共查询到20条相似文献,搜索用时 93 毫秒
1.
2.
在提出研究假设的基础上.对杭州下沙高教园区大学生微博用户作关于使用动机、行为、认知态度等的随机抽样调查和分析。从微博定位、关注对象、功能选择、界面风格及发布内容等方面,探讨图书馆如何适应微博平台的属性和大学生微博信息利用的特点,提供高质量、高人气的微博信息服务。 相似文献
3.
4.
通过调查问卷的方式面向194位微博用户搜集实证资料,考查微博在人们日常生活信息获取过程中的角色和作用,分析微博用户日常生活信息获取过程中的人群属性和主题特征,研究微博用户日常生活信息获取行为模式及其影响因素,以期从理论上补充国内对日常生活信息获取研究的不足,推动其理论创新。 相似文献
5.
鉴于近年突发事件在微博传播的巨大影响力,提出基于爆发词识别的微博突发事件监测方法。把微博突发事件监测分为微博预处理、爆发词抽取、爆发词聚类三个模块。先提出微博噪声数据过滤规则从海量数据中过滤噪声微博,然后采用相对词频、词频增长率、爆发词权重三个计算指标来提取出爆发词特征,最后采用共词分析方法来实现爆发词聚类,从而提取突发事件。最后以新浪微博数据为例进行实验,验证了提出的算法对突发事件监测能取得不错的效果。 相似文献
6.
8.
[目的/意义]以抖音用户为研究对象,探究在突发事件中短视频用户信息交互行为的影响因素,为政府相关部门做好突发事件网络舆情引导工作和为营造良好的网络信息交互环境提供参考,进而提高抖音用户在突发事件中的信息交互体验。[方法/过程]以社会认知理论为基础构建突发事件抖音用户信息交互行为影响因素模型,通过问卷调查和结构方程进行实证研究以验证模型的有效性。[结果/结论]结果预期、抖音平台质量、信息交互能力、人际关系和社会影响对抖音用户信息交互行为有正向影响;自我效能感对抖音用户信息交互行为的影响不显著。 相似文献
9.
[研究目的]分析突发事件中网民信息异化模仿行为类型及发生机理,为网络舆情回归健康状态提供支持。[研究方法]整合现有理论分析视域,从政府公权力和网民行为取向两维度构建突发事件中网民信息异化模仿行为的解释框架,提炼概括网民模仿行为类型,继而应用案例研究法对网民模仿行为进行分析,探寻突发事件中网民信息异化模仿行为的发生机理。[研究结论]突发事件中网民信息异化模仿行为可以分为集群式、散点式、观览式、终止式四种。突发事件或突发事件情景的同源性、同质性和可比性、信息异化模仿行为低成本与高收益、突发事件中信息传导行为内卷化均是模仿行为发生的重要原因。解决该问题,需遏制信息异化生产、分型处置模仿行为以及营造良好网络舆论环境。 相似文献
10.
11.
12.
13.
微博是目前广泛应用的社会化媒体之一,出版社也利用微博开展营销活动提升影响力。本文选择了腾讯微博中经官方认证且有一定影响力的15家出版社微博,以它们组成的微博互链网络为研究对象,运用社会网络分析方法,从密度分析、中心性分析、凝聚子群分析三方面对出版社微博互链网络进行分析评价,并对出版社微博的发展提出建议。 相似文献
14.
对微博用户间的潜在关系进行挖掘,有利于促使微博用户圈子的形成,使微博用户圈作为现实生活中人与人之间圈的网络映射而存在,有利于更好实现微博用户推荐以及广告的定向推送。以微博用户标签数据为例,基于用户间的标签耦合来挖掘微博用户间的潜在关系,对标签耦合强度从标签余弦距离和标签Jaccard距离两个角度进行规范化处理,并结合样本数据对两种方式的结果进行了对比分析。 相似文献
15.
以味千(中国)"骨汤门"事件为例,采用向量自回归(VAR)、脉冲响应分析等方法,将微博平台上企业突发危机事件网络舆情影响力分为意见领袖舆情影响力、媒体用户舆情影响力、普通用户舆情影响力,实证分析了群体舆情影响力对企业股价的冲击幅度。研究结果表明:在企业突发危机事件期间,群体舆情影响力对企业股价造成了负向冲击;群体舆情影响力越大,对企业股价造成的冲击越大;在舆情发展初期,群体舆情影响力对股价的冲击幅度最大,随着舆情热度减弱,冲击幅度逐渐减小。 相似文献
16.
17.
18.
基于行为的企业突发事件演化动力学模型及仿真 总被引:1,自引:0,他引:1
鉴于企业突发事件演化是多因素交互作用的结果,重点从企业应急行为和公众行为反应视角出发分析了事件演化的驱动因素及其作用机理,进而建立了包含事件初始特征、企业应急行为适宜性、经营系统健康度和公众过激行为反应强度等模块在内的交互耦合系统动力学模型,并采用Vensim PLE进行了模拟仿真。仿真结果表明:企业风险意识、应急准备水平、响应速度、企业信任指数、公众舆论指数和企业利益相关者过激行为强度等变量与企业突发事件影响力存在较强的交互关系,并能够对后者产生重要影响。 相似文献
19.
[研究目的]针对主流话题发现模型存在数据稀疏、维度高等问题,提出了一种基于突发词对主题模型(BBTM)改进的微博热点话题发现方法(BiLSTM-HBBTM),以期在微博热点话题挖掘中获得更好的效果。[研究方法]首先,通过引入微博传播值、词项H指数和词对突发概率,从文档层面和词语层面进行特征选择,解决数据稀疏和高维度的问题。其次,通过双向长短期记忆(BiLSTM)训练词语之间的关系,结合词语的逆文档频率作为词对的先验知识,考虑了词之间的关系,解决忽略词之间关系的问题。再次,利用基于密度的方法自适应选择BBTM的最优话题数目,解决了传统的主题模型需要人工指定话题数目的问题。最后,利用真实微博数据集在热点话题发现准确度、话题质量、一致性三个方面进行验证。[研究结论]实验表明,BiLSTM-HBBTM在多种评价指标上都优于对比模型,实验结果验证了所提模型的有效性及可行性。 相似文献