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。     

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。     

突发公共卫生事件利益相关者的社会网络情感图谱研究

[目的/意义]构建突发公共卫生事件利益相关者的社会网络情感网络图谱,以可视化的方式分析突发公共卫生事件中各类利益相关者的情感状态和分布,探寻利益相关者之间的情感传播路径,并结合舆情话题综合分析利益相关者的情感演化态势。[方法/过程]以"魏则西事件"为例,通过微博转发关系构建微博用户的社会关系网络,同时标识各用户的利益相关者类型,并计算用户的情感类型及情感强度嵌入社会网络中构建出社会网络情感图谱。[结果/结论]普通群众的情绪更强烈且易受意见领袖影响,在事件爆发期和蔓延期,主流媒体和自媒体对普通群众的情感影响较大,在衰退期,政府人员和医护人员的参与增加且情感影响变大。随着舆情的演化,各类利益相关者的主导情感也随着变化,自媒体和企业在情感传播中起重要的桥梁作用。     

中国微博意见领袖研究综述

微博意见领袖的相关研究是伴随微博在中国的出现而兴起的。3年来,微博在公共事件中所起的作用日趋明显,微博意见领袖的身影也出现在许多影响重大的舆情事件中,对微博意见领袖的相关研究数量呈上升趋势。本文对中国微博意见领袖研究进行整理分类,从发展、形成机制、识别、实证、引导与管理等几个方面进行综述,以期为微博及其意见领袖的研究提供借鉴。     

基于舆情客体与本体剥离的重大突发事件网络舆情本体演化强度研究

[目的 /意义]重大突发事件网络舆情在传播过程中往往会出现不同的主题,而微博用户对不同主题的表达和关注也会直接影响网络舆情的传播速度和规模以及舆情事件的走向。针对重大突发事件的微博用户主题演化分析有助于应急管理部门更好地理解重大突发事件的发展轨迹以及公众在不同阶段的关注点,以便采取有效应对措施。[方法 /过程]以网络舆情信息特征为立足点,辅以自然语言处理技术将舆情信息客体与本体进行剥离,结合重大突发事件特征,创新性提出以舆情客体信息为参照基线的舆情本体演化强度来反映微博主题演化趋势。[结果 /结论 ]研究结果表明,面向网络舆情信息本体的主题分析,与网络舆情实际发展演化趋势更加贴近,对主题内容的揭示也更加全面。同时研究思路也对现有网络舆情主题分析的研究方法中单一求助于自然语言处理技术的优化与更新具有一定启示意义。     

微博意见领袖网络行为——“净网”前后的数据分析

2013年8月网络治理专项活动开展以来,微博意见领袖的识别、活跃度、影响力再次引发各界关注、本文以244个微博意见领袖作为研究对象,总结微博意见领袖的群体特点,利用词频分析方法和社会网络分析方法对微博意见领袖博文内容及转发关系进行分析,探析网络舆论调控前后微博意见领袖行为变化特点。分析发现:8月以来微博意见领袖发博量整体下降,但公务员、律师、作家、学者等群体人均每日发博量上升;博文内容涉及政治话题减少,更加倾向于法制主题;整体互动程度降低,意见领袖群体对个体影响力减弱,群体之间信息控制力和传播力差距缩小;少数微博意见领袖参与舆情事件的热度上升,但微博意见领袖群体对舆情事件影响力有所降低。     

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。     

网络热点事件中网络暴力影响因素研究

[目的/意义]网络热点事件中网络暴力受到多种因素影响,对其分析能够了解网络暴力传播规律,为舆情引导提供方法指导。当前网络舆情研究主要集中在主题挖掘、情感分析、行为分析以及意见领袖识别等领域,网络暴力传播规律研究相对较少。[方法/过程]本文以网络热点事件为研究对象,首先,获取事件下评论用户的组织关系、评论文本、年龄等数据;其次,对事件负面程度进行评分以及对评论文本的暴力属性进行标注;最后,通过计算意见领袖影响力指数、高质量评论指数等网络要素,分析这些要素与网络暴力之间的相关关系。[结果/结论]对10个网络热点事件进行分析,结果表明：事件负面程度（r=0.99）、负面意见领袖影响力指数（r=0.79）、负面高质量评论指数（r=0.77）与网络暴力之间呈正相关关系;网民年龄（r=-0.61）、正面意见领袖影响力指数（r=-0.86）、正面高质量评论指数（r=-0.81）与网络暴力呈负相关关系。事件负面程度、意见领袖、高质量评论、网民年龄是网络暴力影响因素。     

关于突发事件中微博“大V”传播行为的思考——以“3·1”云南昆明火车站暴力恐怖案件为例

微博"大V"在突发事件中的传播行为直接影响微博的传播环境和社会舆论,越来越引起人们的关注与重视。本文以2014年"3·1"云南昆明火车站暴力恐怖案件为例,选取@微博云南、@云南日报等微博"大V"在事件发生后所发表的相关微博内容为研究对象,对微博的数量、微博的内容、微博被转发和评论的次数进行分析,认为突发事件中微博"大V"应充分发挥意见领袖的作用,进行正能量传播,积极引导舆论,具体来说,一是作为意见领袖的微博"大V"需要理性发声;二是微博"大V"作为消解谣言传播的关键节点,应当提高更新微博的频率;三是微博"大V"应充分利用自身的粉丝效应,扩大舆论引导的效果。     

网络突发事件中社交机器人情感的交互式影响机制研究

[目的/意义] 细化社交机器人对网民情感的干预机制,同时从实践上为网络突发事件舆情治理提供建议参考。[方法/过程] 以仁济医院赵晓菁事件为例,利用朴素贝叶斯方法计算微博情感倾向,通过构建向量自回归模型（VAR）并进行格兰杰因果检验、脉冲响应分析以及方差分解分析,确定社交机器人、意见领袖与普通用户在事件生命周期各阶段的情感关系。[结果/结论] 社交机器人、意见领袖与普通用户的情感关系随舆情阶段演进发生变化,在爆发期,社交机器人放大了意见领袖对普通用户的情感影响;在成熟期,社交机器人影响式微,普通用户的情感反作用于社交机器人与意见领袖;在衰退期,三者保持较为独立的情感关系。此外,社交机器人的影响策略具有隐匿性和间接性特征。     

突发事件下基于改进K-Shell分解的意见领袖识别研究

[目的 /意义]为实现突发事件网络舆情的精准管控,对突发事件中的意见领袖识别进行研究。[方法 /过程]针对K-Shell分解使得同一核层的节点具有相同K-Shell值的粗粒化分解问题,结合用户自身属性与用户交互行为对核心用户进行用户重要度因子量化,并通过重构各节点K-Shell值的计算方法来加以改进;在此基础上定义以转发比例为权重的相邻用户重要度贡献值,从而构建一套意见领袖的识别方法。[结果 /结论 ]以“郑州地铁7·20事件”为例,进行实证分析。结果表明突发事件中意见领袖主要由主流媒体与自媒体两类用户组成,且意见领袖的特征与类型随舆情生命周期的变化而变化。本文提出的意见领袖识别方法能够精确地给出意见领袖的排名,较K-Shell分解法识别效率更高,较社交平台传统的排序方法更具可解释性。     

网络舆情中微博意见领袖的培养和引导

新媒体的迅速发展,微博热潮使信息传播途径、方式发生变化,微博意见领袖正在引领和掌控者微博的主流信息,左右社会的舆论导向。因此,结合微博意见领袖的泛众化、圈群化、显性化的传播特征,分析微博意见领袖在网络舆情发端、发展和低谷期中的作用,总结在网络舆情中的影响力,并就网络舆情中如何识别、培养和正确引导微博意见领袖提出建议。     

健康超话意见领袖甄别方法及其对不同参与行为的引导作用

[目的/意义]健康超话中存在基于规则设定的形式意见领袖和发挥实际作用的真正意见领袖。甄别健康超话中真正的意见领袖并分析其对不同类型用户参与行为的引导作用,有助于健康超话的管理和发展。[方法/过程]首先,基于用户活跃度、话题相关性和网络位置三个属性构建三层次意见领袖甄别模型;其次,通过量化计算意见领袖影响力,分析健康超话中意见领袖的引导作用;最后,以“系统性红斑狼疮”健康超话为例进行实证研究。[结果/结论]三层次模型能够筛选出健康超话中实际的意见领袖,其甄别效果优于单一属性的识别方法。意见领袖对健康超话中的信息传播呈现正面引导作用,对不同参与类型的用户以及用户的不同参与行为均有影响。     

高校突发性事件微博舆情演进的关键节点分析——基于2010~2015年12件高校突发性事件的实证研究

在结合人际传播和大众传播的微博传播中,其传播形态也发生了颠覆性变革.微博使用用户及其绑定的一体化信息——节点成为微博传播的基本动力,而其中的关键节点更是对舆情扩散和舆论走势起着至关重要的作用.因此,本文以2010~2015年12件热点高校突发性事件为研究对象,探寻出其中的关键节点基本信息、行为特征及影响力特征,并针对提升高校突发性事件微博舆情引导能力给出一些建议及对策.     

浅析基于微博的信息传播模式——以“冰桶挑战”为例

作为网络信息传播的一个代表平台,微博除具有网络信息传播的共同特点外,还具有二次传播、病毒营销、意见领袖等个性化的传播特色。论文以"冰桶挑战"公益微博为例,对基于微博的信息传播模式进行理论分析,尝试通过"爬虫程序"进行微博数据的挖掘和分析,以实验方法验证基于微博的信息传播模式和特点,以期为网络舆情引导和监控提供建议。     

“微博意见领袖”理论研究现状——基于CNKI近8年的核心期刊

2010年被称为"微博元年",伴随着微博的诞生,"微博意见领袖"的相关研究也拉开了帷幕。8年来, Web2.0时代逐渐到来,微博在社会事件逐渐开始发挥作用和影响力。一些舆情案例中出现"微博意见领袖"的身影,相关研究数量呈上升趋势。不少学者着眼于基于微博这个平台的"意见领袖"研究,致力于其概念界定、识别标准、行为特征、变化趋势等研究。本文将对2010年以来的"微博意见领袖"研究进行一个简要回顾和整理,总结出其研究思路和特点,并简单分析。     

公共事件中微博“意见领袖”特点探析

微博是一个意见自由市场,在这个开放的平台中,任何人都可以平等的发言。在公共事件中,由微博舆论场自发形成的"意见领袖"成为事件传播的重要节点,这些"热点"影响着公共事件传播的广度和深度,也无形中引导着事件的发展方向。在公共事件传播过程中,不同"意见领袖"发挥的作用也不同。他们对议题的积极引导对公共事件的良性运行起到建设作用,但是微博的"开路"传播及其片段化的言说模式,也使"意见领袖"遭遇了危机。     

微博意见领袖对网络舆论的影响

【摘要】随着微博时代的到来,微博在信息传播中的作用越来越大,而活跃于各种舆情事件中的微博意见领袖,对舆论的影响可见一斑。在发布、转发、评论的过程中,微博意见领袖无形中起到了引导舆论、推动舆论和议程设置、舆论监督等作用。但是事物本身具有两面性,由于微博意见领袖这个群体本身的不可控性,产生的结果也是难以预料的。因此,要想充分发挥意见领袖的积极作用,相关部门必须加强规范和引导,微博意见领袖自身也要自律,防止给社会舆论带来不利影响。     

融入情感差异和用户兴趣的微博转发预测

[目的/意义] 微博转发是实现微博信息传播的重要方式,对用户转发行为进行研究可以更好地理解微博信息传播机制,对热点话题检测、舆情监控、微博营销等具有重要意义。针对以往研究中用户兴趣表示不够全面准确以及未考虑情感差异对用户转发行为的影响,提出一个融入情感差异和用户兴趣的微博转发预测模型。[方法/过程] 该模型首先从维基百科中提取概念语义关系构建维基知识库,将其作为语义知识源对微博文本进行语义扩展,解决语义稀疏问题;对语义扩展后的用户历史微博进行聚类,提取用户兴趣主题和主题对用户的影响力;然后计算微博中各类情感的情感强度,提取情感差异特征;最后结合用户行为特征、用户交互特征、微博特征、用户兴趣特征和情感差异特征,运用SVM实现微博转发预测。[结果/结论] 在新浪微博真实数据集上进行实验,验证了所提模型的有效性。     

多特征融合的突发公共卫生事件潜在谣言传播者识别

[目的/意义]突发公共卫生事件中谣言的迅速传播可能会引发群体性的焦虑和恐慌,识别社交媒体中潜在的谣言传播者,研究及评估影响谣言传播者识别的重要特征,为舆情管控和网络治理提供策略。[方法/过程]提出一种突发公共卫生事件情景下多特征融合的潜在谣言传播者识别模型,首先基于BERT-BiLSTM模型提取微博的语义特征,然后与用户特征、微博特征以及情感特征进行融合,最后基于LightGBM算法构建用户分类模型,并利用SHAP值对模型进行分析。[结果/结论]研究结果表明,融合多特征的突发公共卫生事件谣言传播者识别模型在微博数据集上的准确率能够达到87.94%,说明该模型具有较好的识别效果,提出的4个维度的特征对谣言传播者识别均有贡献,其中文本语义特征对谣言传播者识别准确率的提升最高。