新冠肺炎疫情微博舆情传播的网络结构分析

[目的/意义] 新冠肺炎疫情是新中国成立至今传播速度最快、传染范围最广、防控难度最大的一次重大突发公共卫生事件，微博是新冠肺炎疫情舆情传播的重要场域，加强突发公共卫生事件微博舆情的针对性研究，利于有效应对突发公共卫生事件舆情。[方法/过程] 基于社会网络分析法，探索新冠肺炎疫情舆情传播的网络结构特征、各传播主体的位置与角色。[结果/结论] 新冠肺炎疫情微博舆情体现出总量巨大、节点林立、关系复杂的网络特征；不同类型的微博用户在网络中的传播作用各不相同，官方媒体微博、商业媒体微博、自媒体微博在突发事件舆情网络中占据不同的传播位置、具有不同等级的传播能力；在突发公共事件舆情应对和引导过程中，应当推动各类媒体的广泛合作。     

基于舆情客体与本体剥离的重大突发事件网络舆情本体演化强度研究

[目的 /意义]重大突发事件网络舆情在传播过程中往往会出现不同的主题,而微博用户对不同主题的表达和关注也会直接影响网络舆情的传播速度和规模以及舆情事件的走向。针对重大突发事件的微博用户主题演化分析有助于应急管理部门更好地理解重大突发事件的发展轨迹以及公众在不同阶段的关注点,以便采取有效应对措施。[方法 /过程]以网络舆情信息特征为立足点,辅以自然语言处理技术将舆情信息客体与本体进行剥离,结合重大突发事件特征,创新性提出以舆情客体信息为参照基线的舆情本体演化强度来反映微博主题演化趋势。[结果 /结论 ]研究结果表明,面向网络舆情信息本体的主题分析,与网络舆情实际发展演化趋势更加贴近,对主题内容的揭示也更加全面。同时研究思路也对现有网络舆情主题分析的研究方法中单一求助于自然语言处理技术的优化与更新具有一定启示意义。     

基于字词向量的多尺度卷积神经网络微博评论的情感分类模型及实验研究

[目的/意义]微博评论情感分类模型可以为相关舆情监管部门正确管控话题事件的发展状况和舆情提供一定的指导作用。[方法/过程]基于字词向量的多尺度卷积神经网络，运用多尺度卷积核改善微博评论中上下文信息有限的条件制约，构建基于字词向量的多尺度卷积神经网络微博评论情感分类模型；通过爬取"微博热搜整改"数据，对模型的可行性和优越性进行验证。[结果/结论]验证结果表明基于字词向量的多尺度卷积神经网络在微博舆情等上下文信息有限的短文本分类任务中表现良好。本文在理论层面为微博舆情情感分类提供了更为准确的情感分类理论模型及分类方法，在实践层面可以更好地指导舆情监管部门对舆情的情感倾向进行更好的引导和监管。     

网络舆情语义倾向性的隶属度研究

[目的/意义]研究网络舆情语义倾向性隶属度,增强对网络舆情研判与引导的科学化程度,为相关部门提供决策参考。[方法/过程]在探讨网络舆情语义识别的基础上,运用模糊数学方法对网络舆情信息语义倾向性隶属度进行相关研究,并结合具体实证展开分析。[结果/结论]实验结果表明,本文所提出的算法能够深入挖掘网络舆情语义倾向性信息,更好地为相关管理者提供舆情危机预警服务,提高决策效率。     

基于超网络的微博相似度及其在微博舆情主题发现中的应用

[目的/意义] 准确地计算微博相似度可以提高微博主题挖掘效率，对舆情治理、保障信息安全具有实践意义。针对微博文本语义稀疏、高维的问题，提出一种融入微博非文本特征的超边相似度算法。[方法/过程] 分析微博舆情发生机制，利用超网络模型表示微博舆情主题形成过程，通过计算各层子网相似度及各层子网对主题形成的贡献度构建超边相似度算法。[结果/结论] 研究发现，论文所提出的相似度方法有助于提升微博舆情信息的主题聚类效果，特别是对于文字性表述相似程度高的微博信息，具有明显的主题区分性。     

过程与要素视角下的突发事件网络舆情演化规律研究综述

[目的/意义] 准确把握突发事件网络舆情的的周期性演化规律,以便在关键节点上进行有针对性的舆情疏导。[方法/过程] 以2010-2015年的95篇核心期刊论文、28篇硕博论文与15篇英文文献作为主要研究对象,从过程与要素视角,对突发事件网络舆情的演化阶段、关键节点与影响因素等进行归纳分析。[结果/结论] 从过程视角看,形成期重点应对舆情源头进行遏制;发展期重点应对关键节点进行监测;消弭期重点应对舆情的二次衍生进行预防。从要素视角看,不同利益群体间的博弈推动舆情逐步升级;议题的存活与衍生决定舆情的复杂多变;情绪化动员诱发负向舆情的积累扩大。现有研究视角均存在不同程度的局限,未来应注重多维研究视角的综合运用,以应对更加复杂多变的网络舆情。     

微博舆情传播周期中不同传播者的主题挖掘与观点识别

[目的/意义] 探索微博舆情传播周期中不同传播者关注的舆情热点和传播内容的主要观点,进而发现舆情传播的特点和规律,为舆情分析与决策提供依据。[方法/过程] 以特定舆情事件的事实文本数据为来源,以生命周期理论和LDA方法为指导,设计研究流程与构建研究模型,对微博舆情事件中不同传播者的话题进行主题研究,其中包括主题抽取和结果语义标注、各阶段的不同传播者主题的语义分析、基于时间维度的舆情主题观点识别与刻画。[结果/结论] 研究发现,论文所提出的研究模型能够挖掘出舆情传播周期中不同传播者的主题结构、观点脉络以及特征,研判出分布在文字当中有关联性的、代表性的、重要的词语。同时,结论中还发现微博中的官媒、大众媒体发布信息中的话题和用户谈论的热点话题具有明显的差异性。     

微博“中V”用户的传播特征及其引导力研究——以罗一笑事件为例

[目的/意义]微博加V用户由于自身特性更容易成为网络中的意见领袖,然而目前研究焦点往往是"大V"用户,忽略了"中V"用户。以新浪微博的"中V"用户作为研究对象,对"中V"用户的传播特征和舆情引导力进行分析,进而提供针对"中V"用户的管理建议。[方法/过程]以罗一笑事件为例,从事件演进和用户类型两个维度对"中V"用户传播特征进行分析;同时结合情感计算模型、意见领袖指标评价法构建出用户属性矩阵,对"中V"用户舆情引导力进行研究。[结果/结论]通过对"中V"用户的研究发现,"中V"用户具有舆情引导力较强、专业性较强、商业色彩弱、粉丝同质性高等显著特征,并提出相关管理建议。     

融入情感差异和用户兴趣的微博转发预测

[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。     

基于SNA的突发事件微博舆情的传播网络分析

随着互联网的发展以及微博的普及,更多的人通过网络平台如微博等来获取感兴趣的信息、表达立场和观点,社会现实能被微博舆情有力地展现出来。本篇论文主要基于新浪微博平台,以“江歌案”的一审这起突发的有影响的公共事件为研究实例,人工收集新浪微博中关于此事件的300个用户之间的转发关系,以0-1矩阵的形式输入Excel表格中,再导入Ucinet软件中,生成微博舆情传播的网络图,根据节点以及节点之间的相互关系,进行微博舆情传播网络结构的整体分析,再通过使用社会网络分析法（SNA）来研究以“江歌案”的一审为代表的微博舆情传播的特点以及其对微博舆情传播的影响,比如运用小团体、K-核、网络密度等指标综合分析数据结果。研究结果表明,媒体、当事人、名人、法律用户等在整个微博舆情传播过程中具有较强的传播能力,传播速度控制,可以通过影响这些关键节点来实现。     

面向话题衍生性的微博网络舆情传播模型研究

微博网络中信息的"裂变式"传播模式对已有舆情传播模型提出挑战。为有效地揭示出微博用户关注关系所形成的复杂网络中舆情传播演化的机理,以有向无标度网络为载体提出舆情传播的SIRS模型,该模型综合考虑微博的传播特性以及舆情话题的衍生性等因素,并对模型进行仿真分析,其结果可以验证模型的有效性。     

突发公共卫生事件利益相关者的社会网络情感图谱研究

[目的/意义]构建突发公共卫生事件利益相关者的社会网络情感网络图谱,以可视化的方式分析突发公共卫生事件中各类利益相关者的情感状态和分布,探寻利益相关者之间的情感传播路径,并结合舆情话题综合分析利益相关者的情感演化态势。[方法/过程]以"魏则西事件"为例,通过微博转发关系构建微博用户的社会关系网络,同时标识各用户的利益相关者类型,并计算用户的情感类型及情感强度嵌入社会网络中构建出社会网络情感图谱。[结果/结论]普通群众的情绪更强烈且易受意见领袖影响,在事件爆发期和蔓延期,主流媒体和自媒体对普通群众的情感影响较大,在衰退期,政府人员和医护人员的参与增加且情感影响变大。随着舆情的演化,各类利益相关者的主导情感也随着变化,自媒体和企业在情感传播中起重要的桥梁作用。     

基于模块度的话题发现及网民情感波动研究——以新浪微博“中美间贸易摩擦”话题为例

[目的/意义]探索热点事件评论网络中话题社群及网民的情感波动,掌握舆情事件发展过程,对于整体把握热点事件的发展方向,做好新时期网络舆论的引导工作具有重大意义。[方法/过程]以复杂网络理论为基础,基于评论词语间的共现关系构建基于事件发展的子事件网络,通过社群发现算法来识别子事件评论网络中的话题社群,将情感词依据情感词典赋予情感分类属性,基于事件的演化过程动态地跟踪网民意见以及情感波动。[结果/结论]研究结果表明,评论网络群落发现以及变异系数方法可以有效地衡量网民话题讨论的规模与集中程度;评论网络中赋予情感词节点情感分类属性方法可以体现事件演化过程中网民的情感变化;舆论衍生话题对事件的舆情发展有持续性影响;网民话题讨论内容对于事件演化具有一定程度上的前瞻性。     

网络舆情信息语义识别关键技术分析

[目的/意义]在梳理和分析主要网络舆情语义识别关键技术的基础上,详细分析网络舆情信息情感倾向性分析技术、网络舆情话题识别技术的现阶段研究状况。[方法/过程]从技术特征中提取出处理精度、技术复杂程度、通用性、适应性等指标,根据所提出的指标对网络舆情信息语义识别关键技术加以比较分析。[结果/结论]分析得出各类技术的优劣之处,挖掘其未来的发展方向,为有效开展舆情监测和管理实践提供参考。