共查询到20条相似文献，搜索用时 453 毫秒
1.
2.
【目的/意义】为有效约束社交网中隐含风险的信息传播,研究一种基于信誉的信息行为动态管理机制。【方
法/过程】通过节点身份认证与历史行为计算节点信誉值,利用敏感词的风险权值计算内容的风险指数后并进行风
险类型分级,综合节点源信誉与内容风险指数提出一种基于社交网节点信誉授权的信息传播控制模型（RBDC）约
束不同类型信息转发权限。【结果/结论】仿真结果表明,相比无限制的信息传播情景,对内容风险与用户信誉进行
细粒度的分类与并构建转发权限映射关系,可以显著限制高风险信息传播速度与传播范围。【创新/局限】在保障社
交网用户属性数据真实与敏感词风险词表有效维护的情况下,通过多源数据融合构建的RBDC信誉授权传播抑制
模型可以实现信息传播动态调整机制,抑制风险信息传播,也有利于促进网络节点的自律。 相似文献
3.
【目的/意义】随着移动互联网的发展,微博的普及进一步加速了社会突发事件的传播。转发作为最重要的用户信息行为,在很大程度上预示了网络舆情的发展趋势。但是,鲜有研究关注微博内容中的心理语言使用与转发行为的关系。本研究拓展了心理语言学在社会突发事件情境下的应用领域,为政府或企业应急管理部门有效引导网络舆情提供了实践启示。【方法/过程】本文以九寨沟地震事件为例,基于LIWC文本分析工具研究了微博用户心理过程对于转发行为的影响,通过构建VAR向量自回归模型并进行格兰杰因果检验,确定了微博转发行为的心理语言影响因素,并进一步运用脉冲响应函数对转发行为进行了动态分析。【结果/结论】根据实证研究的结果,社会过程词和情感历程词对微博用户的转发行为具有一定的预测作用。 相似文献
4.
【目的/意义】实现对领域本体分类关系的自动学习识别,解决领域本体知识框架结构体系的自动化构建问
题。【方法/过程】通过对领域本体分类关系自动识别的国内外研究现状及存在问题进行分析总结,以当前开源的先
进的深度学习文本预训练模型BERT为基础,研究构建了基于BERT的领域本体分类关系自动识别模型,并以资源
环境学科领域为例进行了实验研究和评估分析。【结果/结论】基于BERT构建的分类模型能够实现对领域本体分类
关系的自动识别,识别方法和流程具有极大地通用性和可移植性,识别精度比传统方法有了较大提升。【创新/局
限】微调与泛化了BERT,提高了领域本体分类关系识别模型的通用性和精度。但由于受分类标注语料的质量限
制,模型精度尚未达到峰值,有待进一步优化提升。 相似文献
5.
6.
【 目的/意义】转发行为是社交媒体上信息传播的重要方式,转发者添加的评论能够反映情绪状态与认知情
况,研究突发自然灾害事件背景下的转发评论有助于应急管理部门了解公众情绪走向和认知变化。【方法/过程】转
发型微博被再次转发时会产生转发级联并形成不同转发层级,本文利用LIWC软件从情绪和认知角度分析转发者
添加的评论内容,对比不同层级情绪得分和认知得分的差异以及转发评论中情绪和认知变化。【结果/结论】突发自
然灾害相关原始微博和转发评论的情绪和认知具有显著差异,用户在原始微博中倾向使用关于积极情绪、消极情
绪、洞察和原因的词;在不同转发层级中,表达积极情绪、洞察和矛盾的词的使用频率更高,且具有更大的波动;在
转发评论过程中,相同类型的情绪和认知显著正相关。【创新/局限】本文研究了转发者生成内容的特征,为应急管
理部门的灾后决策和舆情治理提供新视角,没有考虑添加评论对微博转发的影响,后续将对比不同转发微博的传
播效果。 相似文献
7.
【 目的/意义】解决获取虚假网络医疗信息数据集时专业知识不足的问题,帮助在小样本领域构建虚假网络
医疗信息识别模型。【方法/过程】本文提出一种基于权威辟谣信息转化提取构建网络虚假医疗信息数据集的思路,
并依次构建传统机器学习模型、CNN模型和BERT模型进行分类识别。【结果/结论】结果表明,基于辟谣信息能够
实现以较低成本、不依赖专家标注构建虚假医疗信息数据集。通过对比实验发现,基于微博数据预训练的 BERT
模型准确率为 95.91%,F1值为 94.57%,相比于传统机器学习模型和 CNN模型提升分别接近 6%和 4%,表明本文构
建的基于预训练的BERT模型在网络虚假医疗信息识别任务上取得了更好的效果。【创新/局限】本文提出的方法能
以较低成本建立专业领域的虚假信息数据集,所构建的BERT虚假医疗信息识别模型在小样本领域也具有实用价
值,但在数据集规模、深度学习模型对比、模型性能评价指标等方面还有待拓展与延伸。 相似文献
8.
【目的/意义】微博转发行为反映了微博用户对所感兴趣微博的一种行为表现,对微博转发行为的研究有助
于微博的深度挖掘工作。【方法/过程】本文从内容分析的角度,对微博转发行为进行了预测。量化分析了微博内容
中一组低水平特征和高水平特征,采用逻辑回归模型对微博转发概率进行预测,并在微博数据集中进行了训练和
验证。【结果/结论】基于模型中的参数学习,证实这些内容特征对于微博转发有着密切的联系,据此进一步推断微
博用户主要的兴趣点。 相似文献
9.
【目的/意义】深度学习是近几年来人工智能领域的研究热点之一,了解深度学习在信息组织与检索方面的研究现状,能为信息组织与检索的深入研究提供参考和借鉴。【方法/内容】通过对国内基于深度学习的信息组织与检索方向的相关文献进行梳理,剖析深度学习相关模型、阐述深度学习在信息组织与检索中的研究热点主题,并结合深度学习技术的特点和信息组织与检索的研究内容,对深度学习在信息组织与检索方向的应用前景进行预测。【结果/结论】研究表明,当前深度学习在信息组织与检索中的研究热点主要集中在智能信息抽取、自动文本分类、情感分析和文本聚类这四个主题,预测未来深度学习在信息组织与检索方向会朝着对异构信息处理、智能信息检索、个性化信息推荐等方向发展。 相似文献
10.
【 目的/意义】微博转发行为是公众参与监管突发事件网络舆情的重要渠道,科学合理的监管与引导对突发
事件精准预警和快速响应具有重要意义。【方法/过程】针对突发事件的微博转发行为未充分考虑转发者个体差异
的不足,借助UTAUT模型,结合动机理论,引入类型偏好、信源偏好、转发动机三个变量,构建面向突发事件的微博
用户转发行为的影响因素模型。以新浪微博为例,通过设计问卷、分析问卷数据验证构建影响因素模型有效性,对
影响因素模型进行拟合检验。【结果/结论】实证结果表明努力期望、社群影响、信源偏好、感知成本对转发意愿的路
径的CR值均大于1.96,即对转发意愿有正向影响作用;转发意愿对转发行为的路径的CR值大于1.96,即对转发行
为有正向影响作用,从政府部门、相关媒介和公众等方面提出加强微博转发监管的建议。【创新/局限】深入研究了
面向突发事件的微博用户转发行为,但调查对象不够广泛,数据分析还存在一定的局限性。 相似文献
11.
【目的/意义】对南海历史事件中具有标识意义的事件要素进行提炼与梳理，是构建南海大事记、讲好中国南海故事的基础。【方法/过程】首先总结南海历史事件的特殊性，进而论述南海叙事的具体维度，在此基础上定义事件要素划分标准实现对南海历史事件的规范建模，接着提出了一种结合规则与深度学习的事件要素自动抽取方法，最后以南海相关学术论文为对象，通过实证研究验证了该方法的有效性及效率。【结果/结论】研究表明，BERT+BiLSTM+CRF模型表现优于其它对比模型，宏观F1值达到87.73%；通过规则约束优化BERT+BiLSTM+CRF模型后，宏观F1值达到88.76%，取得了不错的效果，在面向泛化南海历史事件文本时能快速、有效地抽取出各类型事件要素实例。【创新/局限】结合南海历史事件的特征，探索了面向多维度南海叙事的事件要素自动抽取方法，实现学术论文中各类型事件要素的抽取，后续有待在更多文献资料类型上进行泛化实验。 相似文献
12.
【目的/意义】构建用户特征指标体系,对恐怖事件情境下微博信息与评论用户进行画像并比较有助于掌握参与恐怖事件讨论用户的特点,加强反恐舆论引导。【方法/过程】以"#巴塞罗那恐怖袭击#"话题下的所有微博及评论数据为例,使用基于相关性的LDA主题模型提取微博主题,从用户特征和文本特征两个角度构建指标体系,并采用两步聚类刻画微博用户特征,分析发布微博用户和评论用户的异同。【结果/结论】以往活跃度、影响力较高的用户在该事件中不一定拥有较高的影响力;原始微博用户的平均等级略低于评论用户,但其在该事件中的影响力高于评论用户;原始微博用户类型多于评论微博用户类型。 相似文献
13.
【目的/意义】旨在从企业创造内容视角出发，探讨企业微博内容对网络口碑与企业品牌认可度的影响，扩 展企业微博内容的相关研究，并为企业提高微博管理水平提出具体的思路。【方法/过程】构建企业微博、网络口碑 以及企业认可度之间的关系模型，通过收集企业新浪微博相关数据来进行定量分析，探究企业微博内容的信息特 征对微博用户的口碑传播效果的影响以及网络口碑对企业品牌认可度的作用。【结果/结论】结果表明企业微博的 发布频率对用户口碑传播有直接影响，其中，用户转发行为受微博发布频率影响最为显著，并且微博粉丝数对口碑 有一定的正向调节作用。微博用户的转发、点赞行为对其品牌认可度影响不显著，只有评论行为对企业的品牌认 可度起作用。 相似文献
14.
【目的/意义】研究分析社交媒体平台中围观者对不同类型隐私泄漏事件的情感，以确定围观者对不同类型隐私泄露的态度，促进社交媒体平台在用户隐私安全的情况下为用户提供更好的服务。【方法/过程】基于隐私泄露事件的四种类型，构建百度情感倾向分析与LDA主题识别相结合的情感分析框架，分别在四种社交媒体平台上对四类隐私泄露事件典型案例中围观者的评论进行抓取和处理，采用LDA主题提取模型进行主题提取，通过百度情感倾向分析进行情感分类，最终进行情感对比分析。【结果/结论】总体而言，大约75%的围观者对隐私泄露事件持负面情绪，其中围观者对社会隐私泄漏的负面情绪占比最高达82%。具体到各平台的围观者，微信公众号和微博的围观者负面情绪较多，知乎中的围观者中性、负面情绪较多，抖音平台的围观者正面情绪占比较高。根据研究结果，提出了相应的建议。【创新/局限】本文创新性地探讨了四种社交媒体上的围观者对四类隐私泄露事件的情感差异，情感的情景与强度维度研究不够深入。 相似文献
15.
【目的/意义】构建新型智库产品微博传播影响力指标体系,对深化智库产品理论研究、提高其传播影响力
具有一定的参考价值。【方法/过程】基于信息传播理论及智库产品微博传播影响力研究,从微博、用户信息、产品质
量及传播效果4个维度构建新型智库产品微博传播影响力评价指标体系,并运用层次分析法确定各指标权重,建立
新型智库产品微博传播影响力的评价公式,同时选取中能智库15个新型智库产品进行实证分析。【结果/结论】实证
检验和分析表明,新型智库产品微博传播影响力评价指标体系具有合理性和说服力,该评价指标体系可为后续理
论研究提供参考。 相似文献
16.
【目的/意义】基于新浪微博探索健康信息社会网络结构，对不同话语主体的网络位置、传播内容和传播方式进行研究，从而为相关部门的健康舆情管理工作提供参考。【方法/过程】以“新冠感染后”为关键词采集热门微博数据,并构建用户信息传播网络，利用社会网络分析法分析多元话语主体视角下的网络结构特征，使用文本分析工具分析信息传播内容，基于话语策略分析传播方式，从而探索健康信息传播机制。【结果/结论】传播网络呈离散、稀疏状态。官方媒体整体影响力最大，一些专业内容生产者在严肃类健康信息传播方面发挥更大作用，大部分市场化媒体存在感较弱，普通网友具有最强的信息交流能力。四类话语主体的传播内容基本一致，但传播方式风格迥异。官方媒体和市场化媒体以严肃、正式、专业为主，专业内容生产者兼具专业性与亲和力，网友则以多元方式表达情绪和态度。【创新/局限】从多元话语主体视角，运用社会网络分析和文本分析探索健康信息传播规律是新颖之处，但网络结构分析仅基于静态视角展开，且样本量有限。 相似文献
17.
18.
【目的/意义】引入人工智能领域中的深度学习方法来解决数字图书馆中传统文本分类的缺陷,这既是人工 智能领域研究的重点,也是图书馆领域关注的热点问题。【方法/过程】在对数字图书馆传统文本分类进行系统梳理 的基础上,提出基于深度学习的数字图书馆文本分类模型,利用词向量的方法对文本特征进行表示,采用深度学习 模型中的卷积神经网络提取文本信息的本质特征,并进行了实验验证。【结果/结论】实验测试表明,基于深度学习 的文本分类模型可以有效地提高数字图书馆文本分类的准确率和召回率,不仅可以提高数字图书馆内部业务的智 能化程度,还可以提高数字图书馆信息服务的效率和质量。 相似文献
19.
【目的/意义】微博作为国内主要的社交网络平台之一,其信息传播实时快速,去中心化,成为网络舆情传播
的重要媒介。面向微博进行舆情中心人物的识别以及公众情绪的挖掘对网络舆情的控制具有重要的实践意义。
【方法/过程】本文以新疆棉花事件为例,使用生命周期法对微博舆情演化过程进行划分,使用word2vec和k-means
模型提取事件生命周期中各阶段的舆情中心人物,采用一种结合词典与LSTM深度学习模型的情感分析方法,对各
舆情中心人物相关的评论情感进行极性分析。【结果/结论】所提出的方法能够挖掘面向特定事件的微博舆情中心
人物、公众的情感类型及情感强度,得到能够使舆情转好的引导方法。【创新/局限】本文创新性的将主题挖掘方法
运用于微博舆情中心人物的提取。在情感分析方法上,结合词典和深度学习方法,解决了深度学习方法进行情感
分析时需人工标注的局限性。此外,本文进行情感值计算时没有考虑到表情符号的作用,后续研究会进一步考虑
更加细粒度的情感分类。 相似文献
20.
【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