多媒体网络舆情演进机理研究

[目的/意义]研究多媒体网络舆情传播过程和演进机理,以准确掌握网络舆情演变规律,为相关部门增强网络舆情信息监管并引导网络舆情良性发展提供参考。[方法/过程]搜集国内外多媒体网络舆情相关文献,结合传播学理论,以大数据时代背景下多媒体网络舆情的分类、特征为基础,研究其发展规律、演进要素,从系统动力学的角度剖析多媒体网络舆情演进机理,并进行实证研究。[结果/结论]揭示大数据时代背景下多媒体网络舆情传播特点,阐释了多媒体网络舆情演进阶段、演进要素和演进机理,为大数据背景下多媒体网络舆情信息传播的深入研究及监管提供一定参考。     

大数据环境下多媒体网络舆情传播要素及运行机理研究

[目的/意义]研究大数据环境下多媒体网络舆情信息传播要素和运行机理,为相关部门加强网络舆情信息监管提供参考。[方法/过程]以大数据技术、舆情理论、信息传播理论为基础,对大数据环境下多媒体网络舆情的特征进行分析,深入探讨大数据环境下多媒体网络舆情传播的主体、客体、媒体、本体、空间5个要素,在此基础上重点归纳总结大数据多媒体网络舆情传播机理,并构建传播机理的总体关系架构。[结果/结论]揭示多媒体技术环境下网络舆情信息传播的内在运行规律,为大数据环境下多媒体网络舆情信息传播的研究提供新视角。     

基于情感分析与主题分析的“后微博”时代突发事件政府信息公开研究——以新浪微博“天津爆炸”话题为例

[目的/意义] 旨在通过对突发事件舆情研究,探索危机传播管理中的舆情研判方法,并进一步为政府信息公开提供实操方法的建议。[方法/过程] 在理论研究层面,基于危机传播的基本要点,对信息发布效果和舆情实时反馈进行综合分析;在应用处理层面,以新浪微博中“天津爆炸”事件相关信息为例,爬取新浪微博全量数据,基于危机传播领域知识和信息发布文本构建领域词表,并结合危机传播阶段特征,对全量数据进行主题提取和情感分析。[结果/结论] “后微博”时代,微博用户量下降,但其仍旧是突发事件信息公开和舆情扩散的主要阵地。探求突发事件下政府如何利用微博平台,收集、研判、应对网络舆情,为做好信息发布工作提供科学的分析方法和应对手段。     

融合热点事件主题演化的民族文化扩散研究

[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。     

融合热点事件主题演化的民族文化扩散研究

[目的/意义]借助信息扩散研究方法,对伴随文化内容传播的社交媒体热点这一特殊类型事件中的民族文化演化扩散规律进行探究,为解释民族文化扩散规律、推动民族文化传播提供新视角。[方法/过程]以微博平台“丁真事件”发布文本为数据来源。基于LDA主题模型、民族文化符号识别与情感分析构建主题—民族文化符号—情感关联网络,对热点事件中不同主题传播伴随的民族文化演化扩散动态进行情境还原。量化不同类型用户的民族文化传播影响力,探究热点事件中不同主体的民族文化传递接力过程。[结果/结论]结果表明,从主题—民族文化符号—情感关联网络构建与传播主体影响力两大层次分析社交媒体情境下民族文化扩散路径规律,可帮助人文学者精准把握文化传播细节及其动态交互特征。     

基于社会网络分析的移动环境下网络舆情信息传播研究——以新浪微博"雾霾"话题为例

[目的/意义]研究移动互联网络环境下舆情信息传播路径和传播规律,为相关部门加强社会舆情信息监管提供参考.[方法/过程] 在理论研究层面,基于社会网络分析法,从点度中心性、中间中心性和接近中心性3个属性出发,对移动端和非移动端雾霾网络舆情信息传播进行对比分析;在应用研究层面,以新浪微博中雾霾话题信息为例,采用Java编程方式接入新浪网API开放平台获取新浪微博数据,使用Gephi软件及数理统计分析工具绘制有关图表.[结果/结论]揭示了移动环境下网络舆情信息传播特点,验证了社会网络分析法在移动环境下网络舆情信息传播研究中的有效性,并为移动环境下网络舆情信息传播的研究提供了新的研究视角,为实践层面移动环境下网络舆情信息监管提供了分析工具.     

多媒体网络舆情信息传播要素细分及属性分析

[目的/意义]从不同维度对多媒体网络舆情信息传播要素的类型和属性进行分析，进而有效提升多媒体网络舆情信息的处理效率和利用价值。[方法/过程]通过文献调研法对多媒体网络舆情信息传播要素中的主体、客体、本体、媒体和环境噪音从类型和属性两方面进行分析，对多媒体网络舆情发展演化过程中产生的数据形式和内容进行系统梳理。[结果/结论]多媒体网络舆情信息数据类型多样，对多媒体网络舆情信息传播要素的类型和属性进行分析，有助于为多媒体网络舆情信息系统整合和数据库建设提供理论基础和研究思路。     

基于时空大数据的社交网络舆情演化图谱研究——以“天和核心舱发射”话题为例

[目的/意义]社交媒体中网络舆情的传播使社会矛盾激化、集聚、引爆,对社会稳定和公众价值观都产生巨大影响。本文试图通过构建社交网络舆情演化图谱和时空数据分析探究舆情演化模式和规律。[方法/过程]本文基于知识图谱理论,以新浪微博平台上“天和核心舱发射”话题下的网络舆情为例,使用时空大数据挖掘技术,构建网络舆情演化图谱并挖掘包含空间维、时间维和属性维的舆情演化的时空效应。[结果/结论]舆情主体的不同属性呈现多维关联模式。基于不同时间序列,社交网络舆情演化主体关系在空间上存在明显的差异性。该事件下舆情演化符合事件演进规律,具有时空分异特征。本文的研究能够提升舆情监管部门的时空数据管理能力,为实施有针对性的管控措施提供指导。     

网络舆情信息传播动力机制的比较研究

[目的/意义]网络舆情信息传播是一个系统的、动态的复杂生命周期,研究网络舆情信息传播的动力机制,有助于更好地理解其复杂性和系统性。[方法/过程]对有关网络舆情动力机制的研究文献按照内部动力和外部动力两个维度进行聚类分析,并对系统要素和技术模型展开对比分析,构建网络舆情信息传播动力机制的完整框架。[结果/结论]已有研究围绕参与主体、事件信息、载体平台和外部环境等维度开展系统要素分析,并按照多维度因素影响模型和单维度因素影响模型模拟网络舆情的形成过程。通过分析网络舆情各要素之间的互动博弈过程,总结出网络舆情信息传播的动力机制建模流程。研究建议未来研究要朝着小世界、大数据以及云传播方向发展。     

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。     

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。     

多媒体网络舆情危机响应机理及风险分型研究

[目的/意义]针对当前我国多媒体网络舆情响应问题，梳理并提出以危机风险分型为基础的政府组织响应路径整合匹配、响应工作流程模型构建机理，以期为管理决策者提升资源整合能力、网络舆情危机精准响应效力提供参考。[方法/过程]对大数据环境下网络舆情危机动力要素的作用进行分析，提取出网络舆情危机风险分型的基础系数，并以多元结构网络舆情信息的多媒体传播路径为视角提取网络舆情危机风险分型叠加系数，再逐一提取各风险分型下网络舆情危机响应的工作要点。[结果/结论]根据主体结构要素、媒体效力要素、客体属性要素危机作用形态的排序组合，在其关系节点上建立多媒体网络舆情危机等级基数。根据本体成分分化后对舆情危机的不同影响效果，建立多媒体网络舆情危机加成系数。建立多媒体网络舆情危机风险分型模型，将舆情危机风险解构为等级系数和加成系数。从而更为准确地描述舆情危机的表征，有利于判断舆情危机的未来发展态势，提高与既往舆情危机案例匹配的速度与精准度。     

网络舆情观点提取的LDA主题模型方法

[目的/意义]无处不在的网络舆情信息深深影响甚至误导网络受众,探讨揭示网络舆情观点的方法,旨在拓展用户的认知深度和广度,提高大众对舆论的辨识能力。[方法/过程]从技术上对比分析观点提取方法间的差异,从认知上阐释网络舆论平台的群体智慧和受众个体的认知过程,进而明确LDA主题模型提取舆情观点的优势及路径。[结果/结论]结合舆论主题和情感因素,基于LDA的网络舆情观点提取,可从海量评论中判定深度评论,摘取主要观点,借助群众智慧,有效拓展个体思想和认知,为从大规模舆情中有序呈现受众观点提供新路径,也为舆情监测与疏导提供切实的依据。     

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。     

大数据网络舆情信息情感维度要素的关联模型构建

[目的/意义]情感维度是网络舆情信息预警级别的评定信号,其影响要素关联模型的构建能够较为清晰地描述各要素间及其与大数据网络舆情环境之间的错综复杂关系,从而为深入探讨大数据网络舆情信息的情感发展规律提供参考。[方法/过程]根据情感维度理论,从情感的种类、情感的转换、情感的唤起3个维度建构大数据网络环境下舆情信息情感维度要素关联模型。[结果/结论]实证分析结果表明:大数据舆情信息情感维度模型中舆情信息的情感级别与情感反应、情感焦点维度之间存在显著相关;情感指向与其他维度之间存在弱相关;情感维度模型中没有完全无关的要素。     

基于观点势场的舆情极化预测模型

[目的/意义] 从定量化角度研究舆情群体极化现象,建立网络舆情群体极化度的量化计算和极化趋势预测方法。[方法/过程] 从物理学中场的思想出发,引入观点势场描述舆情场内各网民节点间观点的相互作用,构建个体观点势和舆情场观点势场强度的计算模型和观点演化模型;该模型考虑了实际网络舆情传播的天然社区特性、节点观点影响力特性、观点的惯性特性和网民节点虚实的时变特性,认为个体网民观点的演化主要受所处舆情场的观点势强度、自身观点惯性的影响;通过仿真实验,重点分析模型中舆情子场是否封闭、节点虚实转换触发阀值、观点势影响因子等影响因素对网络舆情群体极化的影响。[结果/结论] 仿真结果表明该模型与实际网络舆情观点传播与舆情极化形成过程较为相符。所提出的模型中网民观点间的相互作用通过舆情场这个中介完成,相较于基于网民个体之间观点直接相互作用的舆情演化模型,其复杂性和实现难度大大降低,利于基于模型构建实际网络舆情极化预测与监控系统。