实验结果表明,与传统方式和普通神经网络相
比,本文方法有着更好的舆情预测效果。 相似文献
6.
7.
【目的/意义】微博舆情监管是政府推进网络社会治理所面临的难题。对微博舆情进行研究有助于深入了 解微博舆情传播规律,为政府监管微博舆情提供建议。【方法/过程】首先通过分析微博舆情的社交网络结构特点, 对BA无标度网络进行改进。随后将模糊观点与Deffuant-Weisbuch模型融合,提出一种基于改进模糊相似度的舆 情演化规则。最后通过仿真实验分析微博舆情演化特征。【结果/结论】研究发现,模糊观点的类型对舆情演化的周 期与规模有影响。用户对于热门发现微博的关注度对舆情传播有影响。 相似文献
8.
【目的/意义】当前微博已成为重要的舆论场,针对海量微博信息的舆情难以快速获取的问题,提出一种基
于云计算的微博舆情流式快速自聚类方法。【方法/过程】该方法首先设计舆情最小距离聚类算法,包括构建舆情相
似度计算模型,及构建舆情最佳聚类阈值确定方法;然后构建舆情流式自聚类模型,该模型利用云计算和最小距离
聚类算法在横、纵两个方向聚类舆情信息,得到各主题的舆情集合。在横向上,以云计算的多个计算节点为聚类起
始,同步并行聚类分配到其上的舆情信息。在纵向上,多个计算节点协同、流水线式聚类同一起始节点的舆情信
息;最后在纵向上聚类舆情集合,将同主题舆情集合聚为一类。【结果/结论】实验结果表明：该方法能有效加快微博
舆情获取速度,且具有较高的舆情获取准确率。 相似文献
9.
【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
10.
11.
【目的/意义】通过运用社会网络分析法研究微博舆情,既可以使该方法在微博舆情研究中能够更好地被
应用,又能通过对微博舆情监管策略的提出达到对其进行有效监管的目的。【方法/过程】以高校大学生群体作为研
究对象,以新浪微博“笑脸墙迎新生”为研究话题,以社会网络分析法为研究工具,通过对采集的有效数据分析,研究
微博舆情传播特征、过程、规律,并以研究结论为依据提出具体监管策略。【结果/结论】验证了社会网络分析法在微
博舆情传播研究中的有效性和实用性,拓展了微博舆情研究的新视角,提出了网络舆情传播监管策略。 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】为识别微博中多个舆情话题的交互传播规律从而使干预决策的制定更有针对性,提出一种多
主体干预的微博舆情话题交互传播模型。【方法/过程】该模型融入网络媒体和政府的多重干预,考虑了多个舆情话
题不平等竞争的特性,并可从交互传播的整体视角来分析干预措施的作用。【结果/结论】仿真实验表明：该模型能
够较好地模拟微博平台中多个舆情话题的交互传播演化趋势;话题交互传播过程中,多主体干预下的舆情治理效
果更好;制定干预决策不能仅关注单一舆情话题,而应综合考虑多个舆情话题及其交互关系。【创新/局限】文章通
过数学建模的方法对多主体干预下的微博舆情话题交互传播过程进行探究,为微博平台监管控制策略的制定提供
了新视角,未来研究可以结合相关实例进行分析,进一步丰富和深化研究结论。 相似文献
14.
【目的/意义】网民使用移动终端技术工具参与舆情传播已经成为趋势,如何充分利用先进的移动通讯技术 和互联网技术有效地加强移动终端环境下微博舆情管理是政府和微博平台的重要任务。【方法/过程】基于社会网 络理论,以新浪微博“足球世界杯”热点话题为例,采用编程方式接入新浪微博开放平台获取数据,使用Gephi等社 会网络工具进行可视化,最终对移动终端环境下网络舆情传播进行讨论分析。【结果/结论】研究揭示了移动终端环 境下微博舆情传播机理、规律和网络结构,能够使管控主体对微博舆情传播有更充分的认识和理解,在此基础上为 舆情管理法律规制、制度建设提供指引,为微博用户文化道德培育提供指导。 相似文献
15.
【目的/意义】为了更好地剖析微博舆情生态全貌,更全面揭示微博舆情生态的全景。【方法/过程】以生态学
理论为基础,结合知识关联的思想,对微博舆情的内涵和外延进行了揭示,提出了微博舆情全景生态这一概念;对
其构成要素及其关联关系进行了解析;从三个维度对微博舆情生态的全景进行了描绘,并最终构建了微博舆情全
景生态模型。【结果/结论】通过对微博舆情全景生态的解析,得出了微博舆情生态的全景维度主要包括三个方面,
分别是：客观存在、关联关系、运动本质即超网络结构、多维图谱、传播机理。【创新/局限】由于本文是对微博全景生
态的宏观概述,所以对微观层面的要素关联还可以进一步细化,后续研究中将对其全景生态模型进行更深层剖析。 相似文献
16.
【目的/意义】科学识别影响网络舆情热度评价的主要因素,并分析各因素之间的关系,对理解网络舆情发
展变化走势具有重要意义。【方法/过程】从信息生态视角出发,通过文献查阅、发放问卷等方式归纳总结出影响网
络舆情热度变化的15个因素,并通过DEMATEL方法对这些因素进行影响关系分析。【结果/结论】结果表明: 政府
危机处理能力、政府应对满意度、领袖意见导向度、话题类型、水军参与度和参与回应数可以视为影响网络舆情热
度评价的关键因素。 相似文献
17.
【目的/意义】突发事件类网络舆情演化情况的掌握对舆情监管部门而言至关重要。鉴于此,本文致力于构 建能够准确预测舆情演化的模型,此预测模型的建立可拓宽舆情预测的渠道,为舆情参与主体和监管部门及时掌 握舆情演化态势提供方法依据。【方法/过程】基于随机森林（RF）算法建立突发事件网络舆情演化预测模型,以微博 和第三方舆情监测平台作为变量数据来源,以R语言为操作环境,然后进行模型的训练与预测。【结果/结论】实验 表明,较之其它方法,本文构建的模型有更高的拟合度和更低的误差值。从结果来看,本模型的预测输出值与真实 值最为接近,较好地实现了对舆情演化的预测,将RF算法应用在舆情预测的研究中具有一定的先进性。 相似文献
18.
【目的/意义】负面情绪导向的舆情传播严重威胁到我国的网络空间安全和社会和谐稳定,而"不完全"的复杂网络系统也为政府监管带来了挑战。因此厘清舆情传播特征实现精确预警具有较强的现实性与实践性。【方法/过程】基于SIR传染病模型与EGM灰色预测模型,提出一种实现舆情预警与舆情防控模型,并利用python挖掘到的政务微博历史数据进行模型模拟与检验。【结果/结论】结果表明:舆情传播过程中,易感染类网民占比会随着时间演化而不断减小;传播阈值与易感染类网民占比间的大小关系能够预示舆情演化趋势;政务微博通过及时互动能够转移网民情绪,起到一定舆情导控效用。 相似文献
19.
【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
20.
【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