基于扎根理论的微博用户情感倾向性分析及应对策略

[研究目的]通过运用扎根理论研究微博用户情感倾向性,既可以使该方法在微博舆情研究中能够更好地被应用,又能通过对信息舆论监督,市场营销策略的提出达到有效监管的目的。[研究方法]以微博用户群体作为研究对象,以新浪微博“张扣扣事件”为研究话题,以扎根理论为研究工具,通过对采集的有效数据分析,研究微博舆情传播特征、过程、规律,并以研究结论为依据提出具体监管策略。[研究结果]本文的研究方法具有开放性和严谨性,验证了扎根理论在微博舆情传播研究中的有效性和实用性,拓展了微博舆情研究的新视角,针对于用户情感倾向性提出了网络舆情传播监管策略。

基于舆情大数据的境外旅游影响因素的灰色关联分析模型

利用网络大数据探究公众舆情与境外旅游之间的关系,从网络民生意见中发现境外旅游的影响因素.搜集“2018年最受中国游客欢迎的TOP20国家”在过去一年中的境外旅游数据,利用爬虫软件爬取相关新闻报道和用户评论数据,基于内容分析法构建公共舆情与境外旅游的灰色关联度模型.选取整体关注度、政策新闻、景区建设、公众情绪4个一级指标,并设计相应二级指标进行综合分析.研究结果表明:(1)选取的9个二级指标在不同程度上都与境外旅游存在一定关联;(2)搜索指数的关联度在所有二级指标中数值最大;(3)服务质量是游客较为关注的旅游出行影响因素.实证研究验证了该文灰色关联度模型的有效性,文章结论能够给正在迅速发展的旅游产业带来一定的参考价值.

基于情绪归因理论的突发事件微博用户情绪演化分析

[目的/意义]网民情绪演化趋势是舆情发展的风向标,追踪微博用户在公共安全突发舆情事件中的情绪发展状态,有助于实现舆情疏导和预警。[方法/过程]以“贵州公交坠湖”为例,基于情绪归因理论,通过构建一个四层贝叶斯分类器,从情绪和归因两个维度对事件各生命周期阶段内的微博用户评论进行分类及做出演化分析,尝试找到影响微博用户情绪变化的关键因素。[结果/结论]该事件起始期和爆发期以祈祷的“好”及对受害者的“哀”为主,随着事件调查结果的明朗,转化为了对责任人、网友评论、衍生话题等的“恶”“怒”“哀”等情绪。

微博群体性事件热度的影响因素识别研究

[目的/意义]识别出微博群体性事件热度的影响因素,有利于快速了解、掌握微博群体性事件的发展情况,并及时做出防控处理。[方法/过程]首先,运用德尔菲法以及问卷调查方法,构建微博群体性事件热度的影响因素指标体系;然后,运用DEMATEL方法进行关联分析,识别出主要影响因素;最后,用敏感性分析法检验识别结果。[结果/结论]构建了影响微博群体性事件热度的影响因素指标体系,并结合数据分析图,识别出影响微博群体性事件热度的主要因素。

基于爬虫和统计技术的智能科研辅助系统

设计了一种宏观与微观相结合的文献分析基本框架.首先,基于统计学的平均思想提出了一种文献质量指标评价体系.然后,基于爬虫和统计技术并借助于Python编程语言丰富而强大的标准库和第三方库,构建并编程实现了一个能完成文献自动收集和分析的智能科研辅助系统.实验结果表明,用户输入检索条件后,系统能自动收集中国知网上相关文献信息并快速有效地向用户呈现一份图文并茂的文献分析报告.