微博预置话题与突发话题的特征挖掘研究

[目的/意义]借鉴拉斯韦尔5W传播模型,探讨微博中预置话题与突发话题的特征。[方法/过程]基于因子分析的关键节点影响力评价方法来研究话题节点特征;利用Ward方法对话题博文量曲线进行聚类,并对曲线进行多项式拟合;对话题情感度曲线进行聚类,并对不同类型话题的峰度和整体情感加权平均高峰期进行研究。[结果/结论]话题首节点多是信息分享,其中突发话题的传播多是从事件的客观描述开始;话题微博按博文量可分为前热型、中热型、后热型、爆发型和持续型,其中突发话题比预置话题爆发得更早、持续时间更长;话题出现72小时后公众情感趋于中立,但突发话题情感曲线高峰期比预置话题更集中,整体情感加权平均高峰期更早出现,曲线趋势更复杂。     

基于改良SEIR模型的微博话题式信息传播研究

【目的/意义】研究微博网络中话题式信息的传播模型及规律,对控制舆论和掌握微博信息传播规律具有重 要意义。【方法/过程】以微博信息传播中的SEIR模型为出发点,综合考虑微博网络中话题式信息的衍生特性,构建 改良式的微博话题式信息传播H-SEIR模型,并运用MATLAB进行模拟仿真,对微博中话题式信息传播影响因素 和对应的控制策略进行研究。【结果/结论】验证了所构建的改良微博话题式信息传播H-SEIR模型的可行性和有效 性,揭示了移动网络环境下话题式信息传播规律,为现实微博网络的监管控制策略的制定提供了理论依据。     

基于详尽可能性模型的微博话题可信度影响因素研究

【目的/意义】微博作为主要的社会化媒体,微博话题可信度评估以及从认知角度了解影响微博信息传播的 因素对判别信息可信度具有重要意义。【方法/过程】本文基于现有的详尽可能性模型对信息可信度的研究,从微博 内容、微博作者、社交网络传播三个维度,对影响微博话题可信度的因素进行研究。【结果/结论】结果发现,微博内 容信源的可信度对内容可信度存在显著正向影响,内容可信度对微博信息话题可信度存在显著正向影响,作者专业 知识对作者可信度存在显著正向影响,作者可信度对微博信息话题可信度存在正向显著影响。     

基于话题标签的微博热点话题演化研究

【目的/意义】掌握微博热点话题演化规律有利于让公众了解正确的话题演化方向，也便于有关部门对舆情 监控和引导，使得舆论朝着正能量的方向发展。【过程/方法】利用OLDA（On-line Latent Dirichlet Allocation）可以实 时地追踪热点话题演化的优势以及微博的“话题标签”的特性提出适合微博的热点话题演化模型LOLDA（Label On-line Latent Dirichlet Allocation），然后通过Python编程爬取了新浪微博的数据，从话题内容和强度两方面分析 了话题演化规律，并对话题内容演化规律进行了可视化展示。【结果/结论】改进的LOLDA模型可以准确地发现微 博话题演化规律，通过实验验证了本文提出的模型较传统模型具有更好地泛化能力.     

基于向量空间模型的特征抽取技术分析

特征降维是基于向量空间模型(VSM)文本分类的关键技术之一,特征抽取是特征降维的主要方法。本文主要分析了几种常用的特征抽取方法,并给出了它们的实现步骤。     

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。     

基于因子分析法的微博话题传播影响力评价研究

【目的/意义】微博已经是当今人们生活中离不开的社交网络平台,微博话题作为一个用户参与度较高且观 点聚合度较高的微博众多板块之一,使得有影响力的话题产生成为了一种可能。针对这种可能产生网络舆情的板 块,对于微博话题影响力的评价是极为有意义的。【方法/过程】针对微博话题可能产生的影响力,本文利用因子分 析法,从实证角度对指标体系进行了合理有效性的检验,并且确立了公共因子的占比,得到了综合因子的评价模 型。【结果/结论】研究通过对比实际热门话题榜单发现,微博话题传播影响力主要应从话题人及话题信息两方面出 发进行评价研究较为科学。     

基于领域本体的Web信息抽取模型研究

分析了信息抽取的研究现状,提出了一种基于领域本体的Web信息抽取模型,对模型中的各部分功能进行了简要说明,明确了信息抽取的系统流程,提高了信息抽取效率。     

基于信息抽取的文本知识挖掘模型研究

从文本知识挖掘的定义入手,分析了文本知识挖掘的关键技术,并在此基础上建立了基于信息抽取的文本知识挖掘模型,最后通过实例(DiscoTEX)说明这个模型是可行的。     

基于BiLSTM-CRF的政府微博舆论观点抽取与焦点呈现

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。     

基于VAR模型的微博用户转发行为研究

【目的/意义】随着移动互联网的发展,微博的普及进一步加速了社会突发事件的传播。转发作为最重要的用户信息行为,在很大程度上预示了网络舆情的发展趋势。但是,鲜有研究关注微博内容中的心理语言使用与转发行为的关系。本研究拓展了心理语言学在社会突发事件情境下的应用领域,为政府或企业应急管理部门有效引导网络舆情提供了实践启示。【方法/过程】本文以九寨沟地震事件为例,基于LIWC文本分析工具研究了微博用户心理过程对于转发行为的影响,通过构建VAR向量自回归模型并进行格兰杰因果检验,确定了微博转发行为的心理语言影响因素,并进一步运用脉冲响应函数对转发行为进行了动态分析。【结果/结论】根据实证研究的结果,社会过程词和情感历程词对微博用户的转发行为具有一定的预测作用。     

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。     

基于改进Hegselmann-Krause模型的微博舆论反转研究

为探究舆论反转的机制,减少舆论反转造成的危害,文章基于Hegselmann-Krause模型,引入有向无标度网络并确定衡量节点中心性的"综合中心性"指标,得到改进Hegselmann-Krause模型。利用模型,通过意见领袖观点值改变刻画舆论反转,对舆论反转现象进行描述与分析,并通过对具体案例的模拟,检验模型的有效性,探究意见领袖数量及观点变化强度对舆论反转的影响。结果表明,意见领袖数量越多,意见领袖的观点变化越弱,群体观点越快达到稳定,稳定后群体观点值越一致且平均观点值越接近意见领袖的观点。     

基于特征选择的企业微博转发机制研究

为丰富微博转发机制的研究,引入企业官方微博作为研究对象,探究微博的内容文本特征、形式化特征及时间性特征对微博转发影响的大小及影响规则。分析汇总影响微博转发的全特征集合,在此基础上进行特征选择和微博转发预测,并对不同产品的微博转发预测模型进行对比分析,以期挖掘各产品自适性的转发影响因子,为企业微博营销提供策略支持。     

图书评论特征抽取研究综述

[目的/意义]图书评论是出版社、图书馆和用户研究读者观点的重要线索,评论特征抽取研究是提高图书评论观点精准挖掘效率和准确率的基础性工作。[方法/过程]分别从评论特征抽取研究和图书评论特征聚类、语义表示、隐性特征抽取的典型方法等方面对国内外研究现状进行客观分析,梳理相关领域研究发展脉络和趋势。[结果/结论]指出图书评论特征抽取效率和准确率的提高需要考虑特征聚类、语义表示和隐性特征抽取等关键问题。