共查询到20条相似文献，搜索用时 31 毫秒
1.
[目的/意义]通过构建在线健康社区用户画像,解释不同用户群体的情感差异和特征,以掌握社区用户情感表达规律,推动在线健康社区的信息支持与情感支持功能建设。[方法/过程]首先,分析建立用户画像的目的,结合在线健康社区的数据特点建立包含基本信息、情感、主题和信息行为特征的用户画像概念模型。其次,确定各用户的标签属性,对标签属性进行抽取。最后,结合情感标签对用户角色进行划分,利用具有噪声的基于密度的空间聚类方法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)实现了用户画像并分析不同角色的画像特征。[结果/结论]提出的方法可以有效生成贴近用户原貌的画像并识别用户情感表达特征。通过实例分析挖掘出焦虑型、愤怒型、祈祷型、乐观型和悲哀型等5类社区用户群,各用户群体在性别、年龄、影响力、活跃度和兴趣主题方面均表现出不同的情感特征差异。 相似文献
2.
[目的/意义]针对突发公共卫生事件情境下网络舆情信息复杂,多事件之间存在耦合现象,提出利用多属性融合的事理图谱揭示舆情事件发展脉络和演化规律。[方法/过程]以“西安疫情”为实验数据源,提取事件情感因子、事件影响力、事件持续时间等多维属性特征,采用规则模板和语义聚类算法构建舆情事理图谱,从多维视角揭示舆情演化规律。[结果/结论]多属性融合的事理图谱不仅可以从事件链角度揭示突发公共卫生事件网络舆情的演化路径和发展方向,而且可以从多维视角识别舆情动态发展中的关键事件,为舆情管控部门和应急管理部门进行舆情治理提供决策依据。[局限]未考虑一因多果和一果多因的因果事件对。 相似文献
3.
[目的/意义]网络舆情风险信息涉及要素较多，为了提高网络舆情风险信息感知效果，在新媒体环境下构建了突发环境事件网络舆情风险信息感知模型。[方法/过程]建立突发环境事件网络舆情信息流风险指标集，赋予评价指标权重，对权重离散化处理，构成相似系数矩阵。通过舆情主体建模、舆情信息模型建立与网民情感模型建立3个部分分析网络舆情传播核心要素演化规律。在此基础上计算传播概率，确定用户传播信息的涉入程度，采用Logistic回归模型感知风险信息风险高低。采用决策树对舆情风险预警，实现突发环境事件网络舆情风险信息感知。[结果/结论]实验结果表明，所构建模型应用后的事件舆情情感演化情况分析准确性较高，各个事件的转发数量和恶意评论数量感知准确度较高，预警效果更好，有效提高了突发环境事件网络舆情风险信息感知效果。 相似文献
4.
[研究目的]从视频弹幕的视角出发,挖掘网络舆情事件的话题漂移规律,提升网络舆情事件的视频情感检索精度。[研究方法]通过对视频弹幕进行主题与情感分析,提升网络舆情事件在线监测精准度,并在此基础上提出并构建弹幕迁移指数,建立一种基于弹幕迁移指数的情感监测方法,该方法首先基于BTM主题模型抽取视频弹幕的话题信息,并基于情感词典与颜文字词典计算不同时间窗口下的话题情感类别与情感强度,建立面向视频弹幕的网络舆情事件监测模型,再从话题内容的变化与视频兴趣热度两个角度构建话题迁移指数,并利用话题的情感强度变化,构建情感迁移指数。最终,基于话题迁移指数与情感迁移指数,得到加权后的弹幕迁移指数,实现网络舆情事件的在线监测。[研究结论]通过视频弹幕社区的真实数据,从逻辑层面验证了本模型的合理性,结果表明该方法能够较为准确地识别网络舆情事件迁移的关键时间窗口,为实现视频分享平台的情感可视化提供了切实可行的理论探索。 相似文献
5.
[目的/意义]基于突发公共卫生事件期间由公民隐私泄露导致的舆情事件,构建公民隐私泄露舆情的情感演化图谱可以呈现突发公共卫生事件期间网民的情感演化特征,为舆情监管和舆情引导提供参考。[方法/过程]结合文本词语加权方法“词频—逆文档频率”(TF-IDF)的LDA主题挖掘、机器学习的情感分析和社会网络分析方法,基于舆情生命周期的不同阶段,构建突发公共卫生事件中公民隐私泄露的情感演化图谱分析模型。并以新型冠状病毒肺炎疫情期间“成都确诊女子隐私泄露”事件为研究样本话题,分析不同舆情阶段的主题挖掘和不同舆情阶段的情感演化图谱。[结果/结论]网络暴力、隐私泄露和疫情防疫是疫情期间隐私泄露舆情主要关注点,公众讨论具有交互式特征和不同舆情阶段内的多元化特征。 相似文献
6.
【 目的/意义】在突发公共卫生事件情境下面向在线健康社区用户画像与分群,有助于提升社区服务质量,为
拓宽互联网疫情风险感知渠道作出贡献。【方法/过程】以“COVID-19”为例,结合社区数据特点从用户基本特征、
用户兴趣主题、情感倾向、用户问诊需求和用户交互网络角色五个角度出发构建画像标签并利用DBSCAN聚类实
现画像,根据画像结果呈现用户概貌;利用 AP算法在画像基础上实现用户分群,通过社会网络分析找到最具疫情
风险发现价值的用户类群。【结果/结论】实例分析表明,本文所构建的模型能够有效生成在线健康社区用户画像,
画像可以对社区用户进行概括、映射用户原貌;分群结果呈现出5类社区用户群：患者、疑似患者、医师、奉献者和社
区管理员;社会网络分析表明最具疫情风险发现价值的用户群体为疑似患者和奉献者。【创新/局限】实例分析数据
量尚达不到“大数据”标准,画像构建粒度仍有继续提升的空间。 相似文献
7.
[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
8.
[目的/意义]借鉴拉斯韦尔5W传播模型,探讨微博中预置话题与突发话题的特征。[方法/过程]基于因子分析的关键节点影响力评价方法来研究话题节点特征;利用Ward方法对话题博文量曲线进行聚类,并对曲线进行多项式拟合;对话题情感度曲线进行聚类,并对不同类型话题的峰度和整体情感加权平均高峰期进行研究。[结果/结论]话题首节点多是信息分享,其中突发话题的传播多是从事件的客观描述开始;话题微博按博文量可分为前热型、中热型、后热型、爆发型和持续型,其中突发话题比预置话题爆发得更早、持续时间更长;话题出现72小时后公众情感趋于中立,但突发话题情感曲线高峰期比预置话题更集中,整体情感加权平均高峰期更早出现,曲线趋势更复杂。 相似文献
9.
"新冠"疫情作为2020年初的国内公共卫生突发事件,网络舆情复杂.在信息时代不断发展的背景下,通过对网络舆情加以引导,实际上就是对突发事件的良性预后进行推动.在线健康社区作为线上的医疗问诊服务平台,在本次疫情中发挥了重大功效,对恶意谣言的粉碎及舆情导向也产生了不可忽视的影响.本次研究采用传统方法中的聚类分析法,以2019年新型冠状病毒疫情传播事件为例,针对重大突发公共卫生事件网络舆情的传播机制进行研究,以在线健康社区评论数据为数据源进行聚类分析,讨论优化网络舆情的治理与导向工作方法,提高政府对突发公共卫生事件时网络舆情的预判和引导能力. 相似文献
10.
[目的/意义]突发公共事件已成为社会治理难题,探究该事件网络舆情危机预警过程,有助于相关部门科学认知舆情发展态势,提高危机处理能力。[方法/过程]文章首先基于知识元模型,从情景事件、情景驱动要素、情景推理要素、情景目标要素四个方面对网络舆情危机预警情景进行结构性表达,并构建预警情景动态贝叶斯网络模型;其次,结合EM算法对模型进行训练和测试,明确各情景下舆情危机预警重点关注的影响要素;最后,以南京市禄口机场疫情事件为例,对各情景舆情危机预警等级进行评估分析。[结果/结论]训练出来的动态贝叶斯网络具有一定的可靠性,不同情景状态中采取不同的应对方案会对舆情危机预警级别产生不同的影响,为政府及相关部门动态制定危机应急决策提供参考。 相似文献
11.
[目的/意义]探索突发公共卫生事件网络舆情发展周期中的主题和情感演化历程,研究影响网民情感波动的因素,为网络舆情有效管控提供决策支持。[方法/过程]结合博文数量的时序特征和生命周期理论进行周期划分,利用LDA模型、BERT-BiLSTM-Attention模型构建研究框架,探究不同周期的舆情主题差异及情感演化。[结果/结论]线下病毒变异演化和线上舆情主题与情感演化具有关联性。在新型冠状病毒变异语料库中,BERT-BiLSTM-Attention模型分类准确率为0.8817,F1值为0.8778,其在情感演化分析上具有优越性。构建的“数据采集预处理、舆情周期划分、主题演化和情感演化到获得策略输出”的全过程分析框架对相关部门有效引导网络舆情提供了决策支持和理论支撑,BERT-BiLSTM-Attention模型能更准确地进行情感分类。[局限]数据源单一,面向时间维度上的演化历程未进行时空结合的演化分析。 相似文献
12.
13.
[目的/意义] 利用新冠疫情网络舆情数据来研究突发公共卫生事件中中国网民关注度,有助于提升疫情期间政府信息供给效率、满足公众需求和提供社会支持等。[研究设计/方法] 通过新浪舆情大数据平台获取研究数据,包括：疫情流行高峰期间全网舆情数据、每日转发排名前100名热门微博、每日新增病例数据等。采用描述性统计、列联表分析、回归分析等方法,研究突发公共卫生事件中网民关注度变化趋势及影响因素。[结论/发现] 疫情爆发初期,媒体大规模报道造成大量网民对事件关注;随着疫情严重,新增病例与网民关注出现同频共振;媒体报道初期,网民关注度集中趋势高;防疫举措、鼓励加油、捐献赠送、倡议建议、赞誉肯定5大关注主题,贯穿疫情流行高峰;主流媒体发布微博受关注最多,不同账户类型情感倾向有显著差异;网民总体关注度受新增病例和变异系数影响;每日热门舆情关注度,受新增病例、变异系数、舆情总量和戏剧性分值影响;单条微博受关注程度与当日相关话题总量和微博粉丝数有一定关系。[创新/价值] 本文系统分析了突发公共卫生事件中网民关注度变化趋势和影响因素,为政府决策提供支持。 相似文献
14.
[目的/意义]旨在提出一种基于领域词典的突发公共安全领域舆情事件自动识别方法,有效识别公共安全领域的热点舆情事件,预防危机舆情事件,提高政府公信力。[方法/过程]首先以中国应急服务网中的公共安全事件语料为数据来源,提取并筛选公共安全领域的高频词汇;然后结合人工干预方式选择部分高频且与领域高度相关的种子词;随后以互信息方法计算种子词与语料中的其他词汇共现概率(点互信息),同时以与种子词具有较高点互信息的词汇作为领域候选词,并结合人工审核方式对候选词汇进行调整。最后在对待识别语料进行文本表示的基础上,将其与词典中的领域词汇进行匹配,并以语料中出现的公共安全领域词汇的数量和权重来判断待识别语料是否为突发公共安全舆情事件。[结果/结论]在标注语料上的实验结果表明,与经典的Naive Bayes方法相比,提出的方法能够有效提高公共安全领域热点舆情事件的识别准确率。 相似文献
15.
[目的/意义]旨在探析隐私计算视角下在线健康社区知识转移粘滞影响因素,构建理论模型,为完善在线健康社区健康信息隐私安全保护机制、交互性服务建设与运营管理提出建议。[方法/过程]采用质性研究方法,借助软件NVivo12对访谈资料进行内容分析与编码,归纳影响在线健康社区知识转移粘滞的4个主要因素以及14个子因素,并构建在线健康社区知识转移粘滞影响因素模型。[结果/结论]感知风险、社会收益、情感收益和主观规范对在线健康社区知识转移粘滞都有不同程度的影响。据此,总结相关启示。 相似文献
16.
[目的/意义]通过对2011—2020年我国发生的重大突发公共卫生事件进行分析,以期为政府机构防范和应对重大突发公共卫生事件提供参考。[方法/过程]广泛查找文献,搜集2011—2020年我国发生的重大突发公共卫生事件,筛选出10年间我国发生的36起重大突发公共卫生事件作为研究样本,分析重大突发公共卫生事件政府回应效果及事件属性、传播、舆情、应对基本状况,考察重大突发公共卫生事件政府回应效果影响因素。[结果/结论]重大突发公共卫生事件类型分布、曝光速度、谣言传播、舆情性质、舆情解决情况、应对主体、应对速度、处置结果对政府回应效果具有显著影响,而最为显著影响政府回应效果的因素依次为事件谣言传播、舆情解决情况和曝光速度。 相似文献
17.
行动者网络视角下突发公共事件的谣言协同治理机制研究 总被引：1，自引：0，他引：1
[目的/意义] 近年来突发公共事件舆情频频产生,基于该舆情往往会爆发相关突发公共事件谣言,谣言对舆情发展影响深刻,通过建立突发公共事件谣言协同治理机制以期提高舆情导控成效。[方法/过程] 论文以行动者网络理论为理论基础,在突发公共事件谣言的生命周期不同阶段进行行动者网络分析,进而确定不同阶段的强制通行点,根据转译过程构建突发公共事件谣言协同治理机制。[结果/结论] 论文以行动者网络理论的行动者和转译要素构建了突发公共事件谣言在潜伏爆发期的监测预警机制、变种期的分析反馈机制、消亡期的反思预防机制,3个阶段的行动者网络形成严密的突发公共事件谣言协同治理机制。 相似文献
18.
19.
20.
[目的/意义]从在线健康社区用户兴趣的动态迁移性出发，将时间特征融入社交关系和个人偏好，完善在线健康社区个性化推荐算法，进一步提高用户获取健康信息的准确性。[方法/过程]首先，从用户社交关系出发，构建融入时间特征的用户影响关系网络；其次，依据用户个人偏好，构建融入时间特征的用户话题帖匹配矩阵；最后，将两者融合得到用户话题帖兴趣评分矩阵，据此形成每个用户的TOP-N推荐列表。[结果/结论]构建的融合时间特征的个性化推荐算法可提高推荐的准确度，提升在线健康社区个性化推荐算法的性能。 相似文献