重复蒙太奇的表现形式及其修辞作用

本列举中外优秀电影的典型范例，阐明重复蒙太奇的主要几种表现形式，剖析它对电影刻画人物、推动情节、深化主题的修辞作用。     

论建设性新闻舆论监督

本文着重探讨了建设性新闻舆论监督的内涵,并说明我国新闻舆论监督为什么是一种建设性的监督,同时对如何有效地开展建设性的新闻舆论监督提出一些建议.     

英语谚语的重复结构

结合英语谚语的修辞功能和表现形式,分析了英语谚语的重复结构。这有助于更好地理解和欣赏谚语的丰富内涵,提高英语的审美能力和运用能力。     

公民跳广场舞的权利边界与规制

摘要：广场舞引发了体育权利和安居权利的冲突。指责广场舞者侵犯了居民权利的逻辑,就如同指责居民侵犯了广场舞者权利的逻辑一样,均有失偏颇,不利于权利冲突的消解。为探索合理的治理路径,运用文献资料法、社会调查法等研究方法,对既有的研究成果进行梳理,探究问题的关键,扩展新的研究视角。广场舞与侵权之间并无必然的逻辑联系,权利冲突既源于存量资源的错配,也与增量资源的供给不足相关。由国家规制权利冲突,应考量私权主体之间的交易成本和资源配置社会效用的最大化,促进意思自治下的权利交易。有鉴于此,针对权利冲突,提出正确舆论引导和公共精神培养相结合、交易优先和规制辅助相结合、存量资源分配与增量资源供给相结合、立法规制与行政治理相结合等治理措施,以期能为广场舞纠纷的化解提供些许有益指导。     

信息生态视域下突发事件网络舆情生发机理研究--基于40起突发事件的清晰集定性比较分析

【目的/意义】突发事件的频发往往成为网络舆情生发的重要导火索,研究突发事件网络舆情的生发机理,对于舆情的导控及治理而言意义非凡。【方法/过程】基于信息生态视角,从信息、信息人、信息环境与信息技术四个要素提炼出事件信息、发布主体、信息受众、信息技术及信息环境五个解释变量,通过清晰集定性比较分析法(csQCA)对40起突发事件进行比较分析,据此得出三个有效的条件构型。【结果/结论】结果表明,社会安全突发事件借助网络媒体平台容易激发公众负面情绪,提升网络舆情的生发热度;良好的信息环境在方便公众沟通交流的同时,也一定程度上推动了突发事件网络舆情的生发;发布主体的非理性是突发事件网络舆情生发的重要原因。     

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。     

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。     

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。     

基于贝叶斯网络的网络舆情事件分析

【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。     

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。