基于观点模糊相似度的微博舆情演化研究

【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。     

基于事理图谱的多维特征网络舆情演化路径研究

【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。     

面向主题的微博意见领袖挖掘研究

【目的/意义】在微博中,意见领袖对于消息的传播以及舆情走向起着关键的作用。然而,现有的意见领袖 研究大多忽略了意见领袖在特定话题下的意见代表性。【方法/过程】提出了面向主题的微博意见领袖研究的方法, 该方法旨在利用LDA主题模型挖掘出特定话题中的各个主题,根据主题划分结果对参与话题讨论的用户进行分 类,并结合用户自身属性,借鉴PageRank算法思想挖掘出该主题演化中的意见领袖。【结果/结论】实验证明,本文方 法更能体现特定话题的舆情走向,其针对主题挖掘的意见领袖也更具代表性。     

融合演化特征的公共安全事件微博情感分析

【目的/意义】提出融合深层演化特征的情感分析方法,以提升公共安全事件微博情感分析精度。【方法/过 程】以红黄蓝幼儿园涉嫌虐童事件为例,使用LDA与爬虫软件提取演化特征中的主题特征、时间特征,结合传统浅 层文本词性特征与情感特征,应用于XGBoost以生成微博情感分析集成模型。【结果/结论】演化特征的融入使得 情感识别准确度Auc值提高4%,且XGBoost分类精度均优于SVM、随机森林。本文提出的情感识别模型能够在公 共安全事件微博情感分析方面取得较好效果     

恐怖事件情境下微博信息与评论用户的画像及比较

【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。     

新媒体环境下网络舆情用户情感演化模型研究 ——基于情感极性及情感强度理论

【目的/意义】对新媒体环境下网络舆情用户情感进行研究,能够剖析用户情感演化规律,从而有助于采取 针对性措施对舆情信息传播进行合理控制。【方法/过程】本文基于情感极性及情感强度理论构建新媒体环境下网 络舆情用户情感演化模型,以微博平台为例进行情感极性和情感强度分析用户情感演化特征及波动规律。【结果/ 结论】“江歌案”微博热点话题主要呈现负向情感,其比例远高于正向情感和中性情感;情感值与极性值都随着极性 值的增加而增加,话题在 12月 11日负向情感值与极性值达到最低。     

重大疫情中网络舆情的多属性演化分析

【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。     

高校突发事件网络舆情传播影响因素研究

【目的/意义】高校突发事件引起的网络舆情会让高校的声誉等受到直接的影响,研究高校突发事件网络舆 情传播过程,并总结出其影响因素,这对于高校舆情的治理及学生工作的开展而言意义非凡。【方法/过程】以微博 用户群体作为研究对象,以选取的典型案例为研究话题,通过扎根理论的研究方法对原始文本数据进行编码分析, 研究高校突发事件舆情传播影响因素。【结果/结论】构建了高校突发事件舆情传播影响因素模型,并结合时间维度 通过案例对其模型进行了阐释,为后续研究提供参考和启示。【创新/局限】本研究针对高校突发事件网络舆情所选 取的典型案例进行扎根理论研究,探索高校突发事件舆情传播过程影响因素模型,在理论与实践层面具有一定创 新意义。但由于本研究仅针对一个典型案例进行分析,尚存在一定的局限性。     

高校新媒体信息传播网络结构及其演化特征

【目的/意义】分析高校新媒体的信息传播网络结构及演化特征,有利于推动高校信息的有效传播,提升舆 论引导力。【方法/过程】以高校官方微博为例,本文对高校新媒体信息传播网络密度特征、网络中心性特征、网络结 构特征、地域路径及情感路径特征进行了分析,最后运用BA无标度网络模型对高校新媒体信息传播网络结构的演 化特征进行了仿真模拟。【结果/结论】高校新媒体信息传播网络具有较小的聚类系数、较短的网络平均路径,节点 的度分布符合幂律规律;高校新媒体影响力正在突破传统地域影响;高校信息传播中以积极情感为主,网络舆情事 件对情感影响较大;随着节点增加,网络平均度经过前期快速增长后会稳定在某个恒定值左右,网络平均路径长度 则一直呈现增长趋势。最后本文提出了改善高校新媒体信息传播网络结构的建议。【创新/局限】在今后的研究中 需要进一步扩大数据样本和时间跨度。     

基于主题图谱的网络舆情特征演化及其可视化分析

【目的/意义】旨在从网络舆情用户信息及文本内容视角出发,构建不同维度的网络舆情主题图谱,结合主 题图谱对网络舆情进行特征演化及可视化分析,为舆情管理提供参考。【方法/过程】本文以实体抽取和关系构建技 术为基础,构建了网络舆情主题图谱模型,并以“台风利奇马”事件为例,建立了三个不同维度的主题图谱,结合用 户和文本等多维度微观数据,对网络舆情特征演化进行分析。【结果/结论】在该事件中,用户影响力节点具备多元 化、相关性、官方主导性等特点;网络舆情演化对应台风事件发展存在一定的滞后性;PC终端存在传播媒介种类少、 发博数量多且用户集中等特点,移动终端存在传播媒介种类多、发博数量少且用户分布均匀等特点。【创新/局限】 本文借助主题图谱,构建了网络舆情用户节点和文本节点及其关联关系,从用户、账户、内容三个维度系统且全面 的展示了网络舆情特征的演化规律。     

信息生态视角下新冠肺炎疫情的网络舆情传播与演化分析研究

【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。     

基于情感分析的突发公共卫生事件舆情时空演化差异研究

【目的/意义】分析网民在突发公共卫生事件中的情感演化历程,探究影响网民情感波动的因素及其时空演 化的差异。【方法/过程】运用Python爬取微博新冠疫情相关文本数据315 445条,基于SnowNLP情感分析工具对数 据文本进行情感分析。使用TF-IDF及LDA主题模型进行建模,对不同阶段及不同群体的舆情时空演化及差异进 行内容分析。【结果/结论】网民的情感演化呈现阶段性和群体性差异,尽管整体为积极态势,但疫情上升期为负面 情绪集中爆发期;网民群体中受教育程度较低的群体情感波动幅度更大,更容易受到舆论的影响,舆情演化更易极 化;中心大城市情感波动相对稳定,而引起其他区域网民消极情绪的往往不是疫情本身,而是由疫情引发的负面舆 论;普通网民群体较于高影响力群体在舆情演化阶段的负面情绪更为严重,情感演化在各阶段呈现明显的涟漪效 应,需在不同阶段针对不同群体制定有效的舆情引导政策。【创新/局限】本文将整个语料库划分为50多个小语料, 个别语料文本数据量较少,具有一定的局限性。     

基于LDA主题模型的微博标签生成研究

【目的/意义】为微博用户生成质量较高的标签,帮助用户对微博特征进行描述。【方法/过程】首先,分析微 博的特征建立候选标签与候选词表。随后,用 LDA对用户的微博进行主题分析,将用户的微博与预选标签相匹配, 生成预选标签。最后,用 LDA对用户关注的人及用户的粉丝的微博进行主题分析,对预选标签进行控制生成最终 标签。【结果/结论】实验结果表明,本文以 LDA为基础提出的标签生成方法具有不错的效果,最终生成的标签能够 较为准确地描述用户的微博特征。     

微博社区网民情绪引导与舆情控制的SIR演化博弈分析

【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。     

微博社区网络结构特征对舆情信息传播的影响研究

【目的/意义】微博社区网络结构特征一定程度上影响了舆情的信息传播机制。【方法/过程】以社会网络的 角度分析了微博社区网络静态结构特征,同时构建了微博信息传播模型,实证分析了微博社区网络静态结构特征 对舆情传播的影响研究。【结果/结论】实证结果显示,微博社区的网络结构规模、密度以及节点特征参数对舆情信 息传播的受众度、流动度及影响力方面均有显著影响,存在着紧密的内部关联。     

学术APP用户在线评论主题语义关联研究

【目的/意义】针对学术APP评论数据特征，挖掘用户评论语义关联关系，为平台运营者和开发者高效获取 用户需求和关注点提供思路和指导方法。【方法/过程】首先，基于LDA主题模型和GloVe 词向量模型构建学术APP 用户在线评论主题语义关联研究框架，然后，采集超星移动图书馆APP在线评论作为样本数据，通过主题识别获取 用户评论主题并基于词向量相似性得到主题语义关联，最后构建出语义关联主题图谱。【结果/结论】实验结果表明 运用文章提出的思路方法能够有效发现用户评论主题和主题间关联关系并得到主题关联图谱，从而为学术APP平 台运营者完善平台功能提供参考和借鉴。     

时序关联与结构表征视角下的信息隐私研究主题演化研究

【目的/意义】识别信息隐私研究领域的热点主题,梳理主题演化路径。【方法/过程】针对主题识别语义杂乱 等问题,提出时序关联与结构表征视角下的主题演化分析方法。首先利用LDA（Latent Dirichlet Allocation）模型识 别多时间窗口下的文献主题,进一步运用共词分析绘制语义更为独立的主题凝聚子群。在此基础上,从时序关联 维度计算相邻窗口下主题间的相似度,梳理演化路径;从结构表征维度,设计主题新颖度、中心性、影响力等计量指 标,探寻信息隐私前沿和热点主题的演化变迁。【结果/结论】实证分析结果表明,本文方法可以深度挖掘信息隐私 领域研究主题,从宏微观两个维度全面梳理主题的演化路径。研究有利于探测信息隐私研究的前沿。【创新/局限】 综合运用LDA主题模型与共词分析方法绘制主题凝聚子群,从时序演化和结构表征两个维度探寻主题演化路径。 未来研究中有待于引入多种数据源以对比主题差异,有待于引入多元组术语改善主题识别效果。     

多主体干预的微博舆情话题交互传播模型研究

【目的/意义】为识别微博中多个舆情话题的交互传播规律从而使干预决策的制定更有针对性,提出一种多 主体干预的微博舆情话题交互传播模型。【方法/过程】该模型融入网络媒体和政府的多重干预,考虑了多个舆情话 题不平等竞争的特性,并可从交互传播的整体视角来分析干预措施的作用。【结果/结论】仿真实验表明：该模型能 够较好地模拟微博平台中多个舆情话题的交互传播演化趋势;话题交互传播过程中,多主体干预下的舆情治理效 果更好;制定干预决策不能仅关注单一舆情话题,而应综合考虑多个舆情话题及其交互关系。【创新/局限】文章通 过数学建模的方法对多主体干预下的微博舆情话题交互传播过程进行探究,为微博平台监管控制策略的制定提供 了新视角,未来研究可以结合相关实例进行分析,进一步丰富和深化研究结论。     

基于社会网络分析与LDA的虚拟学术社区中用户群体主题挖掘研究

【 目的/意义】研究从用户群体的角度出发,依据用户特征对社区用户进行群体划分,以了解不同用户群体的 主题差异,从而更加全面清晰的了解社区主题,更好的为社区用户推荐资源。【方法/过程】研究利用社会网络分析 和Topsis算法对用户群体进行划分,再利用LDA模型分别对不同用户进行主题挖掘,最后采用谱聚类实现主题优 化。【结果/结论】科学网情报学社区的核心用户与一般用户群体主题有相同的部分,也存在差异,核心用户群体的 主题专指性较强,一般用户群体的主题较为广泛。基于虚拟学术社区用户群体主题挖掘模型,可以更加全面展示 社区用户关注的主题,更好地为社区用户推荐资源。【创新/局限】研究从用户群体的视角出发,提出了虚拟学术社 区用户群体主题挖掘模型,更好的为社区用户推荐资源,但本研究在数据量、主题模型以及社会网络分析指标的选 取等方面还需要拓展与延伸。     

医保欺诈事件舆情传播的情感焦点与情感倾向演化研究——基于舆情客体视角

【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。