微博社区网民情绪引导与舆情控制的SIR演化博弈分析

【目的/意义】通过研究微博社区网民的情感交互与舆情观点,有助于在复杂的网络中掌握网民情绪演化从而良性引导网络舆情态势。【方法/过程】基于传播动力学、社会安全阀等理论,结合微博社区中的实际案例,定义事件利益主体并抽象出事件演化的全生命周期,同时,构建SIR演化博弈模型刻画网民情绪的动态演化规律及主体决策博弈演化过程,并通过仿真模拟分析得到系统演化至稳定状态的均衡条件。【结果/结论】结果表明:微博社区中意见领袖与官方媒体感知收益与风险的敏感度对决策行为产生显著影响;官方媒体及时设置有效议程构建安全阀能够防止网民情绪恶化;意见领袖与官方媒体的协同引导能够最大效度地帮助政府管控网络舆情。     

突发事件中网民负面情绪的应急响应研究综述

【目的/意义】突发事件应急响应的核心是调节网民负面情感,调节网民负面情感的关键是把握负面情感演 化的规律。尽管各个突发事件网络舆情的产生原因和影响有所不同,但舆情发展的高峰都伴随着网民负面情感的 产生和爆发。本研究的目标是得到网民负面情绪与网络舆情应急响应的研究现状,为该领域的研究提供前沿方向 引导。【方法/过程】本文主要运用文献研究法、对比分析法对网民负面情绪和网络舆情应急响应的相关研究进行梳 理和分析。【结果/结论】关于网民负面情绪的研究,目前主要从理论层面关注动因、影响因素,关于网络舆情应急响 应的研究,目前主要是从公共管理的角度关注指标构建和策略研究,缺少结合实际事件和数据进行的实证研究,尤 其是缺少网民负面情绪与网络舆情应急响应的关联研究。     

基于SOAR模型的高校网络舆情应急响应研究

【目的/意义】面向高校网络舆情应急管理需求,以网民群体负面情感的测量作为基点,预测网络舆情演变 的路径和态势,进而支持突发事件应急响应策略的制定【方法/过程】基于SOAR（State,Operator and Result）模型和 情境危机传播理论,设计高校网络舆情网民群体决策模型,包括工作记忆、长期记忆、决策过程等模块。结合典型 高校网络舆情案例进行建模仿真,通过真实案例数据和实验数据的对比验证模型的有效性。【结果/结论】实证结果 表明,基于网民群体决策行为规则的建模,可以分析和预测在不同网络舆情阶段、不同应急响应措施下网民群体的 行为决策规律,从而为高校网络舆情应急管理提出有效的方法和模型。     

基于情感分析的突发公共卫生事件舆情时空演化差异研究

【目的/意义】分析网民在突发公共卫生事件中的情感演化历程,探究影响网民情感波动的因素及其时空演 化的差异。【方法/过程】运用Python爬取微博新冠疫情相关文本数据315 445条,基于SnowNLP情感分析工具对数 据文本进行情感分析。使用TF-IDF及LDA主题模型进行建模,对不同阶段及不同群体的舆情时空演化及差异进 行内容分析。【结果/结论】网民的情感演化呈现阶段性和群体性差异,尽管整体为积极态势,但疫情上升期为负面 情绪集中爆发期;网民群体中受教育程度较低的群体情感波动幅度更大,更容易受到舆论的影响,舆情演化更易极 化;中心大城市情感波动相对稳定,而引起其他区域网民消极情绪的往往不是疫情本身,而是由疫情引发的负面舆 论;普通网民群体较于高影响力群体在舆情演化阶段的负面情绪更为严重,情感演化在各阶段呈现明显的涟漪效 应,需在不同阶段针对不同群体制定有效的舆情引导政策。【创新/局限】本文将整个语料库划分为50多个小语料, 个别语料文本数据量较少,具有一定的局限性。     

新媒体环境下高校负面网络舆情传播特征和路径研究

【目的/意义】高校网络舆情是高校人员通过互联网表达个人思想、诉求个人利益所表现的网络行为,是网 络舆情在高校的延申和体现。然而,网络上的不良信息包括网络暴力、网络过度娱乐、网络谣言等可能对高校师生 产生负面影响,影响社会稳定。【方法/过程】以微博数据为数据源,使用网络爬虫采集以网络谣言、网络暴力等及大 学生为关键词的微博转发和评论内容作为实验样本,通过文本挖掘分析高校负面网络舆情传播特征和路径,并提 出引导建议。【结果/结论】网民在讨论高校负面网络舆情信息传播过程中,较关注这些负面信息对线下生活的影 响;核心传播网民的平均中心度最高,其次是核心传播媒体,核心传播机构的中心度最低;新媒体环境下高校负面 网络舆情传播呈突发裂变式,信息传播状态不稳定,波动性较大。     

基于SIR-EGM模型的复杂网络舆情传播与预警机制研究

【目的/意义】负面情绪导向的舆情传播严重威胁到我国的网络空间安全和社会和谐稳定,而"不完全"的复杂网络系统也为政府监管带来了挑战。因此厘清舆情传播特征实现精确预警具有较强的现实性与实践性。【方法/过程】基于SIR传染病模型与EGM灰色预测模型,提出一种实现舆情预警与舆情防控模型,并利用python挖掘到的政务微博历史数据进行模型模拟与检验。【结果/结论】结果表明:舆情传播过程中,易感染类网民占比会随着时间演化而不断减小;传播阈值与易感染类网民占比间的大小关系能够预示舆情演化趋势;政务微博通过及时互动能够转移网民情绪,起到一定舆情导控效用。     

大数据环境下公共安全突发事件微博用户评论的归因分析

【目的/意义】以近两年（2018-2019）国内有代表性的四件负面公共安全突发事件为例,对其微博评论进行 聚类,并找出影响微博用户消极情感倾向的因素,为政府进行舆情应对处理提供建议。【方法/过程】结合社会网络 分析法与LDA主题模型对评论文本进行关键要素提取,得出评论归因维度,进而通过情感分析软件对各维度进行 情感倾向度分析。【结果/结论】研究结果表明：微博用户主要从事件主体、事件分析、事件处置、社会关系、新闻媒 体、同理心、个人经验七个方面对公共安全突发事件进行评论,其中,事件分析、事件处置、事件主体、社会关系是微 博用户消极情感倾向的主要影响因素,据此本文提出了相应的舆情疏导建议。【创新/局限】本文基于归因理论,创 新性的提出了影响微博用户情感倾向度的归因维度体系,但舆情事件集中数量有限且未进行更细粒度的情感分类 分析。     

基于双层注意力和Bi-LSTM的公共安全事件微博情感分析

【目的/意义】微博情感分析对公共安全事件管控有着重要意义。现有研究将单条微博作为整体进行分析， 情感分析最小单元局限于字或词，而对微博从词到句子，从句子到单条微博这种多层粒度文本结构产生的影响关 注不足，基于此本文提出一种融合双层注意力的Bi-LSTM模型提升情感分析性能。【方法/过程】以红黄蓝幼儿园涉 嫌虐童事件为例，通过Bi-LSTM提取微博词级和句子级特征，结合双层注意力机制学习各级特征权重分布，以递 进顺序综合局部情感得到整条微博的情感分类。【结果/结论】实验结果表明，本研究提出的微博情感分析模型F1 值、准确率分别达到97.39%、97.62%，相比于SVM、RF、XGBOOST和LSTM，该模型能够在公共安全事件微博情感 分析方面取得较好效果。     

面向时间序列的微博突发事件衍生舆情情感分析研究 ——以 “6.22”杭州保姆纵火案衍生舆情事件为例

【目的/意义】将时间序列分析方法引入情感分析,可以对微博突发事件衍生舆情作出科学预测,为政府掌 握舆情情感走势,从而根据舆情发生的不同阶段采取相应的导控策略提供合理的意见与指导。【方法/过程】结合 突发事件衍生舆情的特点,采用词集合并法、SO-PMI、PMI-IR等方法构建了微博突发事件衍生舆情专属情感词 典,随后利用该情感词典和时间序列分析方法对“6.22”杭州保姆纵火案衍生舆情事件进行实证分析。【结果/结论】 对该事件的日均情感值进行计算,与实际情感值拟合程度较好,证明了建立的衍生舆情情感词典及时间序列模型 较为科学,可以为政府选择相应的策略及应对时机提供一定的参考。     

突发事件背景下内容添加型转发微博的情绪与认知变化研究

【 目的/意义】转发行为是社交媒体上信息传播的重要方式,转发者添加的评论能够反映情绪状态与认知情 况,研究突发自然灾害事件背景下的转发评论有助于应急管理部门了解公众情绪走向和认知变化。【方法/过程】转 发型微博被再次转发时会产生转发级联并形成不同转发层级,本文利用LIWC软件从情绪和认知角度分析转发者 添加的评论内容,对比不同层级情绪得分和认知得分的差异以及转发评论中情绪和认知变化。【结果/结论】突发自 然灾害相关原始微博和转发评论的情绪和认知具有显著差异,用户在原始微博中倾向使用关于积极情绪、消极情 绪、洞察和原因的词;在不同转发层级中,表达积极情绪、洞察和矛盾的词的使用频率更高,且具有更大的波动;在 转发评论过程中,相同类型的情绪和认知显著正相关。【创新/局限】本文研究了转发者生成内容的特征,为应急管 理部门的灾后决策和舆情治理提供新视角,没有考虑添加评论对微博转发的影响,后续将对比不同转发微博的传 播效果。     

基于政务微博内容分析的突发公共事件回应方式研究

【目的/意义】对突发公共事件政务微博回应内容的规律及特征进行分析,为政府网络舆情的应对工作提供理论参考。【方法/过程】选取影响力和网民认同度较高的政务微博,采用内容分析方法对政务微博的突发公共事件回应样本进行事件类型、回应议题、回应态度和回应语气等特征的分析,首先构建编码表,然后采用人工标注的方法对样本数据进行编码,最后对各类目的数量、分布、特征词进行统计分析。【结果/结论】政务微博在进行突发公共事件回应时多采用陈述语气,疑问和感叹语气在回应时也起到了引起关注和强调的作用;对不同的事件类型进行回应时,要掌握态度和议题的平衡,自然灾害事件多发布正能量信息转移公众的负面情绪,事件本身信息的发布和解释要相对减少。事故灾害类事件、社会安全类事件和公共卫生类事件要以解释事件进展为主,同时要发布对受害或受灾人员的关心和补救措施的信息。回应内容要注重措辞和词语的选择,态度和议题明确,防止产生误解。     

隐私泄露事件中社交媒体围观者情感分析

【目的/意义】研究分析社交媒体平台中围观者对不同类型隐私泄漏事件的情感，以确定围观者对不同类型隐私泄露的态度，促进社交媒体平台在用户隐私安全的情况下为用户提供更好的服务。【方法/过程】基于隐私泄露事件的四种类型，构建百度情感倾向分析与LDA主题识别相结合的情感分析框架，分别在四种社交媒体平台上对四类隐私泄露事件典型案例中围观者的评论进行抓取和处理，采用LDA主题提取模型进行主题提取，通过百度情感倾向分析进行情感分类，最终进行情感对比分析。【结果/结论】总体而言，大约75%的围观者对隐私泄露事件持负面情绪，其中围观者对社会隐私泄漏的负面情绪占比最高达82%。具体到各平台的围观者，微信公众号和微博的围观者负面情绪较多，知乎中的围观者中性、负面情绪较多，抖音平台的围观者正面情绪占比较高。根据研究结果，提出了相应的建议。【创新/局限】本文创新性地探讨了四种社交媒体上的围观者对四类隐私泄露事件的情感差异，情感的情景与强度维度研究不够深入。     

突发公共卫生事件中虚假信息的时滞性扩散与情感关联分析

【目的/意义】研究分析了突发公共卫生事件演化过程中社交媒体虚假信息的产生及时滞性扩散特征,试图 揭示虚假信息以及负面情感之间的相关关系,为疏通正确的防疫信息与民众之间的沟通渠道提供帮助。【方法/过 程】研究爬取了新冠疫情期间的虚假信息及疫情相关的微博数据,利用自动文本分析方法分析虚假信息的主题分 布;然后结合时间线索和格兰杰因果分析,展示了虚假信息相关主题微博的时滞性扩散特点;最后,分析了不同主 题下虚假信息、相关微博和负面情感三者的关系。【结果/结论】虚假信息与疫情相关内容增长趋同,但不同主题信 息的扩散力不同,甚至出现相反的时滞扩散效果;引导公众产生负向情感的虚假信息在一定程度上会引发公众的 大规模讨论。【创新/局限】从时滞性扩散的角度解读突发公共卫生事件下不同主题虚假信息的演化特征,为虚假信 息分析与治理提供了新的视角。但数据采集存在局限,虚假信息的传播渠道太过广泛,相关信息难以收集完整。     

舆情事件中评论对象的情感分析及其关系网络研究

【目的/意义】从舆论对象的情感变化和关系变化展现舆情走向,为舆情监测和分析提供新的研究方法和研 究角度。【方法/过程】文章提出舆论对象分析模型,利用依存句法分析,识别和抽取舆论对象-情感词对,进行情 感分析,并对舆论对象的关系网络进行研究。【结果/结论】实验结果表明,模型能有效识别主要舆论对象及其情感 词,直观地展现网民对舆论对象随时间演化的情感表达和关系认知。通过舆论对象情感变化与舆情事件发展的拟 合,可为舆情监测、分析等相关研究提供新的研究视角。     

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。     

棱镜折射：网络舆情的生成逻辑与内容层次 ——基于 “出租车罢运事件”的扎根理论分析

【目的/意义】针对频繁爆发的网络舆情,深度梳理网络舆情的内容层次,挖掘网络舆情的生成逻辑,为政府 网络舆情治理提供可行路径。【方法/过程】以“2015年初出租车罢运事件”作为研究案例,通过网络数据抓取软件收 集“财经网”相关微博下的评论信息,按照扎根理论的编码程序逐步抽象形成网络舆情的“棱镜折射”生成逻辑和 “情绪—态度—意见、行为取向”的内容层次。【结论/结果】研究结果显示,网络舆情的基本层次是网民情绪,网络舆 情的生成由公共事件的相关新闻信息触发,并取决于网民的生活经历、角色定位、思维方式、信息处理等个人特 征。因此,政府的网络舆情治理应重点关注网民情绪,并强化与网民的对话沟通和信息普及。     

群体事件微博传播中的用户行为特征和应对分析

【目的/意义】为了探讨如何有效管理群体事件在微博中的传播,文章分析了群体事件发生时事件参与者在 微博中的发言行为特征。【方法/过程】秉持定性分析和定量研究有机结合的研究理念,通过引入复杂网络的相关知 识对真实案例的微博传播数据进行了深入分析来探寻群体事件微博传播中的网络特征以及事件参与者在微博发 言中的行为特征。【结果/结论】发现群体事件的微博传播网络是具有无标度性质、小世界特征和较高集聚系数的复 杂网络。群体事件的微博传播不但存在周期性、个体异质性和阵发性等特点,而且从 K核分解的角度来看,陈发性 具有自相似性,处于 K核分解中心层的用户通常能在群体事件的微博传播中发挥着更大的作用。     

政府辟谣信息的用户评论及其情感倾向的影响因素研究

【目的/意义】明确用户评论的情感倾向及其主要影响因素,有助于政府了解网民的态度及观点,更好地引 导和控制舆情发展。【方法/过程】运用八爪鱼软件采集新浪政务微博上的辟谣信息,获取数据75847条,构建多元 Logistic回归模型对用户情感倾向的影响因素进行分析。【结果/结论】研究发现：用户对政府辟谣信息表现出不同的 情感倾向,其中,中性情感倾向用户比重最小,消极情感用户和积极情感用户占比接近;内容特征变量、文本特征变 量、用户特征变量均对用户情感倾向有显著影响,但影响方式各异。     

在线负面评论信息对潜在消费者购买意愿影响研究

【目的/意义】从在线负面评论信息的特征性因素出发,研究其对潜在消费者购买意愿的影响作用,并探究 消费者动机性对各个因素的影响路径关系是否具有调节效应。【方法/过程】根据精细处理可能性模型（ELM）,依据 潜在消费者涉入度高低分别从外围情境感知路径和核心认知加工路径构建理论研究模型并通过实证方法进行验 证。【结果/结论】研究结果表明,负面评论信息的负面情感倾向,评论时效性,感知风险对潜在消费者购买意愿均有 显著影响作用,其中负面情感倾向效应最大。而消费者动机性只对感知风险和购买意愿间关系调节效应显著,说 明潜在消费者动机性越强,对负面评论信息的感知风险越敏感。     

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。