共查询到18条相似文献，搜索用时 218 毫秒
1.
面对自由无序的网络舆情信息,对舆情组织方式的研究体现出重要研究意义。文章提出一种网络舆情信息的组织方法,采用域加权的方式,通过一种single-pass增量算法聚类实现面向主题的舆情信息组织,即对新闻主题或新闻事件有较强表达能力的域进行加权处理以突出该主题或事件,再以无监督自动化的方式对无序的网络舆情信息进行聚类,进而发现热点话题,达到话题探测的目的。实验结果显示,聚类类簇均基于主题或事件,可以代表一个话题,F-measure评价值在85％以上,也进一步表明了本研究方法的有效性。 相似文献
2.
[目的/意义]提出和构建网络舆情观点团簇演化等级,以描述网络舆情受众的群体性观点的状态随时间与事态变化的演化程度,对于网络舆情导控与精准引导具有重要的理论及实践意义。[方法/过程]基于LDA与CNN神经网络构建网络舆情观点团簇演化等级测度模型,并以"翟天临知网事件"为实验对象,验证演化等级这一指标的有效性。[结果/结论]网络舆情观点团簇演化等级能够很好地体现网络热点事件群体观点状态的演化,在展现3个维度的属性数值同时也能反映观点团簇较前一时间节点状态的演化程度,提出的观点团簇演化等级测度结果精准地体现事件观点的各个演化高峰,为有关部门对网络舆情群体观点的靶向引导提供新的指导方向。 相似文献
3.
4.
公民法律权利意识觉醒和网络的开放性表达,促使与司法案件相关的网络舆论成为社会关注焦点之一。近年来,人民网舆情监测室对国内热点司法案件的网络舆情进行追踪分析,并发布了一系列司法舆情的分析报告。然而,人民网的舆情报告是分散的历时性报告,本文以2007年—2013年间人民网司法舆情报告为研究对象,将分散的报告进行整体研究,通过内容分析的方法挖掘热点司法案件背后的舆情特点和社会诉求。从司法舆情演变的总体走势过程中探寻司法舆情传播机制规律,以获取司法系统应对舆情的有效启示。 相似文献
5.
本文从高校网络舆情及大学生微博用户的特点出发,提出了高校学生微博热点话题的概念、表现形式和传播模式。在当前微博信息挖掘研究的基础上,运用网络信息采集与抽取、中文分词、文本聚类、空间向量模型等技术,结合高校学生微博舆情特点,研究设计了基于高校学生微博的舆情热点发现模型,并对该模型功能进行了介绍。 相似文献
6.
在网络舆情频发的今天,政府在危机情景下的表现直接关乎网络舆情事件的走向和发展,甚至影响网络舆情事件的最终结果。本文以2011年和2012年上半年热点网络舆情事件为样本,通过内容分析法对危机情景下政府应对网络舆情事件的主要途径与传播效果进行分析,总结政府在网络舆情危机应对中的得失,以期为政府的网络舆情应对提供参考。 相似文献
7.
喻国明教授在其所撰写的论文《人工智能提升网络舆情分析能力》中,就人工智能技术对网络舆情分析的作用给予了肯定,并提出了"人工智能技术支撑下的网络舆情分析的新范式",提倡对人工智能技术加以有效应用.另外几位学者舒予、王伟等,从人工智能技术的角度对网络舆情监测进程进行了探索.舒予在其论文中提出一种基于小波分析和人工神经网络的网络舆情建模和预测方法;王伟则提出了二次聚类的方法设计,系统地提取舆情热点特征词,为网络舆情预警工作打好基础. 相似文献
8.
本文对2012年中国使用百度搜索进行搜索的TOP2000信息热词和TOP2000新闻类热词进行分析和挖掘,构建了社会暖度指数、社会舆情运行压力指数、社会幸福度指数、经济关注指数、民生关注指数等15个指数,并进行了4年的时间变化分析,最后通过盘点2012年网络社会流行潮流发现网络反腐成为热点、戏谑化时代和网民自嘲时代来临等. 相似文献
9.
10.
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.
基于主题的网络舆情分析模型及其应用 总被引：12，自引：0，他引：12
钱爱兵 《现代图书情报技术》2008,3(4):49-55
网络舆情分析是信息处理领域内的一个新兴且有实用价值的方向。文章分析了网络舆情分析的基本问题,提出了难点以及相关的解决方案,并在此基础上设计了基于主题的网络舆情分析模型。 相似文献
13.
14.
[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
15.
16.
本文基于2010-2018年10600起舆情事件,考察了事件本身属性、媒介传播、网民参与及政府干预对网络舆情热度的影响。多元分层回归模型的结果表明:1.环境和文化体育类事件网络舆情热度较高,反腐倡廉类事件网络舆情热度较低;因为大型活动和科技发现引发的舆情事件传播热度较高。2.由传统媒体、网络新闻首次曝光的舆情事件热度较低。3.出现第三方、网络谣言、网络动员的舆情事件热度较高,意见领袖的出现对网络舆情热度没有显著影响;网民舆论倾向性非常正面的舆情事件传播热度较高。4.网络舆情事件中如果国家部委进行了干预,则舆情热度较高;政府干预的时效性越差,网络舆情热度越高;政府采用新闻发布会、社交媒体回应的舆情事件热度较高,利用对外公告或文件回应的舆情事件热度较低;政府干预级数与网络舆情热度正相关。 相似文献
17.
[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
18.
Online display advertising is a multi-billion dollar industry where advertisers promote their products to users by having publishers display their advertisements on popular Web pages. An important problem in online advertising is how to forecast the number of user visits for a Web page during a particular period of time. Prior research addressed the problem by using traditional time-series forecasting techniques on historical data of user visits; (e.g., via a single regression model built for forecasting based on historical data for all Web pages) and did not fully explore the fact that different types of Web pages and different time stamps have different patterns of user visits. In this paper, we propose a series of probabilistic latent class models to automatically learn the underlying user visit patterns among multiple Web pages and multiple time stamps. The last (and the most effective) proposed model identifies latent groups/classes of (i) Web pages and (ii) time stamps with similar user visit patterns, and learns a specialized forecast model for each latent Web page and time stamp class. Compared with a single regression model as well as several other baselines, the proposed latent class model approach has the capability of differentiating the importance of different types of information across different classes of Web pages and time stamps, and therefore has much better modeling flexibility. An extensive set of experiments along with detailed analysis carried out on real-world data from Yahoo! demonstrates the advantage of the proposed latent class models in forecasting online user visits in online display advertising. 相似文献