共查询到20条相似文献，搜索用时 62 毫秒
1.
[目的/意义]构建数学模型研究网络话题传播规律建模和预测问题，为深入研究网络话题传播规律提供理论参考。[方法/过程]定性分析网络话题传播的大数据特征、可量化性、可度量周期性、可预测性等特征，通过分析网络话题传播机理，构建网络话题传播规律的常态模型和衍生模型，提出划分网络话题传播阶段的一般方法，并据此研究网络话题传播趋势预测方法。[结论/结果]通过"雾霾"微博话题数据开展实证分析，能够较好地划分传播阶段并预测传播趋势，由此，根据本文构建的数学模型研究网络话题传播规律是可行的。 相似文献
2.
[目的/意义]在线健康社区在突发公共卫生事件的应急和管理中发挥了重要的作用,对社区中用户关注的事件话题及其情感进行分析和监测有助于社区平台创新应急服务水平,提升舆情监管部门的舆情管理水平。[方法/过程]为了实现在线健康社区突发话题与情感的共现关联分析,首先抽取话题及其特征词,计算话题突发强度;然后对用户情感进行分类与极性强度计算;接着对突发话题与情感进行共现可视化分析;最后对话题突发强度与情感表达之间的关系进行实证分析。[结果/结论]文章的研究思路与方法可以直观地观测用户交互话题的突发性以及话题—情感的演化进程;情感强度与话题突发强度存在正向弱相关关系,随着话题突发强度增强,用户表达的情感类型也会有所不同。 相似文献
3.
[目的/意义]本研究对正处于演化过程中的话题进行状态识别及趋势预测，为相关部门了解话题现状，对话题进行有效监管提供科学依据。[方法/过程]首先，考虑网民情感，结合话题的新颖度和关注度，构建话题生命周期状态观测指标；其次，基于隐马尔可夫模型(HMM)和高斯混合模型(GMM)的原理，提出话题生命周期状态识别及趋势预测方法；最后，选用微博话题构建数据集，设计对比实验，验证方法的有效性。[结果/结论]基于GMM-HMM的话题状态识别及趋势预测方法的F1值和准确率均高于87%,MAPE低于3.5%,相较于GaussianHMM和BP神经网络具有较大优势。 相似文献
4.
腾讯微博用户的特征分析 总被引：2，自引：1，他引：1
论文采集腾讯微博数据,提出"博文魅力指数"的概念,并运用Spearman和Pearson相关系数分别对听众数与收录博主人数、博文魅力指数与收录博主人数两对变量进行了相关分析,最后选择博文魅力指数,博主收听人数两个变量使用K-Means聚类算法对微博用户进行了聚类分析。研究结果表明:博文魅力指数与收录博主人数两变量中度正相关;聚类将微博用户分为信息获取型、草根名人型和普通社交型三类。电子商务服务商可以通过算法优化,根据博文魅力指数和详细的聚类结果更有针对性的进行页面和应用程序推荐,创造商业价值。 相似文献
5.
[目的/意义]文章跟据影响力定义融入信息受众情感特征指标构建了高校新媒体影响力评价指标体系,扩展了传统影响力评价体系,突出了以信息受众的情感与行为表现作为高校新媒体影响力的核心评价目标。[方法/过程]以118个高校官方微博为例,对高校微博影响力评价的情感表征指标和行为表征指标进行处理与量化,并结合主成分分析与因子分析进行评价实证。[结果/结论]情感表征与行为表征得分之间具有明显差异,情感指标为高校新媒体影响力评价提供了更细粒度的参考单元。因子得分指出高校微博影响力得分整体差距较大,大部分集中在低数值区域;采用层次聚类法以情感特征和行为特征进行聚类可以将高校微博分为4种类型。 相似文献
6.
7.
[目的/意义]探究z指数在微博传播力评价中的评价方法和评价效果,为客观科学评价微博传播力提供新的方法和途径。[方法/过程]借鉴现有微博传播力评价指标,构建微博转发z指数、评论z指数、点赞z指数和综合z指数,以27个省会城市的外宣类政务微博2018年11月的微博数据为研究对象,通过统计分析、相关性分析、多元回归分析,验证z指数在微博传播力评价中的应用效果。[结果/结论]z指数继承了h指数和p指数在微博传播力评价中的优势,而且更加重视高质量博文的发布。 相似文献
8.
【目的/意义】为了解媒体微博信息传播规律与特征,识别具有高度影响力的媒体微博节点与类型,更有效
地对信息传播进行监管和引导。【方法/过程】研究基于社会网络理论,选取新浪微博中的部分媒体微博为研究样
本,测度其社会网络结构特征,并结合中心度与LeaderRank 算法测度媒体微博影响力。【结果/结论】研究发现,媒体
微博社会网络整体较为紧密,信息在媒体微博网络中的传播速度较快,网络节点之间的整体凝聚性强;网络结构与
节点位置决定着成员的影响力程度;具有高度影响力的核心节点的资源控制能力与话语权相对较大,可以通过改
变中心度、聚类系数等手段引导核心节点,控制信息传播态势。 相似文献
9.
【目的/意义】移动互联网时代,微博以其快速、便捷的优点迅速成为信息传播与共享的平台之一。在互联 网信息传播过程中,话题内容焦点会随着时间推动发生动态迁移,及时准确的发现话题内容焦点的迁移有助于了 解网络舆情的演化趋势。【方法/过程】首先,定义基于焦点特征词分布的焦点词提取公式,构造焦点特征词集合;然 后,使用Skip-gram模型在大规模语料上训练得到词向量,再通过BTM对文本建模,直接在BTM主题维上结合焦 点特征词集合构造主题词向量;最后,计算主题特征词间的相似度,将其应用到聚类算法中实现话题焦点识别。 【结果/结论】通过对新浪微博数据集上的实验结果表明,本方法能够充分利用词向量引入的语义信息,提高文本聚 类效果,有效的获取各阶段的话题焦点。 相似文献
10.
[研究目的]关注网络舆情事件热度高峰期对于政府相关机构及时监测可能产生的衍生话题具有重要意义。为了有效检测和控制网络事件传播，更好地为制定事件预警策略提供理论依据，提出一种基于LTTB-KSC算法的网络舆情事件热度高峰期预测方法。[研究方法]首先使用LTTB-KSC算法对热度序列聚类，然后借助三次样条插值法和高斯混合模型构建每一类的热度高峰函数，接着分析每一类函数曲线特征并将事件热度高峰划分为单高峰、高-低峰、低-高峰三种变化模式，最后使用DTW距离预测网络舆情事件热度高峰期对应的时间范围。[研究结论]实验结果表明，LTTB-KSC算法在聚类效率和效果上都优于KSC算法，提出的热度高峰变化模式能够为热度高峰期时间范围的预测和衍生话题的监测提供新思路。 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]舆情衍生效应使得舆情更加复杂多变,增加了政府舆情治理的难度和风险。因此掌握网络舆情衍生话题的形成路径能够提高对衍生话题的预见性,从而及时有效地控制和应对衍生舆情。[方法/过程]文章构建了以舆情主体和客体为核心的衍生话题形成分析框架,通过采集20个代表性微博话题数据,利用模糊集定性比较分析法,探究衍生话题形成路径。[结果/结论]研究表明,衍生话题的形成存在4种组态路径,舆情主体要素在衍生话题的形成中发挥了主要作用,媒体和公众的参与是衍生话题形成的重要因素。 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]新型冠状病毒肺炎疫情(简称新冠肺炎疫情)的全球蔓延引发了各领域学者对于突发公共卫生事件科学应对的思考。文章以新冠肺炎疫情为例,以微博为研究对象,旨在探讨突发公共卫生事件中公众的信息需求对于危机治理的影响机制。[方法/过程]首先,对新冠肺炎疫情及微博舆情做出阶段划分,进而利用质性分析结合层次聚类法从微博文本数据中抽取公众信息需求并跟踪其演变,最终结合相关理论探索性地建立了突发公共卫生事件公众信息需求模型。[结果/结论]突发公共卫生事件中公众的信息需求主要围绕风险认知、行为规范、情感、行为四个方面,通过社交媒体可以准确追踪公众信息需求并向公众提供所需信息,信息需求的满足最终促使公众自发参与危机治理。 相似文献
15.
作为重要的社会化媒体,微博凭借其社会性、媒体性、广泛参与性和快速传播4大特性已成为网络舆论的主要载体。针对品牌丑闻事件在微博上的传播进行研究,选取了29个近年来在微博上有明显传播特征的品牌丑闻事件作样本,以两小时为间隔搜集事件爆出后的一周时间内的微博博文数量,记录丑闻事件传播动态变化,并运用神经网络SOM模型方法对博文的数量变化进行聚类,得到微博上品牌丑闻事件传播的五种类型：对数型、缓坡型、突变型、长坡型及堤坝型,并在Matlab软件中用指数拟合的方法对数据做预测分析。企业了解丑闻事件在微博上的不同传播类型及各自的特点,对于其在快速预测和有效应对丑闻事件以及品牌危机时,具有很好的参考和借鉴价值。 相似文献
16.
[目的/意义] 研究政务微博评论中的情感极性分析方法,为政务微博情感倾向判断提供依据并为未来情感分析研究指出方向。[方法/过程] 基于字典的情感分析方法构建情感极性分析模型,以上海公安机构微博为实例,验证模型的可用性,并分析微博已有属性信息在情感分析中的作用。最后对微博的这些信息以及情感极性进行相关性分析。[结果/结论] 本文的情感极性分析模型具有可用性,微博评论量和转发量之间存在着显著正相关性,并且在转发量较低时,评论量与情感极性存在着显著负相关关系。且当微博点赞量大于评论量时,微博内容自身带有正向情感倾向。 相似文献
17.
18.
【目的/意义】随着新媒体的迅速发展,对新媒体环境下突发事件网络舆情进行合理管控是舆情管理者面临
的重要问题。对新媒体环境下突发事件网络舆情话题演进过程进行研究,能够深入剖析网络舆情信息传播规律,
帮助舆情管理者采取有效措施进行舆情监测与控制。【方法/过程】通过信息传播模型把突发事件舆情话题演进过
程分为三个阶段,即突发期、蔓延期和消散期。并采用实证方法以新浪微博热点话题“九寨沟地震”为例作为数据源
获取微博发文、转发、评论信息数据,通过Matlab软件拟合舆情周期,再使用Gephi绘制可视化云图,通过网络结构
分析网络舆情话题演进规律。【结果/结论】对“九寨沟地震”突发事件网络舆情信息在移动端和非移动端传播过程
进行对比分析,得出移动环境下突发事件网络舆情话题传播范围更广、传播周期更长、信息传播层级更高、意见领
袖影响力更大。 相似文献
19.
[目的/意义] 新型冠状肺炎防治的科研信息报道是公众关注的重要话题,极易引发网络信息泛滥和社会公众恐慌。如何引导突发公共卫生事件科研信息报道网络舆情走向成为重要课题。[方法/过程] 本文选取"双黄连事件"作为研究案例,在新浪微博上分别爬取原始话题和回应话题下的发帖、转发和评论等数据,通过统计分析法、情感分析法等方法讨论科研信息报道的社会热度和公众态度,分析官方媒体和权威专家的回应对事件舆情发展的影响。[结果/结论] 研究结果发现,公众高度关注科研信息报道,并表现出较为极端的情绪;而官方媒体和专家的权威回应会影响到事件的话题热度,进而影响公众情感取向。官方媒体具有强大的传播力和影响力,成为公众获取科研信息的主要途径。在此基础上,构建了"官方媒体-权威专家-普通公众"三方协同的管控机制,以有效应对突发公共卫生事件科研信息报道所引发的网络舆情。 相似文献
20.
利用话题识别技术将Blog文本信息按照所表达的话题进行归类和组织,可以使Blog信息更加有效、准确地为用户使用。文章重点研究话题识别模型中的词频,权重计算以及相似度计算,对聚类算法有简单的实现并通过该实验对聚类算法有了更深层次的认识。 相似文献