突发事件网络舆情领域情感词典构建

[目的/意义]情感分析技术广泛应用于网络舆情方面,该技术可以有效地区别分析网民在网络社交平台所发布言论的情感极性。受到应用领域的限制,基础的情感词典并不能满足特定应用领域对于情感分析的需求。本文构建的词典可以满足网络舆情领域的情感分析需求。[方法/过程]先使用TF-IDF和TextRank提取种子词,然后采用SO-PMI算法构建突发事件网络舆情领域的情感词典。[结果/结论]使用该情感词典对“昆山反杀案”这一突发事件的微博评论进行情感分析,证明了所构建的情感词典在一定程度上具有准确性及适用性。     

基于情感倾向性分析的网络舆情情感演化特征研究

[目的/意义]旨在通过对网络舆情进行情感倾向分析和舆情追踪,为政府有效掌控网络舆情突发事件提供理论基础与决策支持。[方法/过程]以"罗一笑"事件为例,在建立加入特定事件语料情感分类词典和构建情感倾向分析模型的基础上,统计该事件微博文本的情感性强度和情感类型,从而划分网络舆情演化阶段。[结果/结论]揭示了舆情演化各阶段的特征与规律,据此提出引导网络舆情情感演化的相关建议。     

面向时间序列的微博突发事件衍生舆情情感分析研究 ——以 “6.22”杭州保姆纵火案衍生舆情事件为例

【目的/意义】将时间序列分析方法引入情感分析,可以对微博突发事件衍生舆情作出科学预测,为政府掌 握舆情情感走势,从而根据舆情发生的不同阶段采取相应的导控策略提供合理的意见与指导。【方法/过程】结合 突发事件衍生舆情的特点,采用词集合并法、SO-PMI、PMI-IR等方法构建了微博突发事件衍生舆情专属情感词 典,随后利用该情感词典和时间序列分析方法对“6.22”杭州保姆纵火案衍生舆情事件进行实证分析。【结果/结论】 对该事件的日均情感值进行计算,与实际情感值拟合程度较好,证明了建立的衍生舆情情感词典及时间序列模型 较为科学,可以为政府选择相应的策略及应对时机提供一定的参考。     

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。     

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。     

面向多维风险场景的突发事件网络舆情风险评估研究

[目的/意义]研究突发事件网络舆情风险建模,为突发事件网络舆情风险防范提供理论方法和实践指导。[方法/过程]基于舆情生命周期理论与舆情风险演化机理构建突发事件网络舆情风险评估指标体系,采用AHP层次分析法计算其权重系数并在多维风险场景中开展突发事件网络舆情动态风险评估。以“成都49中学”为案例,进行风险评估验证。[结果/结论]依据风险评估结果得出政府的处置行为、危机意识;事件的类型、影响范围、连锁反应;媒体的议程设置与网民的利益诉求是引发突发事件舆情风险的高概率因素,以此针对上述风险因素提供治理策略。     

自然灾害事件网络舆情情感演化特征分析——以“河南暴雨事件”为例

[目的/意义]探索河南暴雨事件的网络舆情情感演化特征,为自然灾害事件网络舆情治理提供参考。[方法/过程]基于网络舆情发展中情感演化视角,构建了河南暴雨事件网络舆情处理分析模型,以微博舆情数据作为研究对象,采用SnowNLP、词云等方法揭示其情感特征和情感倾向。[结果/结论]网络舆情处理分析模型能够合理划分舆情演变阶段,发现舆情演变规律,为相关部门提供有针对性的引导策略及理论支撑。     

信息生态视角下微博舆情生态性评价指标及实证研究

[目的/意义]新时代呼唤构建良好的网络舆情生态,微博舆情生态性评价指标有助于舆情监管部门制定相应引导策略。[方法/过程]从信息生态视角出发,运用层次分析和模糊综合评价法构建微博舆情生态性评价指标,并结合新浪微博突发事件爆发期阶段进行实证分析。[结果/结论]数据结果表明,微博平台信息生态系统中舆情用户的信息素养较低,对舆情的理解能力较差,舆情用户缺乏主动沟通的能力。监管部门要注重对舆情用户信息素养的培养,促进微博不同舆情社群的信息交互。     

基于LDA与BERT-BiLSTM-Attention模型的突发公共卫生事件网络舆情演化分析

[目的/意义]探索突发公共卫生事件网络舆情发展周期中的主题和情感演化历程,研究影响网民情感波动的因素,为网络舆情有效管控提供决策支持。[方法/过程]结合博文数量的时序特征和生命周期理论进行周期划分,利用LDA模型、BERT-BiLSTM-Attention模型构建研究框架,探究不同周期的舆情主题差异及情感演化。[结果/结论]线下病毒变异演化和线上舆情主题与情感演化具有关联性。在新型冠状病毒变异语料库中,BERT-BiLSTM-Attention模型分类准确率为0.8817,F1值为0.8778,其在情感演化分析上具有优越性。构建的“数据采集预处理、舆情周期划分、主题演化和情感演化到获得策略输出”的全过程分析框架对相关部门有效引导网络舆情提供了决策支持和理论支撑,BERT-BiLSTM-Attention模型能更准确地进行情感分类。[局限]数据源单一,面向时间维度上的演化历程未进行时空结合的演化分析。     

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。     

基于情感语义空间的食品安全舆情情感分析

[目的/意义] 区别于单一维度的情感强度测度,基于情感语义空间的食品安全舆情情感分析从立体空间角度探析情感的细粒度表征及情感焦点,对政府及有关部门提升舆情治理水平具有重要意义。[方法/过程] 运用PAD情感模型构建情感语义空间,以2018年食品安全舆情为例,一方面,将情感词映射至情感语义空间,根据位置判别情感词多维情感强度;另一方面,根据情感语义空间的表现形式划分情感层次,探寻不同情感指向特征。[结果/结论] 多维情感语义空间中,食品安全舆情情感的自我认知层愉悦度较高,表明公众认为自身对食品安全有较好的认知;舆情中社会发展和民生民意空间呈现明显的负向情绪,且网民在表达该类情感时的神经生理激活水平较高,应引起政府高度重视。食品安全舆情中的意见领袖对他人情感有较强的影响力,政府应加强与该领域意见领袖的沟通与引导。     

突发公共卫生事件科研信息报道的网络舆情特征分析及应对策略

[目的/意义] 新型冠状肺炎防治的科研信息报道是公众关注的重要话题,极易引发网络信息泛滥和社会公众恐慌。如何引导突发公共卫生事件科研信息报道网络舆情走向成为重要课题。[方法/过程] 本文选取"双黄连事件"作为研究案例,在新浪微博上分别爬取原始话题和回应话题下的发帖、转发和评论等数据,通过统计分析法、情感分析法等方法讨论科研信息报道的社会热度和公众态度,分析官方媒体和权威专家的回应对事件舆情发展的影响。[结果/结论] 研究结果发现,公众高度关注科研信息报道,并表现出较为极端的情绪;而官方媒体和专家的权威回应会影响到事件的话题热度,进而影响公众情感取向。官方媒体具有强大的传播力和影响力,成为公众获取科研信息的主要途径。在此基础上,构建了"官方媒体-权威专家-普通公众"三方协同的管控机制,以有效应对突发公共卫生事件科研信息报道所引发的网络舆情。     

基于框架语义的在线医疗评论情感分析

[目的/意义] 随着"互联网+"在医疗服务行业的应用与发展,积累了大量的医疗评价信息,利用情感分析技术可以对其进行有效地挖掘和利用,从而为医疗管理提供决策参考。[方法/过程] 基于框架语义理论建立医疗情感语义分类词典;采用词典和规则相结合的方法进行在线医疗评论的情感语义分析,标注情感类别、情感主题、极性和强度等信息。[结果/结论] 通过在线医疗评论数据测试,验证了研究方法的有效性和科学性,是情感分析向医疗健康领域纵深发展的一次有益探索。     

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。     

基于贝叶斯网络的网络舆情案例匹配模型

[目的]通过研究当下网络环境的具体情境,利用概率分析的方式判断具体舆情所属的案例类型,从而为网络舆情危机响应决策提供依据。[方法]使用贝叶斯网络模型作为分析方法,构建网络舆情案例匹配的指标体系和案例匹配模型。[结果]通过48个网络舆情危机中的随机43个事件作为训练数据,构建贝叶斯网络模型,使用剩余5个网络舆情危机事件作为测试组,经检验测试样本案例匹配结果与事实相符。[结论]本文通过构建网络舆情案例匹配的相关指标体系和贝叶斯网络模型,为对网络舆情进行分型,从而为舆情危机响应提供了决策依据。     

突发事件微博网络舆情分析及可视化——以“武汉封城”为例

[目的/意义]结合微博舆情社会属性与外化表现模型,对微博网络舆情进行研究。[方法/过程]基于心理学、传播学理论从人、事、情三个维度对突发事件微博舆情进行分析,以“武汉封城”事件为例进行实证研究,并建立网站进行相关可视化展示。[结果/结论]深入剖析舆情背后公众的关注重点,为舆情趋势的研判,政府对舆情的治理提供可靠的依据。从情报学、心理学、传播学多角度出发,定量和定性方法相结合,充分解读舆情,为以后的舆情研究提供新角度和新思路。     

突发事件网络舆情关键节点识别及导控对策研究——以“大贤村遭洪灾事件”为例

[目的/意义]当今,在多极化信息传播模式下,及时防范和有效处理突发事件网络舆情迫在眉睫。[方法/过程]采用社会网络分析方法,结合具有典型代表意义的突发事件案例,对其产生的网络舆情数据加以采集与组织,接着进行了突发事件网络舆情传播的定量化的测度分析,试图挖掘与识别关键节点并解释其内在的结构特征与演变规律。[结果/结论]根据本文案例研究结果,提出了针对突发事件舆情传播网络结构本身的控制对策;借助香农信息通信理论,提出了针对舆情主体的信源（政府）—信使（媒体）—信宿（公众）思维变革的突发事件网络舆情引导对策;基于善治理论,提出了政府应坚持"善治"理念,与公众协同管理的突发事件网络舆情引导对策。     

社会共情:热点事件网络舆论形成机制与舆论场融合——基于《大江大河》新浪微博的扎根分析

[目的/意义]改革开放成为当代中国多元社会思潮交汇和引发公众追忆的热点事件,基于“大江大河”网络舆论考察热点事件网络舆论形成的机制与舆论场融合新模式。[方法/过程]将抓取的584条新浪微博精华帖作为扎根理论分析的经验资料,实施开放式编码、轴向编码和选择性编码等三个编码过程,进行自下而上的理论建构。[结果/结论]研究发现,微博互动中的剧情评价、追星推剧、情感共鸣三者的互相作用形成了微博舆论场的社会心理机制,多元主体将剧情发展与身份角色、生命历程和情感体验融为一体,促使产生社会共情效应。追求社会共情是理解舆论场融合的新视角,积极联结起主流意识与公众主体,打通社会舆论场内部的壁垒与隔阂,形成社会凝聚的有效机制。     

基于政务微博的信息公开与舆情演化研究——以新冠肺炎病例信息为例

[目的/意义]从数据层面探索信息公开与舆情演化之间的关系,为完善重大突发公共事件中的政府信息公开制度提供参考。[方法/过程]以政务微博为研究平台,选取新冠肺炎疫情事件为典型案例,聚焦病例信息公开及评论数据。使用内容分析法提取信息公开特征,基于SnowNLP模型计算社会情绪,结合焦点诉求分析舆情演化趋势。引入政府危机管理系列理论,探讨信息公开与舆情演化的双向作用机制。[结果/结论]信息公开不足会导致消极的社会情绪。随着信息公开工作的改进,公众诉求的态度和内容从一开始的强硬、笼统变得温和、具体。信息公开与舆情演化在周期上具有同步性,二者相互影响,这对于政府把握舆情规律,推进应急管理工作发展有重要意义。