信息生态视角下新冠肺炎疫情的网络舆情传播与演化分析研究

【目的/意义】通过构建网络舆情传播分析模型,探究新冠肺炎疫情网络舆情传播过程和演化规律,提出新 冠肺炎疫情常态化背景下相关网络舆情引导和舆情治理建议。【方法/过程】基于信息生态学理论,从信息、信息人 和信息环境三要素分析舆情事件,构建信息生态学视角下的网络舆情传播分析模型。以新冠肺炎疫情中的方舱医 院事件为例,运用主题分析、社会网络分析和情感分析等方法进行实证研究,分析舆情内容演进和情感演化规律, 总结新冠肺炎疫情网络舆情传播特征。【结果/结论】结果表明,本文所构建的舆情传播分析模型能够较为全面地刻 画公众对于舆情事件的反应,分析舆情传播规律与演化趋势,挖掘不同分析维度的内在关联。【创新/局限】从信息 生态学视角出发,基于内容、用户和情感等维度构建舆情传播分析模型。下一步将结合二模网络、知识图谱等研究 方法探索新冠肺炎疫情中舆情事件之间的关联性。     

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。     

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。     

基于用户注意力的突发公共卫生事件舆情情感演化研究——以新冠肺炎疫情为例

【目的/意义】目前舆情情感演化研究大多是基于主题的方法来进行情感演化分析且重点均集中在从文本 本身提取的信息上,对在社交媒体中影响情感分析的用户特征缺乏考虑。【方法/过程】本文充分考虑网络用户信息 特征,构建融合用户特征的舆情情感演化方法,提出一种基于用户注意力机制的情感分析模型（U-BiLSTM）,并以 新冠肺炎疫情事件为例分析舆情情感演化过程。【结果/结论】研究结果表明U-BiLSTM情感分析模型具有一定的 优越性,F1值和准确率能达到97.08%和95.19%。【创新/局限】研究提出的融合用户注意力机制的情感分析模型能够 使舆情情感演化分析具有一定的可解释性,有效揭示面向突发公共卫生事件下网民的情感演化趋势,但由于时间 和设备条件的限制,仅采用单一数据源未考虑数据的多源性,研究的数据集不够充分且研究角度仅考虑时间维度 忽略了空间维度。     

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。     

基于广义随机Petri网的突发事件网络舆情演化模型

【目的/意义】准确掌握突发事件网络舆情的演化规律,提高政府应对能力,避免事态恶化是刻不容缓的课 题。【方法/过程】本文首先从生命周期和社会燃烧视角,将突发事件网络舆情演化的各个阶段分别按照“燃烧物质、 助燃剂、点火物质”集合形式进行结构化描述,探究演化过程中各阶段的关键属性以及属性之间的紧密联系。在此 基础上根据广义随机 Petri网理论,构建突发事件网络舆情演化的 GSPN模型。最后以“山东非法疫苗事件”为例从 事件代表性、谣言煽动性、情绪交融性三个方面评测演化系统的性能。【结果/结论】验证模型有效性,揭示其中的变 动规律及均衡状态,为相关部门引导舆情良性发展,防范舆情失控提供决策参考。     

新媒体环境下网络舆情用户情感演化模型研究 ——基于情感极性及情感强度理论

【目的/意义】对新媒体环境下网络舆情用户情感进行研究,能够剖析用户情感演化规律,从而有助于采取 针对性措施对舆情信息传播进行合理控制。【方法/过程】本文基于情感极性及情感强度理论构建新媒体环境下网 络舆情用户情感演化模型,以微博平台为例进行情感极性和情感强度分析用户情感演化特征及波动规律。【结果/ 结论】“江歌案”微博热点话题主要呈现负向情感,其比例远高于正向情感和中性情感;情感值与极性值都随着极性 值的增加而增加,话题在 12月 11日负向情感值与极性值达到最低。     

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。     

基于微博核心实体的情感分析方法及引导机制研究

【目的/意义】微博作为国内主要的社交网络平台之一,其信息传播实时快速,去中心化,成为网络舆情传播 的重要媒介。面向微博进行舆情中心人物的识别以及公众情绪的挖掘对网络舆情的控制具有重要的实践意义。 【方法/过程】本文以新疆棉花事件为例,使用生命周期法对微博舆情演化过程进行划分,使用word2vec和k-means 模型提取事件生命周期中各阶段的舆情中心人物,采用一种结合词典与LSTM深度学习模型的情感分析方法,对各 舆情中心人物相关的评论情感进行极性分析。【结果/结论】所提出的方法能够挖掘面向特定事件的微博舆情中心 人物、公众的情感类型及情感强度,得到能够使舆情转好的引导方法。【创新/局限】本文创新性的将主题挖掘方法 运用于微博舆情中心人物的提取。在情感分析方法上,结合词典和深度学习方法,解决了深度学习方法进行情感 分析时需人工标注的局限性。此外,本文进行情感值计算时没有考虑到表情符号的作用,后续研究会进一步考虑 更加细粒度的情感分类。     

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。     

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。     

多媒体网络突发事件舆情语义识别及危机响应研究

【目的/意义】针对当前网络舆情识别相关研究成果存在查准率、查全率较低的问题,提出基于情感词汇的 多媒体网络突发事件舆情语义识别方法。利用突发事件数据爬取、抽取等模块构建舆情处理和语义检索平台,将 该平台分为数据采集者、数据管理者和数据使用者三个模块,将最终所得信息数据构成的案例库等当作舆情语义 识别中的数据库。【方法/过程】基于舆情数据库,对舆情词汇情感倾向进行初步识别。以词汇情感倾向性为依据, 对舆情话题评论情感呈现出的强度值进行计算,最后综合评论语义模式权值与其情感倾向值获取话题评论集合最 终情感倾向,完成舆情语义识别。【结果/结论】实验结果表明,所提方法查准率与查全率均较高,具有显著可靠性。 并提出相应的网络突发事件危机响应策略。【创新/局限】在后续研究中应以基于情感语义的舆情监测为重点,以危 机响应预案为基础,不断提升应对舆情突发事件的预判能力和处置能力。     

情绪因素影响下的突发事件网络舆情演化研究

【目的/意义】突发事件容易催生舆情主体的各种情绪,诱发其情绪化行为和态度,分析网民和政府的情绪对其行为倾向的影响机制,有助于更好地把握舆情态势。【方法/过程】该文将包含情绪函数的RDEU理论引入突发事件网络舆情演化的博弈中,然后结合演化博弈中的复制动态方程,构建以网民和政府为代表的动态博弈模型并求解,最后通过假设收益数值对情绪影响下的演化过程进行仿真分析,得出相关结论和建议。【结果/结论】研究结果表明,不同的情绪类型和情绪强度不仅会改变最终的演化结果,而且还会影响群体策略的演化速度,导致舆情的不同演化趋势。     

危机情景下群体情感表达的动力学机制研究

【目的/意义】探索危机情景下的群体情感表达的动力学机制,对于危机情境下的网络舆情管理具有重要的 理论价值与现实意义。【方法/过程】研究获取与“群体免疫”相关的微博数据,利用 SKEP模型计算每日情感倾向和 情感值以构建情感时间序列,对情感序列的平稳性、纯随机性以及混沌性进行分析。【结果/结论】研究结果表明,舆 情是一个过程系统,群体情感表达是该过程系统的一种连续过程。在不同阶段群体情感表达呈现迥异的动力学特 性,起始期的情感序列是由一个随机系统产生的;爆发期主导群体情感表达机制的是一个混沌系统;平稳期群体情 感表达过程是一个二阶马尔可夫过程,是由一个稳定的非混沌系统主导情感的表达。【创新/局限】本研究挖掘了危 机情境下群体情感表达的动力学机制,丰富了理论视角。但本研究仅针对危机情境展开,在未来研究中将进一步 研究比较危机情境下与其他情境下群体情感表达动力学机制的差异。     

重大疫情中网络舆情的多属性演化分析

【目的/意义】探索重大疫情中网络舆情的多属性演化规律,为重大疫情防控中的网络舆情治理实践提供参 考。【方法/过程】基于社会学视角构建了重大疫情中网络舆情多属性演化分析模型,选取湖北红十字会事件微博舆 情数据为研究对象,采用意见领袖影响力评价、LDA主题模型和Snownlp情感分析方法对重大疫情中网络舆情意见 领袖、主题分布和情感走势进行分析,从人群、内容和情绪三种社会属性揭示重大疫情中网络舆情多属性演化规 律。【结果/结论】结果表明,重大疫情网络舆情可以分为突发期、爆发期、降温期和失焦期四个阶段,各个阶段在意 见领袖、主题讨论内容和情感倾向上均有较为明显的区别,网民的情感阶段变化与舆情的主题属性演化规律相吻 合。【创新/局限】本研究提出的模型能够有效满足重大疫情网络舆情演化特征深度挖掘的要求,为重大疫情网络舆 情的治理实践提供参考。后续研究可选取更广泛的舆情事件和数据源验证该模型。     

面向人工智能的我国知识图谱研究的分布特点与发展趋势

【目的/意义】知识图谱不仅是新一代人工智能的前沿技术,而且是大规模知识工程的学科方向。探究我国 知识图谱研究的分布特点和发展趋势,将对技术应用和学科研究具有参考价值和借鉴意义。【方法/过程】本文运用 文献计量学方法和数据可视化技术,针对我国知识图谱研究重要文献的来源库、期刊、基金、机构、作者、关键词等 进行计量研究,采用ECharts和VOSviewer工具可视分析。再根据共词分析方法挖掘“知识抽取”和“知识应用”两大 研究主题,使用Python软件绘制词云图,着重阐述其核心内容、关键问题和主要趋势。【结果/结论】我国知识图谱研 究具有应用跨界与文献激增的总体特点,并呈现六大具体特点。面向开放域的知识抽取技术和智能应用方法,将 成为大规模知识图谱的未来发展趋势。【创新/局限】聚焦人工智能学科范畴,依据共词分析和生命周期,综合利用 多种可视化工具,我国知识图谱研究的分布特点和重要主题得以阐述。然而,国际知识图谱的文献计量与主题挖 掘,尚待进一步分析与研究。     

基于LDA模型的高校师德舆情演化及路径传导研究

【目的/意义】构建高校师德舆情微博用户评论LDA模型,可以更精准识别舆情演化特征和分析关键主题传 播路径,帮助高校和相关部门更为有效地进行舆情监管和舆情引导。【方法/过程】本文以“天津大学一教授学术造 假”事件为例,基于 LDA模型构建高校师德舆情下微博用户主题生成模型,采用困惑度评价指标确定 LDA模型最 优主题数,采用信息熵确定每一主题在不同日期的主题强度,通过关键词共现知识图谱、词云展现舆情话题的演 变,最后基于主题相似度确定主题传播路径。【结果/结论】LDA模型和信息熵可以解析出网络用户群体关注的重要 主题热点,精准识别舆情演化特征,识别主题最优传播路径进行舆论引导,对爆发的舆情实现预测和管制优化。【创 新/局限】文章创新性地构建高校学术道德舆情的LDA主题模型,有效确定微博用户群体主题、识别舆情演化特征、 分析主题间传播路径,具有普适性;进一步扩大高校师德其他舆情分析及结合网络舆情情感分析为下一步的研究 内容。     

基于BERT-BiLSTM模型的舆情监测方法及实证研究——以研究生招生考试为例

【目的/意义】教育招生考试备受社会各界关注,极易触发舆情事件。及时监测并准确研判相关网络信息传 播发展态势,发现潜在舆情并处置应对,对于保障考试安全和维护学校声誉具有重要意义。【方法/过程】采集研究 生复试期间主流媒体社交平台数据,将BERT语言训练模型同BiLSTM相结合,构建深度神经网络模型,对文本的 情感极性进行分析。用TextRank算法提取不同情感极性类属文本的热门主题词,监测潜在舆情并提出管理建议。 【结果/结论】实证结果表明,该模型能够有效挖掘不同情感极性下的热门主题信息,从而发现潜在隐患以及可能发 生的舆情焦点,为高校网络舆情管控提供了方法参考和实践依据。【创新/局限】与传统方法相比,基于BERT的预训 练语言模型可有效解决因数据量少而导致模型无法准确表示不同语句之间复杂关系的局限性,同时BERT可对文 本进行双向建模,捕获不同句子之间的关系特点,提升对文本情感主题挖掘的准确性。