共查询到19条相似文献，搜索用时 187 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.
微博作为用户关系信息分享、传播以及获取的平台,由于信息量大、传播更迅速,成为网络舆情传播的主要载体。在查阅大量文献的基础上,首先对政府负面网络舆情事件热度进行明确界定与度量,之后通过划分状态空间、构建状态转移矩阵、开展舆情热度趋势预测等步骤建立基于马尔科夫链的政府负面网络舆情热度趋势预测模型。以新浪微博为例,选取2013年度的舆情热点事件“延安城管暴力执法”进行舆情热度实证分析,验证了模型的合理性和有效性,进而为政府开展网络舆情管理和网络危机公关活动、合理引导舆情事态发展提供理论依据。 相似文献
3.
突发自然灾害事件导致的微博舆情蔓延迅速,影响巨大。建立了微博舆情蔓延SIR模型,以2013年4月20日四川省雅安地震这一自然灾害事件在新浪微博上的舆情蔓延为例,采用MATLAB仿真,对微博舆情蔓延规律进行实证研究。开创性地同时从情报学和传染病学的角度来研究突发自然灾害事件微博舆情蔓延特征：从微博舆情蔓延的速度、广度、深度来分析微博舆情蔓延的离散分布、小世界、最小努力性的情报学特征;从“病原体冶、传染性、免疫性来分析微博舆情蔓延的传染病学特征。结合这两方面的特征,从微博舆情的“传染源冶、“传播途径冶、“易感人群冶的角度提出微博舆情蔓延控制措施,为突发自然灾害事件微博舆情应急管理提供理论和实践支持。 相似文献
4.
5.
［目的/意义］为研究政府干预对虚假舆情传播的影响。［方法/过程］首先,基于个体异质性,将群众进行分类,分析了各类群众之间的状态转移关系;然后,借鉴Bass模型,构建了在政府干预下虚假舆情传播扩散的数学模型;第三,使用Multi-Agent技术构建了群众状态转化逻辑关系来模拟仿真虚假舆情传播的规律;最后,考察了政府干预时间与干预强度对群众行为状态转化的影响。［结论/结果］经过理论建模和仿真分析验证了本文预测方法的有效性和可行性,将为政府准确把握虚假舆情传播规律、有效防控虚假舆情扩散蔓延提供理论依据。 相似文献
6.
［目的/意义］新信息技术推动媒体应用平台快速发展,网民通过主流媒体与自媒体积极参与话题讨论,客观分析信息传播平台对网络舆情事件发展的影响力,有利于建立良性的信息生态循环圈。［方法/过程］本文以官方公布的十年网络舆情热点事件为数据分析对象,使用灰色关联法分析历年各信息传播平台与网络舆情热度的关联关系,从时间、事件等维度挖掘信息传播平台对网络舆情热度的影响特征。［结论/建议］各信息传播平台对网络舆情热度的影响力与传播技术发展水平是同步的,对网络舆情热度的影响呈现势均力敌之势,媒体融合、资讯融合是发展必然趋势。 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.
【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
9.
【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
10.
[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
11.
12.
[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。 相似文献
13.
[目的/意义]面向大数据研究多个网络传播平台之间网络舆情信息交互模型,能够准确把握大数据环境下网络舆情演化趋势以及网络信息在多个平台之间的传播规律,为政府治理网络舆情提供参考依据。[方法/过程]定性分析大数据环境下网络舆情信息交互机理,通过定义交互系数,基于微分方程理论构建网络舆情信息交互模型,并应用差分回归法对各个媒体平台的网络舆情信息交互趋势开展预测。[结论/结果]经过理论建模和实证分析得出本文构建的信息交互模型及趋势预测方法是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情演化规律,制定网络舆情治理对策提供参考依据。 相似文献
14.
15.
[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
16.
[目的/意义]新媒体环境下网络舆情信息传播对舆情的发展趋势具有重要的导向作用,对舆情进行监测有助于相关舆情管理部门对舆情信息传播进行有效引导,促进舆情事件良性发展。[方法/过程]本文基于信息熵理论,通过层次分析法构建评估指标体系,使用模糊综合评价法建立新媒体环境下网络舆情监测模型,针对舆情指标隶属度结果对监测等级进行分类。本文以新浪微博舆情热点话题"鸿茅药酒"作为数据源获取数据进行新媒体环境下网络舆情监测指标体系分析。[结果/结论]数据结果表明,新媒体环境下网络舆情热点话题"鸿茅药酒"事件的影响力级别为Ⅳ级,需舆情管理者及时监测舆情发展和走势。通过最终监测值对照监测级别可以帮助政府及相关舆情管理者及时采取针对性措施监测和引导网络舆情的良性发展。 相似文献
17.
[目的/意义]从数据层面探索信息公开与舆情演化之间的关系,为完善重大突发公共事件中的政府信息公开制度提供参考。[方法/过程]以政务微博为研究平台,选取新冠肺炎疫情事件为典型案例,聚焦病例信息公开及评论数据。使用内容分析法提取信息公开特征,基于SnowNLP模型计算社会情绪,结合焦点诉求分析舆情演化趋势。引入政府危机管理系列理论,探讨信息公开与舆情演化的双向作用机制。[结果/结论]信息公开不足会导致消极的社会情绪。随着信息公开工作的改进,公众诉求的态度和内容从一开始的强硬、笼统变得温和、具体。信息公开与舆情演化在周期上具有同步性,二者相互影响,这对于政府把握舆情规律,推进应急管理工作发展有重要意义。 相似文献
18.
[目的/意义]通过对网络舆情数据的动态监测和异常感知,及时预警舆情异常,为政府掌握舆情决策的先动优势提供理论模型和可行思路。[方法/过程]分析大数据环境下激增、波动等网络舆情数据异常现象,明确舆情趋势预测、动态感知异常等异常数据监测机理。基于此,首先运用Gompertz模型进行舆情趋势区间预测,其次定义偏离度进行数据异常评级,并确定预警等级,实现异常数据的及时捕捉和快速预警。[结论/结果]通过实例验证,证明了模型可行性,可以为政府舆情引导程度提供度量依据,也为编制智能化的舆情监测软件提供算法支持。 相似文献
19.
[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