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。     

基于社会安全阀的地方政务发布舆情预警模型研究

【目的/意义】随着互联网技术的不断发展,政府部门所面临的舆情压力与日俱增,因此针对政务微博发布的舆情预警的研究具有重要意义,而目前相关的研究多以数学建模的方式进行,从社会学角度的研究较少出现。【方法/过程】研究基于社会安全阀理论对微博数据展开分析并结合EGM灰色系统理论构建预警模型。【结果/结论】研究发现,政务发布具有转移敌意与情绪宣泄的作用,在舆论冲突的前期与潜伏期阶段存在危机和矛盾双层次预警。将湖北仙桃的群体事件代入模型进行验证分析,证明了模型的合理性与可操作性,存在较高的应用前景。     

基于投入产出分析的政务微博舆情信息传播效率评价研究

【目的/意义】通过对政务微博网络舆情信息传播效率进行评价,有利于政务微博的运营和管理。【方法/过程】应用道格拉斯生产函数对政务微博网络舆情信息传播效率评价指标体系的投入和产生指标进行分析,应用DEA模型对政务微博网络舆情信息传播效率进行测算和评价,并利用聚类分析方法对政务微博进行分类,从而对政务微博信息传递指标进行归纳。【结果/结论】政务微博规模效率表现较差的原因是政务微博信息传播效率表现不佳;政务微博信息传递规模效率较低的原因是粉丝数和关注数不足;最后基于投影分析,提出政务微博信息传递效率的改进方案。     

基于观点模糊相似度的微博舆情演化研究

【目的/意义】微博舆情监管是政府推进网络社会治理所面临的难题。对微博舆情进行研究有助于深入了 解微博舆情传播规律,为政府监管微博舆情提供建议。【方法/过程】首先通过分析微博舆情的社交网络结构特点, 对BA无标度网络进行改进。随后将模糊观点与Deffuant-Weisbuch模型融合,提出一种基于改进模糊相似度的舆 情演化规则。最后通过仿真实验分析微博舆情演化特征。【结果/结论】研究发现,模糊观点的类型对舆情演化的周 期与规模有影响。用户对于热门发现微博的关注度对舆情传播有影响。     

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。     

情绪演化视角下网络舆情群体极化动力学机理研究

【目的/意义】随着互联网的日益普及与新媒体技术的广泛应用，网络舆情群体极化现象日益加剧。研究网络舆情群体极化动力学机理，科学地把握网民情绪演化规律对塑造健康的舆论生态环境具有重要意义。【方法/过程】以网民情绪演化为主线，构建网络舆情群体极化系统动力学模型，从情绪唤醒、情绪干扰、情绪疏解三个维度并结合“女子实名举报前婆婆吃空饷”案例对网络舆情群体极化进行仿真研究。【结果/结论】通过仿真结果分析，网民的媒介素养、认知水平；媒介的议程设置、平台监管力度；政府的信息公开程度、回应速度等因素对群体极化的影响程度更为重要，并以此为群体极化的治理工作提供相应对策。【创新/局限】以情绪演化视角对网络舆情群体极化进行定性与定量的结构化系统性研究。局限在于数据的量化处理具有较强的主观性且系统因素的选取还需逐步完善。     

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。     

基于事理图谱的多维特征网络舆情演化路径研究

【目的/意义】基于事理图谱的方法对网络舆情事件进行揭示,能够准确分析舆情事件的发展趋势和脉络, 为政府部门的舆情管控和舆情引导献计献策。【方法/过程】以微博“长征5B失控”的相关主题与评论内容为研究对 象,对提取的数据进行清洗和处理、抽取和泛化,分别生成顺承事件对和因果事件对,并对其顺承关系和因果关系 进行识别,从而构建网络舆情事理图谱。【结果/结论】在网络舆情的发展过程中,可以看出因果事件的演化路径具 有时间发生短,演化路径短的特点,伴随着时间的推移,其演化的趋势也逐步降低;网络舆情顺承事件具有传播的 时间长,传播的路径多且具有多向性的传播特点,在顺承事件的传播过程中,往往伴随着因果事件,且舆情事件的 走向与网民的情绪有很大的关联。【创新/局限】构建基于事理图谱的网络舆情的演化路径,同时揭示网络舆情演化 的传播特点与现实意义,后续有必要扩大研究样本,使得研究结果具有更好地通用性。     

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。     

基于影响模型的网络舆情演化与传播仿真研究

用仿真方法对网络舆情演化机理进行推演分析已成为当前网络舆情研究的一个热点。引入影响模型,基于实证调查设定网民个体属性与交互行为参数,通过仿真方法考察网民个体行为在网络舆情传播过程中的作用,重点研究了传播内容以及网民个体属性对舆情演化传播的影响。测试表明该模型能够很好的契合和解释网络舆情传播演化过程的实际规律与现象,为进一步使用仿真方法研究网络舆情演化与传播模式提供了个体行为建模基础。     

基于系统动力学模型的政务短视频网络舆情动力演化分析

[目的/意义]随着5G时代的到来,短视频的信息传播成为引导网民舆情的重要工具,如何运用政务短视频导控网络舆情成为政府面临的新挑战。[方法/过程]将政务短视频网络舆情分为舆情事件、网民和政务短视频三个子系统,借助Vensim PLE软件,构建政务短视频网络舆情多主体应对仿真模型,并结合具体案例"黑龙江疫情反弹"仿真分析子系统中各影响因素之间的相互作用关系,探究政务短视频网络舆情传播的动态机制。[结果/结论]结果表明:政务短视频网络舆情受舆情事件、网民、政务短视频子系统及其相关因素的共同影响。因此,政务短视频可以通过控制三个子系统的相关因素,有效应对和导控网络舆情。     

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。     

微博舆情全景生态：内涵、要素关联及概念模型

【目的/意义】为了更好地剖析微博舆情生态全貌,更全面揭示微博舆情生态的全景。【方法/过程】以生态学 理论为基础,结合知识关联的思想,对微博舆情的内涵和外延进行了揭示,提出了微博舆情全景生态这一概念;对 其构成要素及其关联关系进行了解析;从三个维度对微博舆情生态的全景进行了描绘,并最终构建了微博舆情全 景生态模型。【结果/结论】通过对微博舆情全景生态的解析,得出了微博舆情生态的全景维度主要包括三个方面, 分别是：客观存在、关联关系、运动本质即超网络结构、多维图谱、传播机理。【创新/局限】由于本文是对微博全景生 态的宏观概述,所以对微观层面的要素关联还可以进一步细化,后续研究中将对其全景生态模型进行更深层剖析。     

面向公共安全风险防控的疫情网络舆情预警研究——以刚果埃博拉病毒为例

【目的/意义】网络舆情预警作为反映社会舆情的“晴雨表”和“提示器”,有助于政府部门通过公告、沟通、情 绪安慰和教育活动对社会进行科学管理。【方法/过程】本文基于Python数据爬虫技术,将刚果（金）赤道省疫情期间 的 38天分为 38个时间点,进一步构造 SVM 模型,并用 Matlab对 SVM 模型进行训练。其中 5月 18日至 6月 18日数 据为训练样本,6月19日至6月25日数据为检验样本。【结果/结论】通过实证研究,危机程度大于和小于0.5的情况 均合理有效,预警模型实用性强,对政府、社会、媒体应对危机产生了较大价值。【创新/局限】但由于本研究仅是针 对埃博拉展开,从Twitter中获取的数据量有限,因此存在一定研究局限性。未来将尝试选择基于更多的主题,从多 个来源提取更多数据,以对网络舆情危机预警机制进行更加系统、全面地研究。     

面向公共政策的网络媒体内容文本分析应用框架与实证——以新能源汽车政策为例

【目的/意义】随着互联网的迅速发展,网络媒体成为反映社会舆论的主要载体。如何有效地从网络媒体获取公共政策相关的社情民意以引导公共政策的传播议程设置是政府职能部门所关注的重要问题之一。【方法/过程】本文基于网络媒体数据,应用数据挖掘、机器学习等数据分析技术,提出了一个面向公共政策的网络媒体内容文本分析框架。利用文本语义分析方法,从主题识别、情感分析等角度对网络主流媒体的公共政策传播议程设置与社交媒体网民舆论进行挖掘和对比,并以新能源汽车政策为例对该分析框架的有效性进行了验证。【结果/结论】通过实证发现当下网络媒体报道的议题与社交媒体上公众对有关公共政策的关注焦点之间存在较大偏差,就新能源汽车政策为例,公众对于其政策的关注偏向于衡量自身获利的多少,而网络媒体报道更多以描述政策传递信息为主。建议政府职能机构针对公共政策使用网络媒体进行传播时,可根据公众关注焦点话题进行议程的设置和调整,以增强公众对此政策的认可度。     

基于BiLSTM-CRF的政府微博舆论观点抽取与焦点呈现

[目的/意义]准确把握公众微博评论中所反映的公众观点并总结舆论焦点,有助于及时获取和引导社会舆情态势,对政府公信力、快速响应能力及执行力提升具有支撑作用。[方法/过程]文章针对当前政府微博评论社会功能发挥的现实要求和其文本特征挖掘的技术需求,从基于深度学习的文本智能语义理解和挖掘出发,提出了适用的细粒度四元组标注策略,构建了政府微博评论观点抽取与焦点呈现的深度学习模型POF-BiLSTM-CRF,即通过细粒度标注策略确定、Word2vec训练词向量、BiLSTM评论特征学习进行标签及其概率输出、CRF学习上下文实现微博评论标注优化,以及观点聚类和主题词提取后最终呈现舆论焦点。[结果/结论]针对"中国警方在线"微博评论的实验表明,文章所提研究框架和模型能够有效进行舆论观点的智能化提取,为快速把握公众观点及为政府决策提供了参考。     

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。