面向公共安全领域的微博舆情监测系统研究

以面向公共安全领域突发事件舆情监测为目标,以实时抓取的微博正文及其评论文本数据为研究对象,采用中文自然语言文本情感分析技术,开发一款基于Bert模型和Django框架的Web应用程序。通过微博文本情感分类、舆情分析和舆情预警,实现微博舆情监测,助力政府舆情治理。

网络亚文化视域下研究生群体微博舆情引导干预模式研究

网络亚文化作为一种新兴的文化符号,对研究生群体的学习生活产生了重要影响,并不断冲击着主流文化在研究生群体中思想价值体系的主导地位。微博作为互联网技术的产物,正被越来越多的研究生群体所使用。由此引发的研究生群体微博舆情,对高校思想政治教育工作而言,既是机遇也是挑战。文章主要探讨在新媒体时代下,以恶搞文化、粉丝文化、弹幕文化、二次元文化为代表的亚文化在研究生群体中产生的原因、特点及其影响,并积极探索利用微博舆情开展高校思想政治教育工作的实施路径和体系建设,不断加强研究生网络素养教育,为构建“五位一体”的研究生网络素养提升体系奠定实践基础。

基于超图的微博舆情超网络关键舆情要素识别

随着微博用户数日益增多,微博已然成为了网络舆情的重要产生地,同时微博舆情状态多样,涉及因素复杂,多种不同因素构成了一个复杂的系统,系统中存在个别用户、微博或评论等舆情要素对舆情演变起关键作用。因此引入超网络对微博舆情的关键舆情要素进行识别,对网络舆情的分析和监控有积极意义。本研究以基于超图的超网络为基础,构建了微博舆情超网络分析模型,应用LDA,SnowNLP,Python仿真分析等方法,识别微博舆情中的关键舆情要素,并对关键舆情要素的特征和情感进行分析与讨论。最后,应用在真实的舆情主题中,识别出六类关键舆情要素,分别是活跃人物、传播人物、热点微博、潜在热门微博、热点主题、中心主题,并分析各关键舆情要素的情感倾向。研究结果表明,建立的超网络模型,能有效识别特定舆情环境下的关键舆情要素,有利于对网络热门事件进行舆情分析和监控。

利益相关者视角下的微博舆情监测指标体系研究

微博舆情不同与其他舆情传播,传播过程参与的利益相关者众多,随着舆情发展阶段的变化,利益相关者也发生动态变化。本文从利益相关者的视角出发,结合信息空间模型分析微博舆情传播的过程,构建微博舆情监测指标。

微博舆情传播规律研究

随着用网络户数的增加，微博已成为网民表达意愿的重要渠道，成为当前最具影响力的传播工具之一。由突发事件导致的舆情在微博上传播迅速，影响广泛。基于传统传染病模型（SIR模型），本文对微博上舆情传播规律进行研究，建立了微博舆情传播模型，并用2011年甘肃校车事故在新浪微博上的传播进行实证研究。研究发现：原创，转发帖子爆发迅速，第二天达到峰值，衰退的速度较慢，六天后帖子数稳定在较低水平。用微博传播模型对甘肃校车事件中舆情传播规律进行仿真，仿真结果与历史数据拟合度高，验证了此模型用来研究微博舆情传播规律的可行性。最后利用此模型，研究了不同情景下的微博舆情传播规律。

基于ELM模型的微博舆情传播影响因素研究——以新浪微博为例

本文以新浪微博为研究平台，以打砸日系车突发公共事件为研究实例，基于ELM模型提出了信息内容（内容的创作类型、内容的表达方式、内容的拓展线索）和信源特征（信源引证标识与信源补充线索）对微博舆情传播影响的相关假设，并构建回归模型加以验证。实证结果表明：博文内容的创作方式、信源的补充线索对舆情传播效果存在影响，在转发模型中情感型博文的传播效果好于事实型和调侃型博文；而内容拓展线索和信源引证标识会对微博舆情传播效果起负面作用。研究结果可以直观的从信息内容和信源特征视角认识微博舆情传播影响要素，并为突发公共事件的预警和舆论引导提供借鉴与参考。

基于卷积神经网络的微博舆情情感分类研究

本文基于卷积神经网络构建了微博舆情情感分类模型,通过爬虫方式获取微博话题数据,利用word2vec训练词向量,采用NLPIR/ICTCLAS2016工具进行分词,进而通过Matlab编程实现模型训练和测试。结果表明,模型能够实现有效的微博舆情情感分类,相较传统机器学习具有一定的优越性。

微博舆情传播模式研究——基于过程的分析

依据以往研究总结了微博舆情传播的过程性特征,并据此结合传播学5W模式经典理论提出了基于过程视角的微博舆情传播模式构建,将其概括为由传播要素以及要素之间关系组成的具体结构在传播过程中的互动及具体表现。进一步将微博舆情传播模式概括为完整型、次完整型、半完整型和不完整型四种类型,并通过具体案例予以验证。拓展和丰富了当前研究的分析视角并对微博舆情的相关研究提供了基础理论支撑。

基于超网络理论的微博舆情关键节点挖掘

为了更好地挖掘微博舆情中的关键节点,对其进行因人而异的思想引领,打造微博晴朗空间,本研究以超网络为理论基础,对微博舆情传播中的各子网进行建模,应用神经网络、LDA、Python仿真分析方法,挖掘微博舆情中的关键节点,并对关键节点的特征和情感进行分析与讨论。挖掘出微博舆情传播中的六类关键节点,分别是活跃人物、焦点人物、意见领袖、传播人物、潜在活跃人物、潜在传播人物。

微博舆情信息传播效果评价指标体系构建研究——基于模糊数据包络分析法

通过选择指标建立模糊数据包络分析模型,并采用后退法计算剔除投入变量或产出变量时各评估单元的相对效率向量,利用欧氏距离最终选择出20个指标作为微博信息舆情传播效果的评估依据。结果表明微博舆情信息传播者、受传者、信息内容、传播渠道、传播环境属性等指标对微博舆情信息传播效果具有显著影响。

基于微博舆情数据的震后有感范围提取研究

提出了基于微博舆情信息的震后有感范围快速判定技术框架,构建了微博舆情数据的获取方法和技术流程。根据中国地震烈度表和地震现场工作调查规范,将微博特征词与地震灾情速判指标进行关联匹配,建立微博灾情信息分类指标体系,通过自然邻点空间插值方法将离散分布的微博灾情点转化为连续分布的灾情面,形成震后灾区有感范围的时空变化特征分布图,辅助灾情快速判定。以2014年景谷6.6级地震为例,进行探索和实践。结果表明:在震后1~2 h内,微博用户活跃度高,信息量大且丰富,对信息充分挖掘有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,弥补了传统获取技术时效性差、数据量少、覆盖面小等问题。

微博舆情生成机制研究

在文献分析的基础上,引入系统研究方法,界定了微博舆情生成机制。微博舆情生成系统包括:舆情主体、舆情事件、舆情平台、舆情本身四个要素,并在此基础上剖析了微博舆情生成的基本规律。研究发现:微博舆情的生成是复杂的四个要素相互作用、相互影响的过程;微博舆情产生的社会根源是现实社会及其事件;微博舆情传播当中,意见领袖对于舆情的生成至关重要。

基于生命周期理论的微博舆情引控研究

[目的/意义]提出针对微博舆情不同阶段的引导控制工作流程,降低微博舆情危机的发生频次和影响程度。[方法/过程]借鉴生命周期理论的基础上,利用扎根理论的方法,以反映舆情事件的关键词被提及累计次数和变化幅度作为表征量,对微博舆情生命周期阶段进行划分,并寻找各阶段舆情的特征,提出相应的引控工作流程。[结果/结论]微博舆情可划分为潜伏期、预热期、热议期和衰退期等四个阶段,其中潜伏期的工作重点在于识别、监控和研判,预热期的工作主要突出信息的控制、对称化及舆情主体的引导工作,热议期应更加重视舆情应急和控制工作,衰退期则着重于对整个舆情过程的评价、反馈及持续追踪监控。

微博舆情:模式、表征与趋势

2009年以来,围绕微博舆情产生的优势与劣势而展开的关于微博舆情的研究,主要是针对其特征、演化模式、演化路径等方面的研究。然而,微博舆情的传播特征,既表现出自由表达植根于天性与法理的一面,更有其涣散社会共识、消解社会凝聚的一面。通过检索2009-2013年学者对微博舆情研究相关文献,梳理微博舆情的研究热点,通过解析微博舆情的传播模式与微博舆情在社会管理中的表征,探讨微博舆情未来可能面临的新的趋势。

基于BTM的微博舆情热点发现

[目的/意义]作为一种新兴的社交新闻媒体,近年来,微博在许多热点事件的发布和传播中发挥了重要作用。但由于其文本的特殊性,传统方法不能有效地对其进行建模发现热点话题。因此,如何高效、准确地从微博数据中发现并提取有意义的热点信息是一个很有价值的研究课题。[方法/过程]提出一种基于BTM模型的微博舆情热点发现方法。首先,对微博文本采用BTM建模,改进TF-IDF权重计算算法,以适应微博短文本的特征。并将BTM建模结果与改进的TF-IDF权重算法结合对微博文本进行特征提取及相似性度量,然后采用K-means聚类方法发现热点话题。[结果/结论]通过对新浪微博数据集的对比实验及结果分析验证了本方法的有效性。本方法能够有效解决传统模型在文本建模中所面临的高维度和稀疏性问题,显著改善热点话题的发现质量。

城市自来水污染事件微博舆情应对研究——基于兰州政务微博、市民微博的实证分析

以兰州自来水苯污染事件为研究实例,以新浪微博为研究平台,将兰州政务微博与兰州市民微博发布的有关自来水苯污染事件的微博信息与评论为研究对象,首先对兰州政务微博与兰州市民微博发布的事件相关信息的时间分布、关注内容进行对比分析,然后考察兰州政务微博信息的评论情况、语言风格,进而对兰州政务微博的舆情应对能力做出分析评价,最后为政府有效应对城市自来水污染事件引发的微博舆情危机提供对策建议。

新媒体环境下的微博舆情传播态势模型构建研究——基于信息生态视角

[目的/意义]新媒体环境下的微博舆情传播态势模型研究对促进网络舆情理论研究向纵深发展具有重要理论意义、对加强网络舆情监管具有较强的实践意义。[方法/过程]从信息生态视角出发,提出了新媒体环境下微博舆情传播影响因素并构建了微博舆情传播态势模型,以新浪微博"埃博拉"热点话题数据为样本,采取编程及网络爬虫方式获取数据,采用SPSS工具对数据进行统计分析及模型验证。[结果/结论]通过相关分析得出新媒体环境下的微博舆情信息环境热度、信息偏好、信息技术偏好、信息人影响力会正向影响新媒体微博舆情传播态势;图片信息会正向影响新媒体信息偏好,语音信息、视频信息、表情信息同新媒体信息偏好呈负相关关系;新媒体信息偏好会正向影响新媒体信息技术偏好;新媒体信息偏好会正向影响新媒体信息环境热度;粉丝数、关注数会正向影响新媒体信息人影响力等研究结论。

基于Vague集的微博舆情评估体系研究

微博在信息传播中的出色表现使之成为社会信息化的重要战略资源。在信息顺畅交流与高效分享的同时,微博也使虚假负面舆情不断泛滥,引发群体性公共危机事件。在厘清微博舆情构成要素基础上,建立了以舆情主体、舆情内容、舆情传播和受众关注四个主要维度的舆情安全评估指标体系,最后结合基于Vague集的AHP评估方法对舆情进行实证分析,为今后监测敏感舆情引导舆论方向,提升微博突发事件预警能力奠定理论和应用基础。

全景生态视角的微博舆情多维图谱构建研究

为了更好地对微博舆情进行实时监控,维护微博舆情的良性运转,打造晴朗的微博网络空间,本研究结合微博运行机制,应用知识图谱的理论和方法,通过爬取微博数据,从微博主体(用户)、客体(信息)以及主体客体相结合形成的全景3个维度,进行图谱的构建;分别构建了主体图谱、客体图谱以及全景生态图谱,揭示了微博舆情传播中的"全貌"以及动态变化。

突发自然灾害事件微博舆情蔓延规律与控制研究

突发自然灾害事件导致的微博舆情蔓延迅速,影响巨大。建立了微博舆情蔓延SIR模型,以2013年4月20日四川省雅安地震这一自然灾害事件在新浪微博上的舆情蔓延为例,采用MATLAB仿真,对微博舆情蔓延规律进行实证研究。开创性地同时从情报学和传染病学的角度来研究突发自然灾害事件微博舆情蔓延特征:从微博舆情蔓延的速度、广度、深度来分析微博舆情蔓延的离散分布、小世界、最小努力性的情报学特征;从"病原体"、传染性、免疫性来分析微博舆情蔓延的传染病学特征。结合这两方面的特征,从微博舆情的"传染源"、"传播途径"、"易感人群"的角度提出微博舆情蔓延控制措施,为突发自然灾害事件微博舆情应急管理提供理论和实践支持。