共查询到20条相似文献，搜索用时 15 毫秒
1.
本文以新浪微博为研究平台,以打砸日系车突发公共事件为研究实例,基于ELM模型提出了信息内容（内容的创作类型、内容的表达方式、内容的拓展线索）和信源特征（信源引证标识与信源补充线索）对微博舆情传播影响的相关假设,并构建回归模型加以验证。实证结果表明：博文内容的创作方式、信源的补充线索对舆情传播效果存在影响,在转发模型中情感型博文的传播效果好于事实型和调侃型博文;而内容拓展线索和信源引证标识会对微博舆情传播效果起负面作用。研究结果可以直观的从信息内容和信源特征视角认识微博舆情传播影响要素,并为突发公共事件的预警和舆论引导提供借鉴与参考。 相似文献
2.
体育赛事作为社会热点事件,易引起广泛关注与讨论,形成网络舆情。本文研究背景为2022年女排世界锦标赛,通过分析中国女排微博发布数量随时间变化序列、评论数量随时间变化序,研究评论样本的词频以及对评论文本的情感进行打分,进而归纳总结出体育赛事网络舆情的传播特征,并给予相关建议。 相似文献
3.
4.
在网络时代,社交媒介平台已成为高校学生获得信息、沟通交流、表达情感的主要载体,同时也为高校网络舆情管理带来了新的挑战。在分析高校网络舆情热点话题特征基础上,采用数据挖掘技术,以河南工业贸易职业学院百度贴吧网帖文本内容为例开展高校网络舆情热点话题发现并进行情感分析,从而提出高效、科学和更具针对性的舆情引导策略。这对高校舆情管理和引导具有一定的实用价值和探索意义,有助于构建安全稳定、和谐积极的高校舆论环境。 相似文献
5.
融合主题与情感特征的突发事件微博舆情演化分析 总被引：1，自引：0，他引：1
[目的/意义]微博是突发事件网络舆情传播的重要媒介。面向突发事件的微博主题和情感挖掘对掌握突发事件的网络舆情、识别与预测潜在问题及风险等方面具有重要的实践意义。尝试提出一种融合主题与情感特征的突发事件微博舆情演化分析方法。[方法/过程]以寨卡事件为例,通过划分微博舆情演化的生命周期,基于word2vec技术分别提取该事件生命周期各阶段的微博主题,采用基于词典的情感分析方法,引入情感词、表情符号等多情绪源,对不同主题下的评论情感做细粒度划分,并计算情感强度,最终实现微博主题与情感的协同分析。[结果/结论]所提出的微博舆情演化分析方法能够揭示面向特定事件的微博在突发事件生命周期各阶段的主题特征、情感类型与强度,剖析网络舆情主题与情感特征的协同演化规律。 相似文献
6.
[目的/意义] 提出网络舆情场内观点簇丛的情感极化度测算方法，为量化舆情受众情感态势和识别极化群体提供依据。[方法/过程] 首先明确舆情受众情感极化的条件，再通过设置条件阈值筛选出满足条件的观点簇丛，在此基础上引入3个极化指标（受众吸引率、极端受众增长率、极化情感增长率）描述观点簇丛在测度时间窗口内的情感发酵程度。最后利用平滑权值，对观点簇丛在不同测度阶段的情感表现进行加权综合，得出其整体情感极化程度值。[结果/结论] 观点簇丛在每个时间窗口的情感表现能为阶段性的舆情受众情感极化干预提供判断依据，而综合的情感极化度有助于准确识别场域内的敏感话题及群体，便于网络舆情的精准管控。 相似文献
7.
[目的/意义]当前网络舆情事件中网民情感分析研究多聚焦于文本、文本结合图片和视频等内容,缺乏针对图片的探讨。同时,视觉情感分析中多视觉语义特征融合缺乏相应的理论指导。[方法/过程]文章借鉴多模态融合思想,以此作为多视觉语义特征融合的理论指导,按照特征层融合、中间层融合、决策层融合和混合融合策略,以在ImageNet数据集中预训练的VGG19模型和Xception模型为基础,设计对应的网络舆情视觉情感分析模型。[结果/结论]文章将提出的模型在网络舆情图片数据集中展开实证研究,并同基线模型做对比。实验结果表明我们提出的基于决策层融合的网络舆情视觉情感分析模型表现最佳。为增强模型的可解释性,本文对网络舆情视觉情感分析模型中卷积层的输出进行了可视化分析。 相似文献
8.
[目的/意义]梳理当前情报学中涉及时间序列分析的研究,并总结常见问题,为情报学研究的模型化、预测化发展提供借鉴。[研究设计/方法]从任务、过程与问题视角,对情报学研究中时间序列分析的应用任务场景、研究过程以及存在的问题进行归纳分析。[结论/发现]从任务视角来看,已有研究已经在包括学科主题演化、学术影响力评价、网络舆情分析、技术趋势分析任务场景得到了很好的应用,应用内容主要包括历史演化与未来预测两方面;从过程视角来看,已有研究主要按照时间序列的观测数据选取、时间切片方式、形态规律挖掘、预测与评价的顺序展开;从问题视角来看,未来的研究应多关注时间序列模型在短序列数据方面的应用,加强对时间序列分析结果的评估。[创新/价值]通过综合性的梳理,系统地总结了当前情报学中关于时间序列分析的研究,为该领域的研究者提供了一个全面的概述和参考。 相似文献
9.
[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
10.
[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
11.
[目的/意义]针对中文网络客户评论,从消费者真实购买体验的网络平台上抓取在线评论信息,构建基于在线评论情感隶属度模糊推理的网络口碑监测评估方法,有助于企业实时监控网络口碑舆情。[方法/过程]以美国消费者满意度模型（ACSI）为基础,从感知质量、感知价值、感知期望和感知情感4个属性方面构建在线评论网络口碑监测评估模型,结合情感隶属度模糊推理算法,从数据准备、情感分析和网络口碑舆情监测评估3个研究阶段,通过模糊推理系统设定计算规则,采用Mamdani方法对网络口碑舆情进行监测评估。[结果/结论]以亚马逊手机品牌在线评论为例进行实例验证,提出的基于情感隶属度模糊推理的网络口碑舆情监测评估方法得到较好的实验检验效果,可以为在线产品的网络口碑舆情监测评估提供信息决策。 相似文献
12.
[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
13.
[目的/意义]情感维度是网络舆情信息预警级别的评定信号,其影响要素关联模型的构建能够较为清晰地描述各要素间及其与大数据网络舆情环境之间的错综复杂关系,从而为深入探讨大数据网络舆情信息的情感发展规律提供参考。[方法/过程]根据情感维度理论,从情感的种类、情感的转换、情感的唤起3个维度建构大数据网络环境下舆情信息情感维度要素关联模型。[结果/结论]实证分析结果表明:大数据舆情信息情感维度模型中舆情信息的情感级别与情感反应、情感焦点维度之间存在显著相关;情感指向与其他维度之间存在弱相关;情感维度模型中没有完全无关的要素。 相似文献
14.
15.
16.
基于聚类的网络舆情热点发现及分析* 总被引：9，自引：0，他引：9
根据对网络舆情分析的需求,构建出基于聚类的网络舆情热点发现及分析系统。通过对样本网页文本的特征提取,构建向量空间模型,使用OPTICS算法获取网页热点簇,根据热点簇特征向量对网页进行二次聚类,从而获取关于舆情的时间演变模式,为相关领域研究提供决策支持。通过二次聚类,提高舆情网页相关度的质量,使网络舆情分析更为准确可靠。 相似文献
17.
2013年8月网络治理专项活动开展以来,微博意见领袖的识别、活跃度、影响力再次引发各界关注、本文以244个微博意见领袖作为研究对象,总结微博意见领袖的群体特点,利用词频分析方法和社会网络分析方法对微博意见领袖博文内容及转发关系进行分析,探析网络舆论调控前后微博意见领袖行为变化特点。分析发现:8月以来微博意见领袖发博量整体下降,但公务员、律师、作家、学者等群体人均每日发博量上升;博文内容涉及政治话题减少,更加倾向于法制主题;整体互动程度降低,意见领袖群体对个体影响力减弱,群体之间信息控制力和传播力差距缩小;少数微博意见领袖参与舆情事件的热度上升,但微博意见领袖群体对舆情事件影响力有所降低。 相似文献
18.
19.
20.
文本情感分析作为自然语言处理领域的一个重要分支,被广泛运用于舆情分析和内容推荐等领域,近年来成为研究的热点。提出基于语法规则和自注意力机制的GCN情感分析方法。首先,使用Glo Ve预训练模型与Bi LSTM模型提取文本的语义特征,并采用spa Cy工具对文本进行句法依存分析,从而提取文本的语法规则。其次,引入自注意力机制,并依据语义特征与语法规则构建GCN模型。最后,采用全连接层和Softmax分类器进行情感分类。实验结果表明,该方法与相关基线模型相比,在Twitter数据集上的准确率和宏F1值分别得到了提升,具有较好的情感分类性能。 相似文献