共查询到18条相似文献,搜索用时 62 毫秒
1.
热点事件舆情关联现象在网络时代普遍存在。事件通过共同主体、主题或者情绪相互联系,既包括存在于单一热点事件之中的舆情簇,也包括存在于多个热点事件之间的舆情集。研究表明网络热点事件舆情关联是由信息的"眼球经济"效应、媒体的协同过滤和议程设置以及网民的群体记忆等多种因素而促成。舆情关联会促进网民和媒体的事件认知,推动政府治理,但也会造成私人生活的公共化、网民的反向认知、情绪累加和政治冷漠等问题。政府应建立关联舆情数据库以及立体的舆情应对体系,加强媒体管理及网民引导,从而有效地对舆情关联所带来的负面影响进行防控。 相似文献
2.
[目的/意义]网络舆情具有的演化路径不明确、演化态势复杂等特点,致使决策主体在应急管理中很难做出科学应对。[方法/过程]文章首先定义了网络舆情事件链的节点描述方式、节点状态概率以及节点演化概率,并给出网络舆情事件链的构建过程;然后在实证中构建了面向消费者维权的网络舆情事件链,实现了该类网络舆情的关键情景推演;最后结合"奔驰维权"案例,证明文中方法的有效性和可行性。[结果/结论]文中方法可以有效预测消费者维权类网络舆情的发展态势,为网络环境下该类网络舆情的应急处置提供决策支持。 相似文献
3.
4.
网络舆情热点发现研究 总被引:1,自引:0,他引:1
网络舆情已成为社会情报的一种重要表现形式.文中分析了网络舆情研究的现状,给出网络舆情热点发现模型,通过实验比较了两种算法:K-means方法和SVM方法,实验结果表明SVM对于网络舆情热点发现方面具有比较好的优势. 相似文献
5.
[研究目的]随着互联网技术的发展,网络环境变得日益复杂,网络舆情事件发展态势感知的难度也在不断加大,为网络舆情监管带来了极大挑战。在舆情事件发生时,及时感知其发展态势,厘清其演化特征和规律,藉此提出相应建议,对引导与治理网络舆情具有重要意义。[研究方法]基于事件系统理论,提出一种融合态势感知理论和用户画像的网络舆情态势感知模型。首先,采集舆情事件时间、空间和强度要素相关数据。然后,划分舆情演化阶段、分析网络舆情扩散属性和情绪强度属性的特征。最后,构建Grey-BP神经网络模型,预测网络舆情扩散属性和情绪强度属性的后续发展态势。[研究结论]从事件系统视角出发,构建了融合态势感知理论和用户画像的网络舆情态势感知模型,整体性地探究舆情事件时间、空间和强度要素特征,能够较为全面地阐述网络舆情的演化态势,并可靠地预测其未来演变趋势。 相似文献
6.
【目的/意义】互联网背景下社会热点事件层出不穷,因网络高关注度极易引发舆情与谣言危机,舆情与谣
言演变时关系紧密,通过分析舆情与谣言耦合机制,为社会热点事件网络治理提供指导。【方法/过程】选取近4年28
个社会热点事件,筛选其中表现突出的耦合样本,可视化呈现了社会热点事件网络舆情与谣言的耦合模型,进而利
用场域理论中行动者、资本与惯习的内、外循环机理揭示网络舆情与谣言的耦合机制。【结果/结论】揭示了社会热
点事件网络舆情与谣言的一致演变耦合模型、超前分歧耦合模型和滞后分歧耦合模型,并深入分析了三类耦合模
型中不同的耦合机制,包括两场域互振共变机制、谣言场抑制与舆情场反攻机制,以及舆情场主导与谣言场破茧机
制。对于社会热点事件网络舆情与谣言的科学判定及精准施策具有重要意义。【创新/局限】结合多元研究方法揭
示舆情与谣言间的双向互动关系,在舆情与谣言耦合演变影响因素的理论研究仍需加强。 相似文献
7.
8.
9.
10.
11.
【目的/意义】目前网络舆情事件与社会稳定密切相关,其中定量计算方法在网络舆情事件分析中占有重要地位。【方法/过程】本文提出了一种基于贝叶斯网络(Bayesian Network下文简称BN)分析网络舆情事件趋势的方法。先根据先验知识和专家指导设计BN拓扑结构;再利用EM算法推算条件概率表;最后通过训练集和测试集的方法检验BN的有效性。【结果/结论】本文以随机抽取的2018年100件网络舆情事件为数据源进行实验,结果表明本文设计的BN在预测网络舆情事件趋势方面是可靠的。这为基于BN处理网络舆情事件提供了一定理论依据。 相似文献
12.
[目的/意义]新信息技术推动媒体应用平台快速发展,网民通过主流媒体与自媒体积极参与话题讨论,客观分析信息传播平台对网络舆情事件发展的影响力,有利于建立良性的信息生态循环圈。[方法/过程]本文以官方公布的十年网络舆情热点事件为数据分析对象,使用灰色关联法分析历年各信息传播平台与网络舆情热度的关联关系,从时间、事件等维度挖掘信息传播平台对网络舆情热度的影响特征。[结论/建议]各信息传播平台对网络舆情热度的影响力与传播技术发展水平是同步的,对网络舆情热度的影响呈现势均力敌之势,媒体融合、资讯融合是发展必然趋势。 相似文献
13.
14.
15.
16.
[目的/意义]旨在提出一种基于领域词典的突发公共安全领域舆情事件自动识别方法,有效识别公共安全领域的热点舆情事件,预防危机舆情事件,提高政府公信力。[方法/过程]首先以中国应急服务网中的公共安全事件语料为数据来源,提取并筛选公共安全领域的高频词汇;然后结合人工干预方式选择部分高频且与领域高度相关的种子词;随后以互信息方法计算种子词与语料中的其他词汇共现概率(点互信息),同时以与种子词具有较高点互信息的词汇作为领域候选词,并结合人工审核方式对候选词汇进行调整。最后在对待识别语料进行文本表示的基础上,将其与词典中的领域词汇进行匹配,并以语料中出现的公共安全领域词汇的数量和权重来判断待识别语料是否为突发公共安全舆情事件。[结果/结论]在标注语料上的实验结果表明,与经典的Naive Bayes方法相比,提出的方法能够有效提高公共安全领域热点舆情事件的识别准确率。 相似文献
17.
将微内容界定为本体信息和状态信息的组合形态,对微内容信息特征及其网络汇聚特性和演化特性进行分析。分析表明,由微内容信息特征所决定的微内容舆情汇聚的便利性、易爆发性和社会化特性,以及微内容舆情演化的马太效应与观点极化特性等是导致网络舆情热点形成的主要原因。 相似文献
18.
了解网民对某一话题所持的舆情观点倾向及其演化过程,是互联网舆情监控的一项重要内容。掌握舆情观点的演化特性对于及时引导和化解舆情危机具有十分重要的意义。考虑到互联网是一连接度分布具有幂律特性的复杂网络,提出了基于BA网络的舆情观点演化模型。模型考虑了个体本身以及个体对他人的信任关系两个因素,重点分析了模型中信任阀值对观点演化过程的影响,并对模型是否考虑网络拓扑结构因素进行了比较分析。 相似文献