社交网络舆情事件主题图谱构建及可视化研究——以校园突发事件话题为例

[目的/意义]利用知识图谱构建大数据驱动的社交网络舆情事件主题图谱,是网络舆情学术界和产业界关注的新问题,结合校园突发事件网络舆情进行可视化分析对推动社交网络舆情监控平台的构建具有一定的理论和现实指导意义。[方法/过程]文章在对知识图谱、社交网络舆情事件主题图谱相关理论进行分析梳理的基础上,构建校园突发网络舆情事件主题图谱中的实体、关系和过程模型,并结合"北京交通大学实验室爆炸"舆情事件进行可视化分析。[结果/结论]数据结果表明,政府官微在舆情引导中起到重要作用;可以从"故事线"和"时间线"两个方面对舆情事件进行可视化分析;高校舆情事件在爆发初期、事件调查进展期、事件调查结果期呈现不同的情感倾向;高校舆情事件的传播媒介在移动端和非移动端传播差异不大;舆情夜间传播活跃度高于日间。     

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。     

基于改进的LDA主题模型群体情感影响因素研究

[目的/意义]探究社交网络中影响群体情感行为的影响因素，旨在为舆情引导提供参考。[方法/过程]首先，获取微博数据集，进行预处理后，使用结合AP算法及TF-IDF算法的LDA主题模型对用户文本进行聚类，挖掘用户兴趣主题；然后，人工识别结合接口调用对用户文本进行情感标注；最后，利用二元逻辑回归模型对假设的群体情感影响因素进行验证。[结果/结论]性别、主题及活跃度对于群体情感倾向有显著影响；男性群体普遍比女性群体消极；不同主题的情感主旋律不同。该结果对于网络舆情的控制以及个性化新闻推荐具有很好的借鉴作用。     

突发公共卫生事件中公民隐私泄露舆情的情感演化图谱研究

[目的/意义]基于突发公共卫生事件期间由公民隐私泄露导致的舆情事件,构建公民隐私泄露舆情的情感演化图谱可以呈现突发公共卫生事件期间网民的情感演化特征,为舆情监管和舆情引导提供参考。[方法/过程]结合文本词语加权方法“词频—逆文档频率”(TF-IDF)的LDA主题挖掘、机器学习的情感分析和社会网络分析方法,基于舆情生命周期的不同阶段,构建突发公共卫生事件中公民隐私泄露的情感演化图谱分析模型。并以新型冠状病毒肺炎疫情期间“成都确诊女子隐私泄露”事件为研究样本话题,分析不同舆情阶段的主题挖掘和不同舆情阶段的情感演化图谱。[结果/结论]网络暴力、隐私泄露和疫情防疫是疫情期间隐私泄露舆情主要关注点,公众讨论具有交互式特征和不同舆情阶段内的多元化特征。     

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。     

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。     

舆情评论与新闻报道的话题识别及其主题关联分析

[目的/意义]针对同一事件新闻报道与舆情评论既相互依存又偏离的现象,通过话题识别与主题关联分析,探索新闻报道引发的舆情评论在主题内容与时间阶段上的异同,拟为研究以舆情评论表达的舆情事件和以新闻报道表达的社会现实之间的共振与偏离,进而为探究社会舆情传播规律提供参考,为服务政府科学决策提供依据。[方法/过程]以拉斯韦尔（5W）模型、LDA主题模型和Python工具为基础,设计研究思路和流程,从腾讯新闻和知乎平台上抓取新闻报道和评论的数据,经过处理加工过后加以分析挖掘。[结果/结论]研究发现：舆情事件主题会一定程度偏离社会现实主题,衍生出更多隐性主题;舆情事件与社会现实的发展走向较一致;此外,社交媒体相较于新闻媒体所衍生的舆情事件主题更多,而两者反映的社会现实主题类似。     

基于多维度的公安舆情分析模型构建

[目的/意义]旨在为有关部门及时分析和应对舆情提供参考。[方法/过程]通过爬虫搜集媒体上的舆情数据,计算舆情热度并划分舆情演化阶段,利用TextRank算法提取不同舆情阶段的关键词,采用Python语言的Snownlp库进行文本的情感分析,构建公安舆情分析模型,并通过“六安事件”对该模型进行验证。[结果/结论]该模型从热度、关键词与情感三个维度较好地对公安舆情数据进行分析和挖掘,有助于及时有效地处理社交媒体上的公安舆情数据,为公安舆情分析提供新的途径。     

面向视频弹幕的网络舆情事件监测研究

[研究目的]从视频弹幕的视角出发,挖掘网络舆情事件的话题漂移规律,提升网络舆情事件的视频情感检索精度。[研究方法]通过对视频弹幕进行主题与情感分析,提升网络舆情事件在线监测精准度,并在此基础上提出并构建弹幕迁移指数,建立一种基于弹幕迁移指数的情感监测方法,该方法首先基于BTM主题模型抽取视频弹幕的话题信息,并基于情感词典与颜文字词典计算不同时间窗口下的话题情感类别与情感强度,建立面向视频弹幕的网络舆情事件监测模型,再从话题内容的变化与视频兴趣热度两个角度构建话题迁移指数,并利用话题的情感强度变化,构建情感迁移指数。最终,基于话题迁移指数与情感迁移指数,得到加权后的弹幕迁移指数,实现网络舆情事件的在线监测。[研究结论]通过视频弹幕社区的真实数据,从逻辑层面验证了本模型的合理性,结果表明该方法能够较为准确地识别网络舆情事件迁移的关键时间窗口,为实现视频分享平台的情感可视化提供了切实可行的理论探索。     

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。     

我国突发性网络舆情事件的关联网络结构分析

[目的/意义] 对我国突发性网络舆情事件的要素进行内容归纳和关联分析,以发现网络舆情演化的结构特征,丰富对网络舆情传播规律的共性认识。[方法/过程] 以人民网连续12年发布的《我国互联网舆情分析报告》的115个突发性网络舆情事件为研究对象,基于内容分析和共词网络分析方法,从"主体-主题-风险-诱因"四大维度来透视我国网络舆情事件的关联网络结构特征。[结果/结论] 研究发现,我国突发性网络舆情事件的要素之间具有紧密的关联性;府际问责、政民互动与警民冲突构成我国舆情生态的基本主体关系;公众安全感和政府公信力在共词网络中具有重要影响力;经济利益、公平正义和道德诚信也是社会公众关注的永恒议题。     

共生视角下网络舆情中公众情感的演化及趋势预测

[目的/意义]在网络社交媒体平台上,不同的公众情感在信息交互和传播过程中往往会出现“相生相克”现象,准确掌握和预测社交媒体环境中公众情感热度的变化规律,对于正确引导突发事件的网络舆情具有重要的理论价值。[方法/过程]在定性分析网民情感特征和交互模式基础上,结合生态科学中种群共生理论和Logistic方程,构建公众情感共生模型(E-SM),通过定义共生系数划分情感的7种共生模式,可使用差分回归法计算情感共生系数和模型稳定点,进而确定网络舆情中公众情感的共生模式和预测趋势。[结果/结论]通过共生模式的仿真模拟得出稳定状态下的公众情感值和增长速度与情感饱和量、共生系数、固有增长率、情感初值间的关系,以及7种情感共生模式的特点,并根据新浪微热点统计的微博热门话题事件中公众情感的真实数据与差分方程进行拟合,验证了E-SM模型具有很高的准确性。     

社交媒体中主流网络民意的表达与演化：基于共评网络的分析

[目的/意义]基于社交媒体用户的共同评论关系构建共评网络,综合运用社会网络分析与自然语言处理技术,探索高效挖掘社交媒体中主流网络民意的方法。[方法/过程]按阶段梳理社交媒体用户共评关系并构建共评网络,综合利用K核分解和核塌缩分析识别核心评论用户群;以核心评论用户群为目标分析对象,从主题和情感两个维度构建主流网络民意的表达,并分析网民讨论热点及情感分布的综合演化过程;利用新冠病毒感染疫情相关热门微博的评论数据进行实证研究。[结果/结论]共评网络分析可以准确识别出社交媒体中的核心评论用户群,其拥有结构稳定且联系紧密的共评关系;聚焦于核心评论用户群的评论内容,即可实现主流网络民意的高效挖掘,准确呈现出网民主要诉求和情感的变化特征;实证结果与我国新冠病毒感染疫情中的应对实情和网络舆论走势基本契合,证明了此方法的有效性。     

重大突发事件下网络舆情传播中回声室网络结构研究

[目的/意义]在社交网络中回声室对重大突发事件下的社交网络舆情演进具有重要作用,研究重大突发事件网络舆情中回声室网络结构可以为相关部门的舆情引导和管控提供指导和帮助。[方法/过程]基于网络结构理论,利用社会网络分析法和情感分析方法,进行用户回声室网络结构识别以及用户回声室网络结构表征及网络同质性检验。在此基础上,构建重大突发事件中回声室网络结构分析模型,并结合重大突发事件“3·21”东航客机事故中典型舆情话题进行实证研究。[结果/结论]重大突发事件网络舆情中存在回声室效应,由于微博评论与转发机制的不同,回声室网络结构存在明显的网络特征差异,且评论机制更有利于社交网络在重大突发事件下的情感分享,并可以凝聚群体观点和用户想法,从而促进意见领袖在群内和群外成员之间的互动。     

社交网络舆情传播的回音室效应研究

[目的/意义]社交媒体平台通常将志趣相投的用户聚集在一起,形成一个同质化的集群,即“回音室”。通过分析在线用户行为数据来调查网络舆情的传播是否具有回音室效应,如果存在,那么回音室与舆情的影响力是否存在某种关系。[方法/过程]利用社会网络分析法构建了舆情回音室网络和识别算法,并通过内容分析、情感分析、矛盾心理测量和同质性测量对舆情回音室成员的选择性曝光强度和同质性水平进行检验。最后验证了回音室的大小和数量与舆情影响力之间的关系。[结果/结论]实验结果发现舆情信息的传播确实存在回音室效应,而且回音室的大小和数量与舆情影响力之间呈线性关系。这意味着回音室可能对舆情在社交媒体上的影响力起到了重要作用。     

突发公共卫生事件下在线健康社区突发话题与情感的共现关联分析

[目的/意义]在线健康社区在突发公共卫生事件的应急和管理中发挥了重要的作用,对社区中用户关注的事件话题及其情感进行分析和监测有助于社区平台创新应急服务水平,提升舆情监管部门的舆情管理水平。[方法/过程]为了实现在线健康社区突发话题与情感的共现关联分析,首先抽取话题及其特征词,计算话题突发强度;然后对用户情感进行分类与极性强度计算;接着对突发话题与情感进行共现可视化分析;最后对话题突发强度与情感表达之间的关系进行实证分析。[结果/结论]文章的研究思路与方法可以直观地观测用户交互话题的突发性以及话题—情感的演化进程;情感强度与话题突发强度存在正向弱相关关系,随着话题突发强度增强,用户表达的情感类型也会有所不同。     

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。     

重大传染病疫情情境下网络舆情时空分异规律研究

[目的/意义]重大传染病疫情因其突发性、社会性、更广泛传播性等特点极易造成舆情扩散式爆发，探究该情境下网络舆情时空分异规律，掌握不同时期、不同区域民众关注焦点及情绪的演化与分布差异，有助于政府在重大传染病疫情网络舆情中的民众诉求识别、社会情绪引导和相关风险防控。[方法/过程]以南京新冠疫情为例，获取微博舆情数据并划分时空区域，通过Top2Vec主题识别、SnowNLP情感计算等方法刻画重大传染病疫情网络舆情中公众关注焦点及其情感的时空分异规律。[结果/结论]在重大传染病疫情情境下，民众关注焦点在时间和空间上都呈现“指向自我→指向他人→指向社会”的趋势。民众情感值在时间上总体呈现趋向积极的递增态势，在空间上体现出一定的“涟漪效应”,边缘带地区民众情感具有一定的不确定性和复杂性。     

突发公共事件多情景下的网络舆情危机预警研究

[目的/意义]突发公共事件已成为社会治理难题,探究该事件网络舆情危机预警过程,有助于相关部门科学认知舆情发展态势,提高危机处理能力。[方法/过程]文章首先基于知识元模型,从情景事件、情景驱动要素、情景推理要素、情景目标要素四个方面对网络舆情危机预警情景进行结构性表达,并构建预警情景动态贝叶斯网络模型;其次,结合EM算法对模型进行训练和测试,明确各情景下舆情危机预警重点关注的影响要素;最后,以南京市禄口机场疫情事件为例,对各情景舆情危机预警等级进行评估分析。[结果/结论]训练出来的动态贝叶斯网络具有一定的可靠性,不同情景状态中采取不同的应对方案会对舆情危机预警级别产生不同的影响,为政府及相关部门动态制定危机应急决策提供参考。     

面向突发公共卫生事件网络舆情的事理图谱构建及演化分析

[目的/意义]针对突发公共卫生事件情境下网络舆情信息复杂,多事件之间存在耦合现象,提出利用多属性融合的事理图谱揭示舆情事件发展脉络和演化规律。[方法/过程]以“西安疫情”为实验数据源,提取事件情感因子、事件影响力、事件持续时间等多维属性特征,采用规则模板和语义聚类算法构建舆情事理图谱,从多维视角揭示舆情演化规律。[结果/结论]多属性融合的事理图谱不仅可以从事件链角度揭示突发公共卫生事件网络舆情的演化路径和发展方向,而且可以从多维视角识别舆情动态发展中的关键事件,为舆情管控部门和应急管理部门进行舆情治理提供决策依据。[局限]未考虑一因多果和一果多因的因果事件对。