基于时序共词网络的社交平台话题检测与演化研究

社交平台是网民传达观点和情感的重要途径,分析社交平台话题分布及演化过程能够揭示舆情热点及传播发展过程,对引导公众舆论具有重要的参考作用。本研究利用网络社团演化的方法检测社交平台话题并分析其演化过程。首先,对用户发布的文本内容进行时间切片,构建时序共词网络并提取各时间切片的主干网络,利用Leiden算法检测社团来表示话题。其次,提出基于社团正向和反向转移概率及社团规模的话题演化事件检测方法,识别话题演化中的持续、增长、收缩、合并、分裂、新生以及消亡等事件。以新浪微博平台新冠肺炎疫情相关微博为例,在话题检测中发现,主干网络相较于原始网络能够检测到更多话题,话题内容区分粒度更细。在话题演化分析中,发现了公众情绪由消极转积极、防控和医疗工作专业化、国际疫情蔓延态势及疫情对经济的影响逐步扩大等演化路径。     

基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究

[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。     

网络热点事件中网络暴力影响因素研究

[目的/意义]网络热点事件中网络暴力受到多种因素影响,对其分析能够了解网络暴力传播规律,为舆情引导提供方法指导。当前网络舆情研究主要集中在主题挖掘、情感分析、行为分析以及意见领袖识别等领域,网络暴力传播规律研究相对较少。[方法/过程]本文以网络热点事件为研究对象,首先,获取事件下评论用户的组织关系、评论文本、年龄等数据;其次,对事件负面程度进行评分以及对评论文本的暴力属性进行标注;最后,通过计算意见领袖影响力指数、高质量评论指数等网络要素,分析这些要素与网络暴力之间的相关关系。[结果/结论]对10个网络热点事件进行分析,结果表明：事件负面程度（r=0.99）、负面意见领袖影响力指数（r=0.79）、负面高质量评论指数（r=0.77）与网络暴力之间呈正相关关系;网民年龄（r=-0.61）、正面意见领袖影响力指数（r=-0.86）、正面高质量评论指数（r=-0.81）与网络暴力呈负相关关系。事件负面程度、意见领袖、高质量评论、网民年龄是网络暴力影响因素。     

涉警网络舆情主题发现及情感分析研究

[目的/意义]研究涉警网络舆情主题特点及网民情感变化,可以为构建良好的警民关系和警察形象提供参考,具有重要的社会意义和实际价值。[方法/过程]获取微博平台涉警网络舆情数据,使用LDA主题模型及TF-IDF算法对网络舆情数据进行主题发现研究,基于Word2Vec模型构建涉警网络舆情领域情感词典,进而对网民情感进行分析。[局限]在案例选取及分析方面不够全面。[结果/结论]通过LDA主题模型及TF-IDF算法可以使主题划分更为明显,基于领域情感词典的情感分析也较为准确,更好地反映出舆情传播过程中热点话题及网民情感的变化。     

基于时空大数据的社交网络舆情演化图谱研究——以“天和核心舱发射”话题为例

[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。     

基于情感隶属度模糊推理的网络口碑舆情监测评估实证研究——以手机品牌在线评论数据为例

[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。     

《人民日报》微博的舆论引导机制研究

主流媒体利用微博平台对热点事件进行舆论引导是不可或缺的举措。基于乐清滴滴顺风车案的媒体文本和网民评论的内容分析发现,《人民日报》微博在该事件的舆情发展中进行了有效的舆论引导,表现为:在舆情的发生期,侧重引导追责滴滴公司,及时设置议题,巧用固定栏目;在舆情的扩散期,动态引导规范网民在线评论,有效转化网民负面情绪,避免激发群体极化现象;在舆情的消退期,引导行业的反思整顿工作。《人民日报》微博对热点事件的舆论引导,为我国主流媒体微博账户完善舆论引导机制提供了一定的借鉴。     

融合主题与情感特征的突发事件微博舆情演化分析

[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。     

网络舆情观点提取的LDA主题模型方法

[目的/意义]无处不在的网络舆情信息深深影响甚至误导网络受众,探讨揭示网络舆情观点的方法,旨在拓展用户的认知深度和广度,提高大众对舆论的辨识能力。[方法/过程]从技术上对比分析观点提取方法间的差异,从认知上阐释网络舆论平台的群体智慧和受众个体的认知过程,进而明确LDA主题模型提取舆情观点的优势及路径。[结果/结论]结合舆论主题和情感因素,基于LDA的网络舆情观点提取,可从海量评论中判定深度评论,摘取主要观点,借助群众智慧,有效拓展个体思想和认知,为从大规模舆情中有序呈现受众观点提供新路径,也为舆情监测与疏导提供切实的依据。     

IP属地化政策对舆情评论的影响研究——基于微博用户属地公开的准自然实验

[目的/意义]实证评估公开属地政策能否以及如何对舆情评论产生影响,为网络舆情研究、平台优化和治理提供启示。[研究设计/方法]基于自我监控理论和隐私计算理论构建研究模型和假设,以微博“IP属地”功能的推出为准自然实验,运用双重差分法和断点回归模型探究IP属地化政策对舆情评论的影响。[结论/发现]政策引发用户自我监控效应和风险感知效应,不仅整体改善了评论情感倾向、评论可读性和共情性,也能够显著抑制评论情感极性,该结论在一系列稳健性检验后仍然成立。政策影响在不同用户群体之间存在显著差异,相较处于事件热点中心的用户,属地公开更能促使处于非热点中心的用户做出改变。政策同时加剧评论中的地域歧视现象。[创新/价值]揭示了IP属地化政策对在线评论行为的作用,为清朗网络环境提供新视角,丰富了IP属地化与舆情评论行为影响因素的相关研究。     

网络隐私争议事件中用户隐私关注及情感对比研究

[目的/意义] 人工智能、大数据等领域的快速发展使得商业发展与隐私保护之间的矛盾愈发尖锐。通过对不同类型的网络隐私争议事件微博评论进行情感及话题对比分析,以探究不同情境下网络用户的隐私态度的异同点与背后机理。[方法/过程] 采集2012年至2019年网络隐私争议事件的相关微博评论,对其进行预处理,作为实验数据;基于情感词典计算各评论的情感强度值,并将隐私争议事件分为隐私收集类、隐私曝光类及隐私协议类,对比分析不同情境下的用户评论情感趋势;构建用户隐私讨论对象-情感表达二分网络,并通过二分网络投影构建单顶点网络,结合节点中心性等指标进行二分网络及投影分析。[结果/结论] 结果表明,用户整体隐私关注呈现上升趋势;不同类型隐私争议事件的用户负面情感强度水平不同;不同隐私争议情境下用户的关注热点差异较大,情感表达各有特点。以上结果表明不同情境中的用户隐私关注及情感表现具有明显差异。     

网络舆情衍进指数构建与实证分析

[目的/意义]提出和构建网络舆情衍进指数，以描述网络舆情演化过程中常衍生出新的子话题的现象，对于舆情预警、预测具有重要的理论及实践意义。[方法/过程]以文本聚类结果和文本聚类有效性为依据，提出网络舆情衍进的判别标准和舆情衍进指数的构建过程，并以"教科书老赖"这一事件作为样本数据进行实证分析。[结果/结论]所构建的舆情衍进速率指数可以用于描述舆情衍进。在突发期阶段话题舆情衍进指数最高，此后逐渐下降，这一阶段的舆情衍进最为剧烈，子话题的出现呈现爆发性增长；舆情衍进指数在舆情蔓延期内出现阶梯式下降，此后保持为负值，舆情的子话题开始逐渐减少，舆情内容本身由发散转为收敛；进入消散期后，子话题数量趋于稳定。作为舆情衍进速率的测度和舆情衍进的判别方式，舆情衍进指数为舆情监管和舆情预警提供了全新的角度。     

基于本体的网络舆情观点挖掘方法研究

随着互联网的不断普及和发展,互联网延续了突发公共事件和热点话题此起彼伏的状态,网民的表达意愿和参与意识持续高涨,踊跃发声建言,在一系列突发事件上,“新意见阶层”进一步凸显出网络舆论的巨大能量,从而形成网络舆情。本文从网络舆情的概念出发,引出观点挖掘在网络舆情中的应用,基于本体构建了一个观点挖掘系统,提取网络舆情评论中的正面和负面评论,并进行比较。该系统能够为用户提供更加准确的情感倾向性分析结果     

论反转网络舆情的三个重要环节--以“手术室自拍”事件舆情导控为例

自媒体时代,与大众利益息息相关且社会矛盾尖锐的话题极易激发网民的宣泄情绪,生发恶性舆情。“手术室自拍”事件正入医患关系的舆情敏感区,并上演了一出网络舆情反转剧。本文认为,网络意见领袖声援正面舆论、主流媒体担当权威信源、深度评论调解网民心理,这是在“手术室自拍”事件中显现出的三个舆情导控的重要环节。     

基于网络问答社区的话题识别与分析——以知乎“老年人”话题为例

[目的/意义]针对目前基于网络的话题识别与分析方法的局限性,提出针对网络问答社区的话题识别与分析方法,为此类网站的话题识别与分析提供参考。[方法/过程]以改进的中文分词技术为基础,构建网络问答社区的话题识别指标,通过线性加权方式计算权重,结合关键词提取方法确定话题关键词,对话题关注焦点进行提取,对分布情况进行测度。依据所提出的改进方法,以知乎网站为数据来源,从话题关键词、关键词分布以及热点子话题3个角度对"老年人"话题焦点进行识别与分析。[结果/结论]研究表明,该方法具有科学性和可行性,不仅拓展了社会问题的分析数据源,也为"积极开展应对人口老龄化行动"提供了决策依据。     

基于视觉的网络舆情事件中网民情感分析研究

[目的/意义]当前网络舆情事件中网民情感分析研究多聚焦于文本、文本结合图片和视频等内容,缺乏针对图片的探讨。同时,视觉情感分析中多视觉语义特征融合缺乏相应的理论指导。[方法/过程]文章借鉴多模态融合思想,以此作为多视觉语义特征融合的理论指导,按照特征层融合、中间层融合、决策层融合和混合融合策略,以在ImageNet数据集中预训练的VGG19模型和Xception模型为基础,设计对应的网络舆情视觉情感分析模型。[结果/结论]文章将提出的模型在网络舆情图片数据集中展开实证研究,并同基线模型做对比。实验结果表明我们提出的基于决策层融合的网络舆情视觉情感分析模型表现最佳。为增强模型的可解释性,本文对网络舆情视觉情感分析模型中卷积层的输出进行了可视化分析。     

多媒体网络舆情信息传播要素细分及属性分析

[目的/意义]从不同维度对多媒体网络舆情信息传播要素的类型和属性进行分析，进而有效提升多媒体网络舆情信息的处理效率和利用价值。[方法/过程]通过文献调研法对多媒体网络舆情信息传播要素中的主体、客体、本体、媒体和环境噪音从类型和属性两方面进行分析，对多媒体网络舆情发展演化过程中产生的数据形式和内容进行系统梳理。[结果/结论]多媒体网络舆情信息数据类型多样，对多媒体网络舆情信息传播要素的类型和属性进行分析，有助于为多媒体网络舆情信息系统整合和数据库建设提供理论基础和研究思路。     

基于复合词生成的网络热点话题识别及描述算法

[目的/意义]在海量网络新闻和微博等新媒体文本中自动识别网络热点话题并抽取有意义词串来描述热点事件,对自动识别和描述网络舆情具有重要的研究意义。[方法/过程]在现有热点描述词抽取方法中,利用关联规则或多元词组合方法在抽取过程中存在噪音词较多和特征词语义被放大或转移等问题。本文提出一种基于复合词生成的描述词抽取方法,在所提取的语义更为精确的描述词集合上使用一趟聚类算法对新闻文本进行聚类,自动识别网络热点话题并对热点话题进行排名。[结果/结论]对腾讯新闻事件文本数据集所做的实验结果表明,本文所提出的方法较传统的词特征抽取方法在聚类结果上具有更好的话题簇识别能力和簇描述能力。     

基于利益相关者的突发事件网络舆情演化研究

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。     

基于情感分析与主题分析的“后微博”时代突发事件政府信息公开研究——以新浪微博“天津爆炸”话题为例

[目的/意义] 旨在通过对突发事件舆情研究,探索危机传播管理中的舆情研判方法,并进一步为政府信息公开提供实操方法的建议。[方法/过程] 在理论研究层面,基于危机传播的基本要点,对信息发布效果和舆情实时反馈进行综合分析;在应用处理层面,以新浪微博中“天津爆炸”事件相关信息为例,爬取新浪微博全量数据,基于危机传播领域知识和信息发布文本构建领域词表,并结合危机传播阶段特征,对全量数据进行主题提取和情感分析。[结果/结论] “后微博”时代,微博用户量下降,但其仍旧是突发事件信息公开和舆情扩散的主要阵地。探求突发事件下政府如何利用微博平台,收集、研判、应对网络舆情,为做好信息发布工作提供科学的分析方法和应对手段。