共查询到20条相似文献，搜索用时 28 毫秒
1.
【目的/意义】新媒体时代下,热点事件的传播具有新的规律和特征,这些特征为现代舆情管控带来了全新 挑战。厘清网络热点事件情感传播特征,为相关行政部门加强舆情监管及拟定应对措施提供参考。【方法/过程】选 取“上海警察绊摔小孩事件”作为典型案例,采集新浪微博中的相关数据作为研究的数据支撑。通过情感分析、微 博话题挖掘、关键词提取、网络信息生命周期等研究技术与理论对网络热点事件的传播特征进行综合分析。【结果/ 结论】结果显示： 1.新媒体时代下的网络热点事件传播速度更快、信息更新周期更短,整个生命周期并未经历一个明 显的“成长期”。2.热点事件信息本身可能会在公众情绪冲动中被曲解和放大,也有可能被恶意利用传布不实和有 害信息,及时公布事件真相,抢占信息“生态位”至关重要。3.在信息不明朗的情况下,公众易被舆论场中最显著的 意见所影响,在未经考证的情况下产生误判。 相似文献
2.
【目的/意义】将时间序列分析方法引入情感分析,可以对微博突发事件衍生舆情作出科学预测,为政府掌 握舆情情感走势,从而根据舆情发生的不同阶段采取相应的导控策略提供合理的意见与指导。【方法/过程】结合 突发事件衍生舆情的特点,采用词集合并法、SO-PMI、PMI-IR等方法构建了微博突发事件衍生舆情专属情感词 典,随后利用该情感词典和时间序列分析方法对“6.22”杭州保姆纵火案衍生舆情事件进行实证分析。【结果/结论】 对该事件的日均情感值进行计算,与实际情感值拟合程度较好,证明了建立的衍生舆情情感词典及时间序列模型 较为科学,可以为政府选择相应的策略及应对时机提供一定的参考。 相似文献
3.
【目的/意义】从舆情客体视角探究医保欺诈事件传播周期中情感焦点及情感倾向两个维度的舆情演化趋势,对政府倾听民众诉求及舆情治理有重要意义。【方法/过程】依据生命周期理论划分舆情传播阶段,利用Word2Vec判断舆情客体,使用LDA方法挖掘评论主题进而识别情感焦点,同时使用SnowNLP进行情感倾向研究,最后基于认知-感情相符理论发现民众诉求。【结果/结论】能够挖掘出民众对不同舆情客体在各生命周期的情感焦点、情感倾向及二者演化趋势。研究发现民众态度从事件相关讨论过渡到事件本质探究,而后关心事件后果,最后提出建议,且情感焦点与情感倾向识别结果具有一致性。 相似文献
4.
【目的/意义】通过构建网络舆情传播分析模型,探究新冠肺炎疫情网络舆情传播过程和演化规律,提出新
冠肺炎疫情常态化背景下相关网络舆情引导和舆情治理建议。【方法/过程】基于信息生态学理论,从信息、信息人
和信息环境三要素分析舆情事件,构建信息生态学视角下的网络舆情传播分析模型。以新冠肺炎疫情中的方舱医
院事件为例,运用主题分析、社会网络分析和情感分析等方法进行实证研究,分析舆情内容演进和情感演化规律,
总结新冠肺炎疫情网络舆情传播特征。【结果/结论】结果表明,本文所构建的舆情传播分析模型能够较为全面地刻
画公众对于舆情事件的反应,分析舆情传播规律与演化趋势,挖掘不同分析维度的内在关联。【创新/局限】从信息
生态学视角出发,基于内容、用户和情感等维度构建舆情传播分析模型。下一步将结合二模网络、知识图谱等研究
方法探索新冠肺炎疫情中舆情事件之间的关联性。 相似文献
5.
【目的/意义】探索重大疫情中网络舆情的多属性演化规律,为重大疫情防控中的网络舆情治理实践提供参
考。【方法/过程】基于社会学视角构建了重大疫情中网络舆情多属性演化分析模型,选取湖北红十字会事件微博舆
情数据为研究对象,采用意见领袖影响力评价、LDA主题模型和Snownlp情感分析方法对重大疫情中网络舆情意见
领袖、主题分布和情感走势进行分析,从人群、内容和情绪三种社会属性揭示重大疫情中网络舆情多属性演化规
律。【结果/结论】结果表明,重大疫情网络舆情可以分为突发期、爆发期、降温期和失焦期四个阶段,各个阶段在意
见领袖、主题讨论内容和情感倾向上均有较为明显的区别,网民的情感阶段变化与舆情的主题属性演化规律相吻
合。【创新/局限】本研究提出的模型能够有效满足重大疫情网络舆情演化特征深度挖掘的要求,为重大疫情网络舆
情的治理实践提供参考。后续研究可选取更广泛的舆情事件和数据源验证该模型。 相似文献
6.
【目的/意义】通过研究微博社区网民的情感交互与舆情观点,有助于在复杂的网络中掌握网民情绪演化从而良性引导网络舆情态势。【方法/过程】基于传播动力学、社会安全阀等理论,结合微博社区中的实际案例,定义事件利益主体并抽象出事件演化的全生命周期,同时,构建SIR演化博弈模型刻画网民情绪的动态演化规律及主体决策博弈演化过程,并通过仿真模拟分析得到系统演化至稳定状态的均衡条件。【结果/结论】结果表明:微博社区中意见领袖与官方媒体感知收益与风险的敏感度对决策行为产生显著影响;官方媒体及时设置有效议程构建安全阀能够防止网民情绪恶化;意见领袖与官方媒体的协同引导能够最大效度地帮助政府管控网络舆情。 相似文献
7.
【目的/意义】以近两年（2018-2019）国内有代表性的四件负面公共安全突发事件为例,对其微博评论进行
聚类,并找出影响微博用户消极情感倾向的因素,为政府进行舆情应对处理提供建议。【方法/过程】结合社会网络
分析法与LDA主题模型对评论文本进行关键要素提取,得出评论归因维度,进而通过情感分析软件对各维度进行
情感倾向度分析。【结果/结论】研究结果表明：微博用户主要从事件主体、事件分析、事件处置、社会关系、新闻媒
体、同理心、个人经验七个方面对公共安全突发事件进行评论,其中,事件分析、事件处置、事件主体、社会关系是微
博用户消极情感倾向的主要影响因素,据此本文提出了相应的舆情疏导建议。【创新/局限】本文基于归因理论,创
新性的提出了影响微博用户情感倾向度的归因维度体系,但舆情事件集中数量有限且未进行更细粒度的情感分类
分析。 相似文献
8.
【目的/意义】基于事理图谱的方法对网络舆情事件进行揭示,能够准确分析舆情事件的发展趋势和脉络,
为政府部门的舆情管控和舆情引导献计献策。【方法/过程】以微博“长征5B失控”的相关主题与评论内容为研究对
象,对提取的数据进行清洗和处理、抽取和泛化,分别生成顺承事件对和因果事件对,并对其顺承关系和因果关系
进行识别,从而构建网络舆情事理图谱。【结果/结论】在网络舆情的发展过程中,可以看出因果事件的演化路径具
有时间发生短,演化路径短的特点,伴随着时间的推移,其演化的趋势也逐步降低;网络舆情顺承事件具有传播的
时间长,传播的路径多且具有多向性的传播特点,在顺承事件的传播过程中,往往伴随着因果事件,且舆情事件的
走向与网民的情绪有很大的关联。【创新/局限】构建基于事理图谱的网络舆情的演化路径,同时揭示网络舆情演化
的传播特点与现实意义,后续有必要扩大研究样本,使得研究结果具有更好地通用性。 相似文献
9.
【目的/意义】解析了微博舆情话题的传播、微博网络拓扑结构特点、微博网络中的信息传播特点，发掘舆情 传播过程的影响因素，继而对在微博网络上发生的舆情扩散进行有效的控制。【方法/过程】在传染病动力学的SIR 模型的基础上，提出了有部分无知者直接变为免疫者以及具有衍生效应的SIR改进模型。结合微博网络拓扑结构 进行了有向无标度网络的设计，并利用微博网络的信息互动模式对感染率以及转化率进行了改进，最后对此模型 进行简单的因素分析。【方法/过程】构建的微博网络舆情传播模型的变化符合实际生活中微博网络舆情的传播变 化，并分析了各个影响微博网络舆情传播的因素。 相似文献
10.
【目的/意义】近年来雾霾天气日益严重,如何通过对雾霾情感及雾霾信息传播特点的研究为雾霾事件情绪
预警、情绪监控提供支持,同时正确引导公众情绪等问题亟待解决。【方法/过程】文章以 2015年北京新浪微博用户
所发布的“雾霾”话题信息作为研究对象,数据预处理后,构建出一个基于朴素贝叶斯的两层分类器对原始微文进
行情感分析,并利用 Gephi平台对其评论信息进行社会网络分析。【结果/结论】得出五类群体：政府、媒体、自媒体、
企业和普通公众对雾霾的情感态度,同时结合雾霾舆情信息的社会网络特点,提出了雾霾情绪管理与疏导,以及如
何正确引导公众关注点、控制网络舆情的相关建议。 相似文献
11.
【目的/意义】高校网络舆情是高校人员通过互联网表达个人思想、诉求个人利益所表现的网络行为,是网 络舆情在高校的延申和体现。然而,网络上的不良信息包括网络暴力、网络过度娱乐、网络谣言等可能对高校师生 产生负面影响,影响社会稳定。【方法/过程】以微博数据为数据源,使用网络爬虫采集以网络谣言、网络暴力等及大 学生为关键词的微博转发和评论内容作为实验样本,通过文本挖掘分析高校负面网络舆情传播特征和路径,并提 出引导建议。【结果/结论】网民在讨论高校负面网络舆情信息传播过程中,较关注这些负面信息对线下生活的影 响;核心传播网民的平均中心度最高,其次是核心传播媒体,核心传播机构的中心度最低;新媒体环境下高校负面 网络舆情传播呈突发裂变式,信息传播状态不稳定,波动性较大。 相似文献
12.
【目的/意义】公共事件社会舆论容易造成公众恐慌,主流媒体发挥其引导作用可帮助公众树立正确人生
观、价值观。【方法/过程】首先,从公共事件的酝酿、爆发、持续及消减四个阶段分析了公共事件生命周期;然后,从
信息传播方式、传播内容、舆论主体等多方面研究了主流媒体引导对公共事件社会舆情的影响;最后,基于公共事
件社会舆情的关系泛化、对象泛化、热点泛化等表现形式,对公共事件社会舆情泛化的信息交互的开放性与爆炸
性、社会舆情传播的随机性与敏感性、公众发表看点的主观性等特点进行了挖掘。【结果/结论】研究发现主流媒体
引导下公共事件社会舆情泛化存在点轴式、跳跃式及传染式三种泛化特征,进而提出可通过控制舆论先机、培养与
树立意见领袖、提升社会舆情保障体系、充分发挥主流媒体的权威性及可信性等对公共事件社会舆情进行正面引
导的建议。【创新/局限】分析了主流媒体引导下公共事件社会舆情泛化特征并提出相关改进建议,对于有效避免因
舆情对社会产生的不利影响,具有一定的借鉴意义。 相似文献
13.
【目的/意义】微博舆情监管是政府推进网络社会治理所面临的难题。对微博舆情进行研究有助于深入了 解微博舆情传播规律,为政府监管微博舆情提供建议。【方法/过程】首先通过分析微博舆情的社交网络结构特点, 对BA无标度网络进行改进。随后将模糊观点与Deffuant-Weisbuch模型融合,提出一种基于改进模糊相似度的舆 情演化规则。最后通过仿真实验分析微博舆情演化特征。【结果/结论】研究发现,模糊观点的类型对舆情演化的周 期与规模有影响。用户对于热门发现微博的关注度对舆情传播有影响。 相似文献
14.
【目的/意义】为推动深度学习在网络舆情管理中的应用,提高突发灾害事件网络舆情情感识别效率。【方 法/过程】基于OCC模型建立了突发自然灾害网络舆情情感规则,并由word2vec构建文本向量作为长短期记忆网 络（Long-short term memory,LSTM）的初始输入,对其训练得到突发灾害事件网络舆情多情感识别模型。【结果/结 论】通过对比试验发现,OCC情感规则能够提升情感识别模型的正确率,基于LSTM和word2vec的突发灾害事件 网络舆情情感识别模型在情感识别效果上优于TF-IDF文本向量化方法以及基于卷积神经网络（Convolutional neural network,CNN）和传统的机器学习方式（Support vector machine,SVM）的分类算法结果。 相似文献
15.
【目的/意义】通过对政务微博网络舆情信息传播效率进行评价,有利于政务微博的运营和管理。【方法/过程】应用道格拉斯生产函数对政务微博网络舆情信息传播效率评价指标体系的投入和产生指标进行分析,应用DEA模型对政务微博网络舆情信息传播效率进行测算和评价,并利用聚类分析方法对政务微博进行分类,从而对政务微博信息传递指标进行归纳。【结果/结论】政务微博规模效率表现较差的原因是政务微博信息传播效率表现不佳;政务微博信息传递规模效率较低的原因是粉丝数和关注数不足;最后基于投影分析,提出政务微博信息传递效率的改进方案。 相似文献
16.
【目的/意义】通过运用社会网络分析法研究微博舆情,既可以使该方法在微博舆情研究中能够更好地被
应用,又能通过对微博舆情监管策略的提出达到对其进行有效监管的目的。【方法/过程】以高校大学生群体作为研
究对象,以新浪微博“笑脸墙迎新生”为研究话题,以社会网络分析法为研究工具,通过对采集的有效数据分析,研究
微博舆情传播特征、过程、规律,并以研究结论为依据提出具体监管策略。【结果/结论】验证了社会网络分析法在微
博舆情传播研究中的有效性和实用性,拓展了微博舆情研究的新视角,提出了网络舆情传播监管策略。 相似文献
17.
18.
【目的/意义】教育招生考试备受社会各界关注,极易触发舆情事件。及时监测并准确研判相关网络信息传
播发展态势,发现潜在舆情并处置应对,对于保障考试安全和维护学校声誉具有重要意义。【方法/过程】采集研究
生复试期间主流媒体社交平台数据,将BERT语言训练模型同BiLSTM相结合,构建深度神经网络模型,对文本的
情感极性进行分析。用TextRank算法提取不同情感极性类属文本的热门主题词,监测潜在舆情并提出管理建议。
【结果/结论】实证结果表明,该模型能够有效挖掘不同情感极性下的热门主题信息,从而发现潜在隐患以及可能发
生的舆情焦点,为高校网络舆情管控提供了方法参考和实践依据。【创新/局限】与传统方法相比,基于BERT的预训
练语言模型可有效解决因数据量少而导致模型无法准确表示不同语句之间复杂关系的局限性,同时BERT可对文
本进行双向建模,捕获不同句子之间的关系特点,提升对文本情感主题挖掘的准确性。 相似文献
19.
【目的/意义】研究新媒体环境下网络舆情信息传播路径和传播规律,对相关部门加强网络舆情监管提供理
论和应用支撑。【方法/过程】基于社会网络分析法(Gephi),以新浪微博话题为实证案例对获取的数据进行研究,最
终对新媒体环境下网络舆情传播特质进行分析。【结果/结论】研究结论揭示了新媒体环境下网络舆情传播特质和
传播规律,为实践层面新媒体环境下网络舆情传播监管提供了理论及实践支撑。 相似文献
20.
【目的/意义】构建高校师德舆情微博用户评论LDA模型,可以更精准识别舆情演化特征和分析关键主题传
播路径,帮助高校和相关部门更为有效地进行舆情监管和舆情引导。【方法/过程】本文以“天津大学一教授学术造
假”事件为例,基于 LDA模型构建高校师德舆情下微博用户主题生成模型,采用困惑度评价指标确定 LDA模型最
优主题数,采用信息熵确定每一主题在不同日期的主题强度,通过关键词共现知识图谱、词云展现舆情话题的演
变,最后基于主题相似度确定主题传播路径。【结果/结论】LDA模型和信息熵可以解析出网络用户群体关注的重要
主题热点,精准识别舆情演化特征,识别主题最优传播路径进行舆论引导,对爆发的舆情实现预测和管制优化。【创
新/局限】文章创新性地构建高校学术道德舆情的LDA主题模型,有效确定微博用户群体主题、识别舆情演化特征、
分析主题间传播路径,具有普适性;进一步扩大高校师德其他舆情分析及结合网络舆情情感分析为下一步的研究
内容。 相似文献