基于情感分析和热度预测的网络舆情预测研究

在社交媒体平台已成为大众信息交流的重要载体的背景下,关注和分析大众对于社会热点事件的情感倾向及舆论走势,有利于及时准确了解大众的情感需求,制定相应的措施,引导舆论走向,维护良好的网络环境。提出了基于情感分析和热度预测的网络舆情预测思路,构建了融合多特征的文本情感分析模型和基于时间序列的热度预测模型,并基于真实数据集验证了模型的有效性。对于社交媒体上舆论环境的分析和预测有重要意义。

基于灰色-加权马尔科夫模型的微博负面舆情热度预测研究

[目的/意义]结合加权马尔科夫和灰色预测模型,将负面情绪引入舆情热度影响因素中,以构建微博负面舆情热度预测模型,从而达到优化模型并丰富舆情监测体系的目的,研究结果可为相关部门提供事前预警。[方法/过程]以微博社交媒体用户为对象,以“货拉拉事件”“大连522事件”为研究事件,通过对采集到的数据进行处理,构建灰色-加权马尔科夫负面舆情热度预测模型。[结果/结论]结果显示,基于灰色-加权马尔科夫的预测模型精度优于单一的灰色预测与残差修正灰色预测模型,能有效推测出突发事件中舆情热度的发展。

北京冬奥会社交媒体焦点事件高热度传播的差异研究——基于新浪微博和推特的定性比较分析

以北京冬奥会焦点事件为研究对象,时间限定在正赛期间,筛选获得新浪微博40起、推特10起相关事件,探寻北京冬奥会社交媒体焦点事件高热度传播机制。运用定性比较分析方法(QCA),围绕“事件-传播”理论框架,分析北京冬奥会焦点事件高热度传播的单因素必要性和充分性结果以及组合因素作用路径,结果表明事件类别、事件指向、平台参与和意见领袖是新浪微博和推特焦点事件高热度传播的必要因素和必要条件。针对北京冬奥会焦点事件组合因素作用路径分析发现,体育赛事传播要警惕有关西方“无心政治”和“反智主义”说辞的偏向引导;“有为”与“无为”的辩证关系成为中西方体育赛事传播的差异关键;以自媒体为首的非主流媒体正在成为体育赛事焦点事件热度传播的主力群体。

基于GM(1,1)的网络舆情热度预测模型研究

对“新冠肺炎”相关的原创微博内容开展耦合GM(1,1)和信息熵的舆情热度预测分析模型研究,实现对公共事件的网络舆情热度的短期预测分析。实验研究结果表明,GM(1,1)模型可以有效地对公开疫情事件的网络舆情热度进行短期预测;另外,从模型分析可得,四月初民众对“新冠肺炎”疫情事件的态度波动很小、基本处于平稳状态,符合现实实际。

网络舆情事件的系统动力学模型与仿真

分析网络舆情事件的热度,研究网络舆情危机的形成机制,构建网络舆情危机预警的系统动力学模型。采用Vensim PLE软件对模型仿真,验证并分析模型的有效性和灵敏度,仿真结果表明该模型能够较好地拟合网络舆情事件中热度的形成过程。分析事件作用、网民作用、媒体作用和政府作用等四方面对网络舆情热度的影响,给出了网络舆情危机预警策略与对策建议。

政府负面网络舆情热度定量评价方法--以新浪微博为例

以用户数最多、首暴网络舆情事件最频繁的新浪微博为例,设计了针对政府的负面网络舆情的热度定量评价方法。从针对政府的负面网络舆情主体、客体、传播、受众4个维度,细化了包含14个指标的评价体系,设计了指标的量化细则,依据专家打分法确定评价因素的重要性,通过构造判断矩阵、矩阵归一化处理、和积法计算特征向量、矩阵一致性校验等方法,在微调评价要素重要性排序基础上规划各评价要素的权重,进而设计基于微博、针对政府的负面网络舆情热度定量评价方法。理论分析、实证分析、综合对比结果表明:该方法有效,实际可操作性强,为针对政府的负面网络舆情分析、引导、管理和控制研究提供了理论依据。

基于BP神经网络的舆情热度趋势仿真模型研究

网络舆情作为当代社会舆情的重要组成部分,充分反映了网络事件受到网民关注的程度。研究中,针对舆情热度的趋势变化特点,基于BP神经网络理论,在舆情事件的时间序列上,对近期典型网络事件的舆情热度趋势进行了仿真,构建了描述舆情热度趋势变化的新模型。结果表明,该模型能够较好地仿真舆情事件热度的变化趋势,为政府控制、引导舆情,以及预案制定等提供量化依据。

舆情热点事件的热源研究——基于人民网“舆情排行榜”的分析

以舆情热点事件的主体、根源、内容、结果与应对为维度,在将影响舆情热度的因子分为地位差异、多元冲突、不可预测、危害巨大和应对失当的基础上,以人民网"舆情热点事件舆情热度榜"数据为材料,分析热源因子在具体事件中的呈现。结果表明,热源因子是导致事件演变成舆情热点的重要原因,但不是每个事件都具备所有热源;事件舆情热度和热源因子数量并无直接相关性,事件成为舆情热点与其所含热源因子的强度有关;且不同类型事件热源因子有所差异。对热源因子的认知和分析,可为政府干预、引导舆情热点事件提供指导。

网络舆论危机中的政府作用研究

政府因素对网络舆论的作用大致可分为抑制、促进和抑制促进共存三种。政府因素作用的差异使得舆情发展演化产生了不同。研究网络舆论中的政府作用,有助于政府部门更好地去对待并解决舆论危机。统计分析近年来和政府相关的网络舆论事件发展规律,计算了政府因素对网络舆论危机的作用值。研究发现:若舆情事件中政府因素起促进作用,那么政府对舆论危机的作用值最大。

突发公共事件网络舆情热度生成机理研究——基于48个案例的模糊集定性比较分析(fsQCA)

[目的/意义]厘清突发事件网络舆情热度生成机理,能够防范化解重大舆情事故,对于突发公共事件网络舆情引导具有重要指导意义。[方法/过程]结合行动者网络理论,提取主体驱动、载体展现、客体影响和引体牵引四个维度7个指标作为突发公共事件网络舆情热度生成的前因条件,通过48个突发公共事件案例的模糊集定性比较分析,识别突发公共事件网络舆情热度生成动因与路径。[结果/结论]研究结果发现,主体驱动是突发公共事件网络舆情热度生成的关键条件;非常规突发事件和危害级别越高的突发事件更易激发舆情主体驱动和载体展现,相互作用推动高热度舆情生成;引体牵引作用越强则突发公共事件网络舆情低热度生成可能性越大。因此,要健全意见领袖联系和培养机制;加强与舆情载体的合作;尽快尽可能降低事件影响力;提高政府作为舆情引体的牵引能力。

基于网络舆情热度的突发事件动态分类分级研究

网络舆情热度是突发事件应对过程中的重要影响因素,针对网络舆情监测平台提供的舆情情况,构建基于网络舆情热度的突发事件动态分类分级的方法,并对其具体因素如热度分值、转折点、持续时间和舆情内容等进行分析。研究表明:经过调整后的突发事件分类分级,与突发事件的实际进展状态相匹配,从而对突发事件的实时应对提供参考。

多主体视角下企业负面舆情热度演化研究

[目的/意义]为了有效检测和控制企业负面舆情传播,更好地为制定舆情预警策略提供理论依据。[方法/过程]从多主体视角出发,通过移情系数来衡量对舆情事件的关注度,构建企业负面舆情热度演化系统动力学模型,并通过长春长生事件的案例运用Vensim PLE软件进行模拟仿真。[结果/结论]研究发现,企业主体对企业负面舆情热度影响最大,主要表现在企业信息公开程度、企业舆情处理能力、企业舆情监测预警能力方面。移情系数的提高有助于抑制企业负面舆情演化。最后根据企业负面舆情热度演化过程中涉及的四大主体提出相应建议。

一种基于马尔可夫链的微信舆情热度预测模型

信息时代的发展,微信作为通信工具的同时也可以作为网络舆情传播的主要载体和平台,使信息传播更迅速,也使舆情事件的影响力增加。针对微信舆情热度的波动范围较大,并会呈现某种趋势的特点,文中提出了一种基于马尔可夫链的微信舆情热度趋势预测模型。该模型采集相关舆情的指标数据,得到热度的时间序列值;划分舆情热度趋势的状态空间;构建状态转移矩阵;预测热度的趋势变化区间。实验结果表明,该模型能有效地预测微信舆情的走势,从而为进行网络舆情管理和管理效果评估提供更有效的理论依据。

互联网信息生命周期研究

互联网信息生命周期描述了从信息产生并随时间推移而演变的整个过程。文中界定了互联网信息生命周期的研究范围,并综述了信息数量、信息效用价值、舆情热度等互联网信息生命指标方面的相关理论及其适用性。对现有信息增长、信息效用价值、舆情热度进行归纳评述。文章最后讨论了进一步研究所面临的挑战及未来的研究方向。

基于农业网络信息分类的热词自动提取方法

热词提取对于监控和分析农业舆情具有重要意义,目前已有一定研究基础,但仍存在针对性差等问题,无法满足农业领域不同产业用户群的个性化需求,为此,提出一种基于农业网络信息分类的热词自动提取方法。首先采用多标记分类算法对文本语料进行分类,按分类类别构建语料库,然后采用基于信息熵的方法对每个类别分别提取热词候选词,最后采用基于时间变化的方法进行候选词热度计算,根据候选词热度排序结果得到热词。本文抽取农业网站上的15 354条文本进行实验,结果表明,热词提取准确率达到0.9以上,能够较高质量地提取农业热词,为不同农业用户群体发现和分析产业热点提供帮助。

突发涉水事件的舆情分析研究

互联网信息公开、迅速、透明且易于收集,对于突发性水利事件的分析,互联网舆情大数据分析是一个发展趋势,这种方式能以较小代价快速获取数据,分析得到有价值的信息,正成为辅助常规水利事件监测处理的有力方式。在研究和应用现状分析的基础上,通过对搜索引擎、社交论坛和新闻报道等渠道采集相关数据并分析挖掘,提出面向突发事件的热度和情感分析模型,并对2017年嘉陵江铊污染突发事件,从9个情感维度进行分析。微博用户的陈述、愤怒、担心的比重较大,论坛评论的用户大部分都表示出较理性的心态,新闻评论的网友多处于担心和追责状态,负面情绪偏多。突发涉水事件的舆情传播很快,因为事件应急处理措施快速生效,水污染情况得到有效控制,事件舆情逐渐趋于稳定。

基于BP神经网络的突发传染病舆情热度趋势预测模型研究

[目的 /意义]研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。[方法 /过程]本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。[结果/结论]实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。

网络舆情监测在安徽省高温中暑事件快速风险评估工作中的应用

目的基于网络舆情监测和风险评估为核心的互联网+新媒体模式,在新的管理理念、信息挖掘技术和风险沟通格局下,如何针对新媒体开展公共卫生舆情监测,并探讨网络舆情监测在公共卫生事件风险评估工作中的应用。方法以高温季节高温中暑事件预防和处置为例,通过网络舆情监测与综合分析,快速风险评估,建立适合安徽省高温中暑事件快速风险评估舆情监测体系,规范信息的获取、处理、挖掘分析、综合利用等方法。结果建立了包括网络舆情监测、天气预报收集、WBGT指数监测、发病趋势分析、风险等级研判和综合防控策略6大模块的高温中暑事件快速风险评估体系,全面及时地向各部门领导、专业人员提供信息支持与评估报告。结论新的舆情监测模式,在高温中暑事件防控中起到决策分析与技术支撑作用,并可以在突发公共卫生事件和公众关注的重要公共卫生问题处置中发挥重要作用。研究结果能为各部门及时、有效地预防和处置高温中暑事件和建立网络舆情监测体系提供强有力的技术支撑。

基于多维度的公安舆情分析模型构建

[目的/意义]旨在为有关部门及时分析和应对舆情提供参考。[方法/过程]通过爬虫搜集媒体上的舆情数据,计算舆情热度并划分舆情演化阶段,利用TextRank算法提取不同舆情阶段的关键词,采用Python语言的Snownlp库进行文本的情感分析,构建公安舆情分析模型,并通过“六安事件”对该模型进行验证。[结果/结论]该模型从热度、关键词与情感三个维度较好地对公安舆情数据进行分析和挖掘,有助于及时有效地处理社交媒体上的公安舆情数据,为公安舆情分析提供新的途径。

基于ETM模型的中亚国家“一带一路”网络舆情热点检测

[目的/意义]及时准确地检测中亚国家“一带一路”网络舆情热点,对于推进“一带一路”建设具有积极意义。[方法/过程]首先利用ETM(Embedded Topic Model)模型对文档建模得到候选热点主题;然后借助YAKE关键词抽取算法综合考虑候选热点主题的一致性、独立性和媒体关注度,确定热点主题;最后抽取每一主题的代表性文档以增强热点主题的可理解性。[结果/结论]在构建的中亚国家“一带一路”网络舆情数据集上的实验表明,该方法取得了较好效果。