基于情感倾向性分析的重点受众人群识别

为了提高微博热点舆论话题中重点受众人群的识别范围和准确度,根据微博社交平台的特点以及微博话题中参与者和转发者之间的关联关系,在用户基本属性基础上,考虑了用户交互行为及博文内容的情感倾向,对舆情的网络传播影响力进行了计算。该研究针对基于长短时记忆(LSTM)神经网络情感分类,及对经典的PageRank算法进行改进,提出了一种微博受众用户影响力度量算法IKAGR。实验结果表明,IKAGR算法相比热点算法,提高了舆论下重点受众人群的识别精度,能够更好地对舆论进行引导,更加全面地识别出信息传播中的重点受众人群。

企业漂绿行为的类型与识别——一项针对受众的扎根理论研究

在企业漂绿行为日益侵犯公众权益的背景下,研究选择从受众的角度验证其是否能理解与认同现有的漂绿行为类型,在此基础上探讨其如何识别企业漂绿手段,扩展反漂绿研究视野。研究选取有远见的绿色主义者、潜在的绿色主义者、冷漠的绿色主义者进行访谈,借助扎根理论逐层深入分析并从话语表达、视觉符号、数据表现、企业形象四个维度建构受众识别企业漂绿行为的理论模型。研究认为受众依据话语表达与视觉符号等修辞技巧识别企业漂绿是一种值得借鉴的方式,重视数据表现是一种可取的证据思维,但应警惕以媒介化产物的企业形象作为感知和识别的依据,并提出相应的漂绿治理建议。