共查询到18条相似文献，搜索用时 828 毫秒
1.
[目的/意义] 新冠肺炎疫情是新中国成立至今传播速度最快、传染范围最广、防控难度最大的一次重大突发公共卫生事件，微博是新冠肺炎疫情舆情传播的重要场域，加强突发公共卫生事件微博舆情的针对性研究，利于有效应对突发公共卫生事件舆情。[方法/过程] 基于社会网络分析法，探索新冠肺炎疫情舆情传播的网络结构特征、各传播主体的位置与角色。[结果/结论] 新冠肺炎疫情微博舆情体现出总量巨大、节点林立、关系复杂的网络特征；不同类型的微博用户在网络中的传播作用各不相同，官方媒体微博、商业媒体微博、自媒体微博在突发事件舆情网络中占据不同的传播位置、具有不同等级的传播能力；在突发公共事件舆情应对和引导过程中，应当推动各类媒体的广泛合作。 相似文献
2.
[目的/意义]社交媒体中网络舆情的传播使社会矛盾激化、集聚、引爆,对社会稳定和公众价值观都产生巨大影响。本文试图通过构建社交网络舆情演化图谱和时空数据分析探究舆情演化模式和规律。[方法/过程]本文基于知识图谱理论,以新浪微博平台上“天和核心舱发射”话题下的网络舆情为例,使用时空大数据挖掘技术,构建网络舆情演化图谱并挖掘包含空间维、时间维和属性维的舆情演化的时空效应。[结果/结论]舆情主体的不同属性呈现多维关联模式。基于不同时间序列,社交网络舆情演化主体关系在空间上存在明显的差异性。该事件下舆情演化符合事件演进规律,具有时空分异特征。本文的研究能够提升舆情监管部门的时空数据管理能力,为实施有针对性的管控措施提供指导。 相似文献
3.
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
4.
针对突发公共卫生事件提出了一套结合利益相关者的网络舆情监控方法。以新冠肺炎微博数据为例,按照疫情中涉及的社会角色划分了11类利益相关者,将LDA (latent Dirichlet allocation)与LDA2vec串行提取文本主题,借助SnowNLP进行情感分类,通过统计话题的绝对关注度和相对关注度得到不同利益相关者的网络舆情演化过程。实证结果表明,利益相关者的关注点在疫情爆发期内比较一致,而在平稳期内比较分散,最终随着疫情的逐步控制再次集中;相同角色的利益相关者具有相似的话题和情感演化过程,但其侧重点仍有差异;绝对关注度反映了主流舆论影响下的关注点,相对关注度反映了与利益相关者自身利益相关的关注点。本研究揭示了突发公共卫生事件中利益相关者的舆论演化特征,为政府精确监控突发公共卫生事件中不同群体的舆论趋势提供了理论依据与决策参考。 相似文献
5.
[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。 相似文献
6.
[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。 相似文献
7.
[目的/意义]微博加V用户由于自身特性更容易成为网络中的意见领袖,然而目前研究焦点往往是"大V"用户,忽略了"中V"用户。以新浪微博的"中V"用户作为研究对象,对"中V"用户的传播特征和舆情引导力进行分析,进而提供针对"中V"用户的管理建议。[方法/过程]以罗一笑事件为例,从事件演进和用户类型两个维度对"中V"用户传播特征进行分析;同时结合情感计算模型、意见领袖指标评价法构建出用户属性矩阵,对"中V"用户舆情引导力进行研究。[结果/结论]通过对"中V"用户的研究发现,"中V"用户具有舆情引导力较强、专业性较强、商业色彩弱、粉丝同质性高等显著特征,并提出相关管理建议。 相似文献
8.
[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。 相似文献
9.
[目的/意义]探究影响突发公共卫生事件网络虚假信息传播行为的因素,为有针对性地监测预警、阻断传播突发公共卫生事件网络虚假信息提供借鉴参考。[方法/过程]基于S-O-R理论模型,综合考虑外部刺激因素和个体认知因素对传播者信任感知及传播行为的影响,提出相关研究假设,并利用新冠肺疫情期间微博平台的虚假信息进行验证。[结果/结论]突发公共卫生事件的虚假信息质量、信息发布者影响力和事件进展对信息接收者的信息传播行为具有显著促进作用,医护人员主题、呈现积极情感的网络虚假信息更容易获得信任和传播,网络影响力高的信息接收者在虚假信息传播过程中起到辟谣作用。 相似文献
10.
[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
11.
[目的/意义]探索热点事件评论网络中话题社群及网民的情感波动,掌握舆情事件发展过程,对于整体把握热点事件的发展方向,做好新时期网络舆论的引导工作具有重大意义。[方法/过程]以复杂网络理论为基础,基于评论词语间的共现关系构建基于事件发展的子事件网络,通过社群发现算法来识别子事件评论网络中的话题社群,将情感词依据情感词典赋予情感分类属性,基于事件的演化过程动态地跟踪网民意见以及情感波动。[结果/结论]研究结果表明,评论网络群落发现以及变异系数方法可以有效地衡量网民话题讨论的规模与集中程度;评论网络中赋予情感词节点情感分类属性方法可以体现事件演化过程中网民的情感变化;舆论衍生话题对事件的舆情发展有持续性影响;网民话题讨论内容对于事件演化具有一定程度上的前瞻性。 相似文献
12.
[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
13.
[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。 相似文献
14.
15.
[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
16.
[目的/意义] "一带一路"倡议的提出引起了国内外广泛的关注，众多国家的用户在最具代表性的社交媒体Twitter中表达观点、发表评论、相互讨论。从推文中挖掘得出世界对"一带一路"的讨论主题和情感倾向，有助于为政府机构优化宣传策略，增加"一带一路"倡议的曝光度、关注度提供参考。[方法/过程] 采集2017年与"一带一路"相关的6万余条推文，分别按照中文和英文进行数据预处理、数据描述、主题挖掘、情感分析，并实现主题和情感的交叉分析，得出结论。[结果/结论] 2017年的推文主题主要围绕5月份的"一带一路"高峰论坛。其中，中文推文更关注高峰论坛的筹划和实施，以及安全问题、领导层的访问等方面的内容，情感值的波动较大，特别是安全问题上的消极情绪波动很大。英文推文则更关注举办高峰论坛的事实以及论坛所带来的经济效应，情感波动较小，经济方面的情感值是积极占比明显高于消极和中立的情感值。 相似文献
17.
[目的/意义]本研究以新型冠状病毒引发的肺炎疫情为背景,针对疫情期间老年人的信息感知与保护性行动决策过程展开研究,综合梳理了突发公共卫生事件中老年人身为利益相关者时做出保护行动决策的影响因素,可以为健全突发公共卫生事件下面向老年人群体的应急信息管理体系提供参考[方法/过程]文章利用网络爬虫技术获取微信公众号平台中反映疫情期间相关预警信息的文章数据,结合关键词提取技术与社会网络分析方法分析疫情预警信息,并挖掘疫情不同时期的典型老年人保护行为;同时,在保护性行动决策模型分析框架内,通过问卷调研获取老年人群体疫情期间的信息感知与保护行动决策过程的情况,进而应用老年人健康信息与健康行为理论,总结归纳出突发公共卫生事件不同生命周期中老年人信息感知与保护性行动决策的阶段性特征:[结果/结论]在信息感知过程中,预警信息的内容是影响老年人风险感知与保护行动决策的关键因素;疫情的不同生命周期内,老年人对风险程度的评估易产生较大波动;进行保护性行动决策时,老年人更容易因利益相关问题风险感知产生偏离,进而做出情绪化的非理性行为。 相似文献
18.
基于Word2vec的情感分析在品牌认知中的应用研究 总被引：2，自引：0，他引：2
[目的/意义]通过基于Word2vec的文本情感分析技术对某显示器品牌的产品与服务的在线评论进行分析,研究消费者的品牌认知和品牌口碑,为管理者建立更科学的品牌管理体系提供有针对性的建议。[方法/过程]首先利用自然语言处理技术,对评论语料库进行预处理,结合深度学习的Word2vec词向量技术构建产品特征词和情感词词库,进一步构造情感概念对进行情感评分,并将其用于分析品牌产品特定特征的用户情感。[结果/结论]通过Word2vec构建的情感词典相较于传统方法（例如一般的情绪词表）进行情感分析,在情感分析的准确率上有所提高,再结合有效的情感概念对构造与情感评分,可以有效地理解用户的品牌认知。 相似文献