大数据环境下网络舆情信息交互模型研究

[目的/意义]面向大数据研究多个网络传播平台之间网络舆情信息交互模型,能够准确把握大数据环境下网络舆情演化趋势以及网络信息在多个平台之间的传播规律,为政府治理网络舆情提供参考依据。[方法/过程]定性分析大数据环境下网络舆情信息交互机理,通过定义交互系数,基于微分方程理论构建网络舆情信息交互模型,并应用差分回归法对各个媒体平台的网络舆情信息交互趋势开展预测。[结论/结果]经过理论建模和实证分析得出本文构建的信息交互模型及趋势预测方法是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情演化规律,制定网络舆情治理对策提供参考依据。     

突发公共卫生事件中中国网民关注度分析——基于新冠肺炎网络舆情数据

[目的/意义] 利用新冠疫情网络舆情数据来研究突发公共卫生事件中中国网民关注度,有助于提升疫情期间政府信息供给效率、满足公众需求和提供社会支持等。[研究设计/方法] 通过新浪舆情大数据平台获取研究数据,包括：疫情流行高峰期间全网舆情数据、每日转发排名前100名热门微博、每日新增病例数据等。采用描述性统计、列联表分析、回归分析等方法,研究突发公共卫生事件中网民关注度变化趋势及影响因素。[结论/发现] 疫情爆发初期,媒体大规模报道造成大量网民对事件关注;随着疫情严重,新增病例与网民关注出现同频共振;媒体报道初期,网民关注度集中趋势高;防疫举措、鼓励加油、捐献赠送、倡议建议、赞誉肯定5大关注主题,贯穿疫情流行高峰;主流媒体发布微博受关注最多,不同账户类型情感倾向有显著差异;网民总体关注度受新增病例和变异系数影响;每日热门舆情关注度,受新增病例、变异系数、舆情总量和戏剧性分值影响;单条微博受关注程度与当日相关话题总量和微博粉丝数有一定关系。[创新/价值] 本文系统分析了突发公共卫生事件中网民关注度变化趋势和影响因素,为政府决策提供支持。     

基于双重失衡环境的网络舆情演化机理与治理策略研究

[研究目的]网络信息的快捷性、非理性加剧了网络舆情生态的失衡与恶性发展。厘清网络舆情传播的影响因素和动态演化机理,为辅助政府相关部门防范化解舆情风险提供理论依据。[研究方法]基于信息生态视角,通过分析信息、信息人和信息环境三要素,将舆情系统划分为事件、网民、媒体和政府子系统,构建信息供需、情绪态势双重失衡环境下的系统动力学舆情演化模型,并利用Vensim PLE软件进行模拟仿真。[研究结论]结果表明：事件、网民、媒体和政府四个作用主体与网络舆情风险存在相互作用关系,在双重失衡环境下事件危害程度、网络媒体的涉利程度、网民参与约束、意见领袖作用、政府信息公开程度等因素对网络舆情风险影响程度较大。最后,从网民主体信息溯源、形成心理震慑效应、发挥主流媒体影响力、抨击处罚恶意营销媒体、强化网民媒体自我约束、加大问责监管力度防范化解舆情危机,为网络舆情治理提供一定参考。     

大数据背景下网络舆情信息异化控制模型研究

[目的/意义]面向大数据研究网络舆情信息异化机理以及控制模型,是政府控制信息异化程度的关键,为政府应对和治理网络舆情提供理论参考依据。[方法/过程]定性分析大数据环境下网络舆情信息异化机理,将网络舆情演化机理模型拓展为信息异化控制模型,并在此基础上通过数值仿真研究政府控制信息异化的分类问题。[结论/结果]经过理论建模和实证分析得出本文构建的信息异化控制模型是可行的,以上理论研究可为政府准确把握大数据环境下网络舆情信息异化程度,制定网络舆情治理策略提供参考依据。     

基于贝叶斯网络的网络舆情态势评估分析——以“新冠肺炎疫情”事件为例

[目的/意义]重大突发事件对提高国家社会治理能力提出了新的要求,提升网络舆情态势评估能力成为创新社会治理的重要内容。[方法/过程]该文从网络舆情事件特征、关注度、传播扩散度及网民观点倾向等方面构建网络舆情态势评估指标,利用贝叶斯网络构建网络舆情态势评估模型,以“新冠肺炎疫情”事件为例,对网络舆情态势进行评估分析。[结果/结论]通过对网络舆情事件的测试,本文提出的方法具有较好的舆情态势评估效能,对“新冠肺炎疫情”相关网络舆情治理提出了建议。     

社会热点事件中网络用户暴力行为画像研究

[目的/意义]网络用户暴力行为画像能够揭示网络舆情内在发展规律,为舆情治理提供决策依据。[方法/过程]以8个热点事件网络评论为研究对象,运用一致性检验方法标注暴力评论,然后,使用卡方检验分析网民关注度差异性、网络暴力差异性以及网络暴力诱发因素。[结果/结论]负面事件中网络暴力用户占比较高,可见负面事件是引发网络暴力的主要因素。不同性别、年龄网民在各自关注领域网络暴力高于其他低关注度群体：男性喜欢关注国际时事、国家发展、战争、历史等热点事件,女性喜欢关注生活、家庭、娱乐等热点事件;年轻网民网络暴力高于年长者,青少年网民应为网络暴力治理重点。     

面向大数据的网络舆情异常数据监测与应用研究

[目的/意义]通过对网络舆情数据的动态监测和异常感知,及时预警舆情异常,为政府掌握舆情决策的先动优势提供理论模型和可行思路。[方法/过程]分析大数据环境下激增、波动等网络舆情数据异常现象,明确舆情趋势预测、动态感知异常等异常数据监测机理。基于此,首先运用Gompertz模型进行舆情趋势区间预测,其次定义偏离度进行数据异常评级,并确定预警等级,实现异常数据的及时捕捉和快速预警。[结论/结果]通过实例验证,证明了模型可行性,可以为政府舆情引导程度提供度量依据,也为编制智能化的舆情监测软件提供算法支持。     

新媒体环境下突发环境事件网络舆情风险信息感知模型

[目的/意义]网络舆情风险信息涉及要素较多，为了提高网络舆情风险信息感知效果，在新媒体环境下构建了突发环境事件网络舆情风险信息感知模型。[方法/过程]建立突发环境事件网络舆情信息流风险指标集，赋予评价指标权重，对权重离散化处理，构成相似系数矩阵。通过舆情主体建模、舆情信息模型建立与网民情感模型建立3个部分分析网络舆情传播核心要素演化规律。在此基础上计算传播概率，确定用户传播信息的涉入程度，采用Logistic回归模型感知风险信息风险高低。采用决策树对舆情风险预警，实现突发环境事件网络舆情风险信息感知。[结果/结论]实验结果表明，所构建模型应用后的事件舆情情感演化情况分析准确性较高，各个事件的转发数量和恶意评论数量感知准确度较高，预警效果更好，有效提高了突发环境事件网络舆情风险信息感知效果。     

网络舆情引导的Allee效应建模与仿真研究

[目的/意义]研究网络舆情引导的Allee效应，丰富网络舆情引导理论研究。[方法/过程]通过分析网络舆情引导的Allee效应，以Logistic模型为基础模型，构建Allee效应作用下网络舆情引导主体的交互模型，通过仿真探索Allee效应作用下网络舆情引导主体引导效能的演化特征，明晰互惠、竞争、净化交互下Allee效应对于引导主体理想型和一般型引导的作用机理。[结果/结论]通过理论分析与仿真研究验证了Allee效应对于网络舆情引导的影响。     

网络舆情危机事件对网民情绪传播的影响机理——基于D&G辱华事件的扎根理论研究

[目的/意义]网民对突发事件的评论和传播会造成涉事组织的网络舆情危机,影响组织的声誉和形象。而网民的情绪化传播是引发网络舆情危机的重要因素,但目前缺乏对网民情绪化传播机理的研究。[方法/过程]使用扎根理论研究方法,以D&G辱华事件为对象,以网民对事件的评论内容为样本进行研究。[结果/结论]通过三级编码归纳出情绪化传播的形成要素,构建了网络舆情情绪化传播的机理模型。     

基于大数据分析的网络舆论分阶段控制与引导研究

[目的/意义]基于网络大数据,分析多种主客观因素在网络事件不同发展阶段所起的作用,探究其影响规律和最优控制手段,对引导社会舆论健康发展有着非常重要的意义.[方法/过程]选取网民、政府媒体、网络大V、企业和其他新闻媒体、持续时间作为控制指标,运用层次分析法确定权重;选取网络热点事件作为样本,利用理想解法构建综合评价模型,...     

基于系统动力学模型的政务短视频网络舆情动力演化分析

[目的/意义]随着5G时代的到来,短视频的信息传播成为引导网民舆情的重要工具,如何运用政务短视频导控网络舆情成为政府面临的新挑战。[方法/过程]将政务短视频网络舆情分为舆情事件、网民和政务短视频三个子系统,借助Vensim PLE软件,构建政务短视频网络舆情多主体应对仿真模型,并结合具体案例"黑龙江疫情反弹"仿真分析子系统中各影响因素之间的相互作用关系,探究政务短视频网络舆情传播的动态机制。[结果/结论]结果表明:政务短视频网络舆情受舆情事件、网民、政务短视频子系统及其相关因素的共同影响。因此,政务短视频可以通过控制三个子系统的相关因素,有效应对和导控网络舆情。     

微博环境下高校舆情情感演化图谱研究——以新浪微博“高校学术不端”话题为例

[目的/意义]掌握和了解微博环境下高校舆情情感的演化规律,对相关部门加强高校舆情监测监管,使高校适时采取措施应对负面舆情事件的恶性传播具有十分重要的意义。[方法/过程]本文通过文本挖掘并利用词云可视化展示对文本特征进行分析;基于朴素贝叶斯分类器将网络用户评论文本进行情感分类;结合用户情感演化与舆情事件发展周期的分析动态展示高校舆情情感演化图谱。[结果/结论]网民负向情感的占比在舆情蔓延期达到顶峰,中性情感的占比在舆情蔓延期最低,正向情感的占比在舆情周期中几乎没有变化。通过对微博环境下高校舆情情感演化图谱进行研究,为微博环境下高校舆情的研究提供新的理论支撑,在实践层面为舆情监管部门及时监测和有效引导高校舆情走向起到针对性的作用。     

基于贝叶斯网络的网络舆情危机节点诊断研究

[目的]研究大数据网络环境发展新形势下,通过概率分析判断导致危机爆发的关键环节,为网络舆情危机管理决策提供依据。[方法]使用贝叶斯模型作为分析工具,探究网络舆情危机关键节点诊断的流程和机理。建立网络舆情危机分类匹配模型和关键节点诊断模型。[结果]建立60个网络舆情危机事件训练组得出模型条件概率表,3个测试组样本经实证诊断结果与事实相符。[局限]贝叶斯网络结构的构建需要进一步通过定量分析进行优化。[结论]对网络舆情危机进行分型,并精确地从复杂变量中诊断出对危机态势最具影响的关键节点。     

基于深度学习的"教育公平"网络舆情分析

[目的/意义]旨在构建一个网络舆情系统,及时准确地挖掘海量网络数据,分析社会热点事件的网络舆情。[方法/过程]结合深度学习技术,构建了一个基于内容与结构的舆情分析模型,其中利用Bi LSTM-CNN深度模型对舆情内容进行情感分析,利用社会网络分析法对舆情网络进行结构分析。[结果/结论]实证分析表明了该模型在公共事件舆情分析上的有效性和优越性。从结构和内容两方面分析,能为公共事件网络舆情分析提供新思路。