共查询到16条相似文献，搜索用时 156 毫秒
1.
[目的 /意义]重大突发事件网络舆情在传播过程中往往会出现不同的主题,而微博用户对不同主题的表达和关注也会直接影响网络舆情的传播速度和规模以及舆情事件的走向。针对重大突发事件的微博用户主题演化分析有助于应急管理部门更好地理解重大突发事件的发展轨迹以及公众在不同阶段的关注点,以便采取有效应对措施。[方法 /过程]以网络舆情信息特征为立足点,辅以自然语言处理技术将舆情信息客体与本体进行剥离,结合重大突发事件特征,创新性提出以舆情客体信息为参照基线的舆情本体演化强度来反映微博主题演化趋势。[结果 /结论 ]研究结果表明,面向网络舆情信息本体的主题分析,与网络舆情实际发展演化趋势更加贴近,对主题内容的揭示也更加全面。同时研究思路也对现有网络舆情主题分析的研究方法中单一求助于自然语言处理技术的优化与更新具有一定启示意义。 相似文献
2.
[目的/意义] 旨在通过对突发事件舆情研究,探索危机传播管理中的舆情研判方法,并进一步为政府信息公开提供实操方法的建议。[方法/过程] 在理论研究层面,基于危机传播的基本要点,对信息发布效果和舆情实时反馈进行综合分析;在应用处理层面,以新浪微博中“天津爆炸”事件相关信息为例,爬取新浪微博全量数据,基于危机传播领域知识和信息发布文本构建领域词表,并结合危机传播阶段特征,对全量数据进行主题提取和情感分析。[结果/结论] “后微博”时代,微博用户量下降,但其仍旧是突发事件信息公开和舆情扩散的主要阵地。探求突发事件下政府如何利用微博平台,收集、研判、应对网络舆情,为做好信息发布工作提供科学的分析方法和应对手段。 相似文献
3.
[目的/意义] 细化社交机器人对网民情感的干预机制,同时从实践上为网络突发事件舆情治理提供建议参考。[方法/过程] 以仁济医院赵晓菁事件为例,利用朴素贝叶斯方法计算微博情感倾向,通过构建向量自回归模型（VAR）并进行格兰杰因果检验、脉冲响应分析以及方差分解分析,确定社交机器人、意见领袖与普通用户在事件生命周期各阶段的情感关系。[结果/结论] 社交机器人、意见领袖与普通用户的情感关系随舆情阶段演进发生变化,在爆发期,社交机器人放大了意见领袖对普通用户的情感影响;在成熟期,社交机器人影响式微,普通用户的情感反作用于社交机器人与意见领袖;在衰退期,三者保持较为独立的情感关系。此外,社交机器人的影响策略具有隐匿性和间接性特征。 相似文献
4.
[目的/意义]引入危机管理要素研究突发事件网络舆情的主题演变规律,为精准的突发事件网络舆情处置与动态决策提供新思路。[方法/过程]以特定突发事件的事实文本数据为来源,利用隐含狄利克雷分布主题模型,构建动态主题演化模型,挖掘社交媒体突发事件中的阶段划分与话题,并归纳出舆情危机的构成要素。[结果/结论]以PPRR和4R危机管理理论为基础,将舆情发展划分为方兴阶段、爆发阶段、波动阶段和消寂阶段,将工作任务划分为预备力、反应力、缩减力和恢复力4类,最后提出网络舆情治理模型。 相似文献
5.
[目的/意义] 新冠肺炎疫情是新中国成立至今传播速度最快、传染范围最广、防控难度最大的一次重大突发公共卫生事件，微博是新冠肺炎疫情舆情传播的重要场域，加强突发公共卫生事件微博舆情的针对性研究，利于有效应对突发公共卫生事件舆情。[方法/过程] 基于社会网络分析法，探索新冠肺炎疫情舆情传播的网络结构特征、各传播主体的位置与角色。[结果/结论] 新冠肺炎疫情微博舆情体现出总量巨大、节点林立、关系复杂的网络特征；不同类型的微博用户在网络中的传播作用各不相同，官方媒体微博、商业媒体微博、自媒体微博在突发事件舆情网络中占据不同的传播位置、具有不同等级的传播能力；在突发公共事件舆情应对和引导过程中，应当推动各类媒体的广泛合作。 相似文献
6.
[目的/意义] 探索微博舆情传播周期中不同传播者关注的舆情热点和传播内容的主要观点,进而发现舆情传播的特点和规律,为舆情分析与决策提供依据。[方法/过程] 以特定舆情事件的事实文本数据为来源,以生命周期理论和LDA方法为指导,设计研究流程与构建研究模型,对微博舆情事件中不同传播者的话题进行主题研究,其中包括主题抽取和结果语义标注、各阶段的不同传播者主题的语义分析、基于时间维度的舆情主题观点识别与刻画。[结果/结论] 研究发现,论文所提出的研究模型能够挖掘出舆情传播周期中不同传播者的主题结构、观点脉络以及特征,研判出分布在文字当中有关联性的、代表性的、重要的词语。同时,结论中还发现微博中的官媒、大众媒体发布信息中的话题和用户谈论的热点话题具有明显的差异性。 相似文献
7.
突发公共卫生事件利益相关者的社会网络情感图谱研究 总被引：3，自引：0，他引：3
[目的/意义]构建突发公共卫生事件利益相关者的社会网络情感网络图谱,以可视化的方式分析突发公共卫生事件中各类利益相关者的情感状态和分布,探寻利益相关者之间的情感传播路径,并结合舆情话题综合分析利益相关者的情感演化态势。[方法/过程]以"魏则西事件"为例,通过微博转发关系构建微博用户的社会关系网络,同时标识各用户的利益相关者类型,并计算用户的情感类型及情感强度嵌入社会网络中构建出社会网络情感图谱。[结果/结论]普通群众的情绪更强烈且易受意见领袖影响,在事件爆发期和蔓延期,主流媒体和自媒体对普通群众的情感影响较大,在衰退期,政府人员和医护人员的参与增加且情感影响变大。随着舆情的演化,各类利益相关者的主导情感也随着变化,自媒体和企业在情感传播中起重要的桥梁作用。 相似文献
8.
[目的/意义] 基于社交媒体,探索突发事件信息生命周期中不同利益相关者的动态分类及其关注主题的演变规律,为更精准的危机信息监测与动态决策提供依据。[方法/过程] 以特定危机事件的事实文本数据为来源,以利益相关者理论和动态主题模型为指导,构建三维动态主题演化模型以对社交媒体危机事件中不同利益相关者的分类与话题关注进行主题挖掘。其中包括时间粒度划分、利益相关者的定量评估、基于时间和主体的危机主题观点识别与刻画,并利用可视化工具对该动态趋势进行表征。[结果/结论] 基于三维动态主题演化模型,利益相关者的组成与分类在不同阶段中具有明显的差异性,同时其关注主题与行为特征也体现出不同的偏好性和动态差异性。危机主体的动态与危机主题的动态有效结合,能够更加全面地表达舆情传播的特点和规律。 相似文献
9.
[目的/意义] 快速、准确地从突发网络舆情文本中识别事件。[方法/过程] 提出一种融合句法特征和句法相似度的网络舆情突发事件识别方法。结合句法特征提出面向事件的句法特征提取方法,利用事件语义标注和句法特征提取方法构造事件句法特征库,通过计算待测文本与句法库的句法相似度来识别网络舆情突发事件。[结果/结论] 以新型冠状病毒肺炎疫情为例,所提出网络舆情突发事件识别方法在该舆情下的最优相似度为0.93,在此相似度下从一段新的文本中识别出160个事件和30个非事件,F1值达到了0.848。通过方法测评证明网络舆情突发事件识别方法在利用句法相似度识别事件和进行相同相邻词性合并等方面创新的有效性。 相似文献
10.
[目的/意义]社交媒体中网络舆情的传播使社会矛盾激化、集聚、引爆,对社会稳定和公众价值观都产生巨大影响。本文试图通过构建社交网络舆情演化图谱和时空数据分析探究舆情演化模式和规律。[方法/过程]本文基于知识图谱理论,以新浪微博平台上“天和核心舱发射”话题下的网络舆情为例,使用时空大数据挖掘技术,构建网络舆情演化图谱并挖掘包含空间维、时间维和属性维的舆情演化的时空效应。[结果/结论]舆情主体的不同属性呈现多维关联模式。基于不同时间序列,社交网络舆情演化主体关系在空间上存在明显的差异性。该事件下舆情演化符合事件演进规律,具有时空分异特征。本文的研究能够提升舆情监管部门的时空数据管理能力,为实施有针对性的管控措施提供指导。 相似文献
11.
[目的/意义] 量化展现网络舆情信息受众之间的观点认知距离与情感归属,澄清其情感倾向性的形成脉络,为科学应对群体性突发事件提供思路。[方法/过程] 切分舆情事项子话题,通过情感本体计算受众观点的极性强度,构建2-模的受众-关注焦点隶属矩阵和1-模的受众关系矩阵,并采用复杂网络可视化图谱对受众认知距离进行可视化展示,从网络舆情场的视角下阐述受众观点的互斥与耦合机制,描述受众情感倾向的形成脉络。[结果/结论] 对受众整体认知网络中不同类型的受众加以区分,揭示真实情景中的网络舆情场力的作用特点,为舆情受众情感疏导工作提供实践出发点。 相似文献
12.
[目的/意义]微博加V用户由于自身特性更容易成为网络中的意见领袖,然而目前研究焦点往往是"大V"用户,忽略了"中V"用户。以新浪微博的"中V"用户作为研究对象,对"中V"用户的传播特征和舆情引导力进行分析,进而提供针对"中V"用户的管理建议。[方法/过程]以罗一笑事件为例,从事件演进和用户类型两个维度对"中V"用户传播特征进行分析;同时结合情感计算模型、意见领袖指标评价法构建出用户属性矩阵,对"中V"用户舆情引导力进行研究。[结果/结论]通过对"中V"用户的研究发现,"中V"用户具有舆情引导力较强、专业性较强、商业色彩弱、粉丝同质性高等显著特征,并提出相关管理建议。 相似文献
13.
[目的/意义] 微博平台产品评论的特征级情感分析问题具有其特殊性,为了对特征分类,解决隐式特征的识别问题,并分析特征情感,提出一种基于特征本体的产品评论情感分析方法。[方法/过程] 该方法利用构建的特征本体对特征词分类,通过计算情感词与特征的搭配权重来识别隐式特征,并构建领域情感词典和微博表情符号词典,计算微博产品评论的特征情感极性和强度。[结果/结论] 构建方法模型,通过采集微博评论数据设计实验,验证了提出方法的有效性。 相似文献
14.
[目的/意义]探索热点事件评论网络中话题社群及网民的情感波动,掌握舆情事件发展过程,对于整体把握热点事件的发展方向,做好新时期网络舆论的引导工作具有重大意义。[方法/过程]以复杂网络理论为基础,基于评论词语间的共现关系构建基于事件发展的子事件网络,通过社群发现算法来识别子事件评论网络中的话题社群,将情感词依据情感词典赋予情感分类属性,基于事件的演化过程动态地跟踪网民意见以及情感波动。[结果/结论]研究结果表明,评论网络群落发现以及变异系数方法可以有效地衡量网民话题讨论的规模与集中程度;评论网络中赋予情感词节点情感分类属性方法可以体现事件演化过程中网民的情感变化;舆论衍生话题对事件的舆情发展有持续性影响;网民话题讨论内容对于事件演化具有一定程度上的前瞻性。 相似文献
15.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献
16.
[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。 相似文献