| 基于舆情大数据的网络群体性事件动态识别模型与应对策略研究 |
| |
| 作者姓名： | 李金泽 张 鹏 王 娟 何 巍 兰月新 |
| |
| 作者单位： | 中国人民警察大学 |
| |
| 基金项目： | 全国统计科学研究重点项目“基于舆情大数据的社会稳定风险建模与预警研究”(2019LZ07)；;教育部人文社会科学基金项目“‘一带一路’沿线国家涉华舆情态势感知体系与应对研究”(20YJA860002)； |
| |
| 摘 要： | 【目的/意义】随着互联网在社会中的影响力逐渐增大，面对网络群体性事件对社会生活的冲击，需把握网络群体性事件的演化规律，确定事件类别，提炼事件特征，基于不同类别的网络群体性事件，提出有针对性的应对措施。【方法/过程】通过LDA主题模型与K-means算法相结合，利用LDA模型实现文本潜在语义的识别，最终运用SVM算法进行网络群体性事件聚类分析，得到五类网络群体性事件。【结果/结论】构建的网络群体性事件动态识别模型，通过大量的文本训练，在事件聚类数为5时具有良好的解释性，完成了网络群体性事件的客观分类，分别为：经济型、社会型、文化型、民族型和环境型，为政府分类应对策略提供依据。【创新/局限】利用LDA主题模型和Kmeans算法，减少了模型的迭代次数，确定最佳主题数，提高了网络群体性事件识别结果的准确性，但是运用慧科新闻数据库搜集到的文本数据范围有限，且分类结果反应的事件特征具有一定局限性，后续研究可进一步扩大动态文本数据库，对分类算法进行改进和深化。
|
| 关 键 词： | 舆情大数据 网络群体性事件 LDA模型 K-means算法 动态识别模型 |
|
| 点击此处可从《情报科学》浏览原始摘要信息 |
|
点击此处可从《情报科学》下载免费的PDF全文 |
