共查询到10条相似文献,搜索用时 140 毫秒
1.
[研究目的]关注网络舆情事件热度高峰期对于政府相关机构及时监测可能产生的衍生话题具有重要意义。为了有效检测和控制网络事件传播,更好地为制定事件预警策略提供理论依据,提出一种基于LTTB-KSC算法的网络舆情事件热度高峰期预测方法。[研究方法]首先使用LTTB-KSC算法对热度序列聚类,然后借助三次样条插值法和高斯混合模型构建每一类的热度高峰函数,接着分析每一类函数曲线特征并将事件热度高峰划分为单高峰、高-低峰、低-高峰三种变化模式,最后使用DTW距离预测网络舆情事件热度高峰期对应的时间范围。[研究结论]实验结果表明,LTTB-KSC算法在聚类效率和效果上都优于KSC算法,提出的热度高峰变化模式能够为热度高峰期时间范围的预测和衍生话题的监测提供新思路。 相似文献
2.
[目的]从海量微博舆情信息中准确、高效地发现和挖掘当下的热点主题,以期为政府和企业监控和管理舆情动态提供有价值的参考。[方法]研究首先从维度、特征和度量三方面综合考虑构建"帖子-主题"二模网络模型,其次选择词频、主题权重和词频增长率3个特征来抽取模型所需的有效关键词,然后选取社会网络分析法中的社区发现方法进行基于关键词的主题社区发现,最后综合考虑用户影响力和传播影响力两个属性,通过热度分析确立主题热度,识别热点主题。[结果]实验表明,该方法能有效挖掘网络舆情中的热点主题,检测出的主题结果均正确,验证了本文方法的可行性和有效性。在此基础上,研究还选取实例进一步对主题的热度迁移和情感倾向进行了分析,具备一定的预警作用。 相似文献
3.
4.
5.
[目的/意义]研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。[方法/过程]本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。[结果/结论]实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。 相似文献
6.
微博作为用户关系信息分享、传播以及获取的平台,由于信息量大、传播更迅速,成为网络舆情传播的主要载体。在查阅大量文献的基础上,首先对政府负面网络舆情事件热度进行明确界定与度量,之后通过划分状态空间、构建状态转移矩阵、开展舆情热度趋势预测等步骤建立基于马尔科夫链的政府负面网络舆情热度趋势预测模型。以新浪微博为例,选取2013年度的舆情热点事件“延安城管暴力执法”进行舆情热度实证分析,验证了模型的合理性和有效性,进而为政府开展网络舆情管理和网络危机公关活动、合理引导舆情事态发展提供理论依据。 相似文献
7.
突发事件之间存在的关联、削弱或衍生的关系,会对现发的突发事件的热度产生影响。本文根据突发事件的交互关系,建立舆情敏感信息库,对突发事件的热度进行预测,并通过实验验证和理论分析,为政府消解突发事件负面舆情提供参考。 相似文献
8.
[目的/意义]新信息技术推动媒体应用平台快速发展,网民通过主流媒体与自媒体积极参与话题讨论,客观分析信息传播平台对网络舆情事件发展的影响力,有利于建立良性的信息生态循环圈。[方法/过程]本文以官方公布的十年网络舆情热点事件为数据分析对象,使用灰色关联法分析历年各信息传播平台与网络舆情热度的关联关系,从时间、事件等维度挖掘信息传播平台对网络舆情热度的影响特征。[结论/建议]各信息传播平台对网络舆情热度的影响力与传播技术发展水平是同步的,对网络舆情热度的影响呈现势均力敌之势,媒体融合、资讯融合是发展必然趋势。 相似文献
9.
10.
通过问卷调查,了解到90%的后进生中存在着“三分钟热度”现象。后进生的转化工作中,“三分钟热度”是班主任最为棘手的难题。很多时侯,班主任通过各种方式、途径,给予后进生热情表扬、中肯的批评,后进生大多会很快“好起来”,但好景不长,一段时间后,相当一部分后进生有会出现程度不同的反复,情绪低落,热情锐减。后进生“三分钟热度”的转化,是班主任工作的一项内容,也是班主任劳动价值的重要体现。怎样正确对待后进生“三分钟热度”现象及如何做好转化工作?下面谈谈我的一点体会。 相似文献