Can Real-Name Registration Clean Up Micro-Blogs?

Beijing Municipal Public Security Bureau and related departments have issued a regulation to strengthen the management of Twitter-like micro-blogs.The regulation,issued on December 16,2011,requires Internet companies registered in the city and offering micro-blogging services to have their users register with their real names and personal information.Users＇ identity information must be validated before they begin blogging.Starting March 16,2012,microbloggers without real-name registration will not be allowed to blog.

微博用户和热点话题间的社交吸引法则研究

[研究目的]探究微博用户和热点话题间社交吸引力的内在作用机制有助于深入理解社交吸引力的决定因素和热门话题的流行成因。[研究方法]以2022年微博平台的7类14个热点话题为研究对象,从用户行为视角构造用户与热点话题之间的吸引力测算公式,从话题、用户、距离、环境属性出发,确定影响社交吸引力的23个指标。采用4种机器学习模型构建吸引力的影响因素模型,利用SHAP模型对结果最好的模型XGBoost进行解释,分析各项特征的贡献大小和相互影响关系。[研究结论]研究发现,用户属性的重要性非常明显,环境属性对社交吸引力基本没有显著贡献。在实践中,必要的高影响媒体转发造势、更多的话题上榜时间和更具有情感倾向的话题名称能带来更大的社交吸引力,帮助塑造与推进有益的热点话题,也为政府引导网络空间话题的健康发展提供决策参考。

突发公共卫生事件居民响应时空关联特征分析

客观认识城市居民在突发公共卫生事件不同防控阶段的响应模式,对提升应急管理能力、促进居民心理健康恢复至关重要。本文基于武汉市社交媒体、政策与病例数据,综合运用自然语言处理技术与空间分析等方法,在社区尺度上探究突发公共卫生事件不同防控阶段下居民响应的时空特征。结果表明:(1)居民对突发公共卫生事件的响应趋向于负面,事件相关的微博关注度随时间的变化与事件发展趋势同步;居民在封控时期情感状况较为平稳,防控政策放开后短期内负面情绪增加,而后逐渐恢复。(2)不同防控阶段下的居民响应与事件严重程度均具备时空关联特性,关注度与病例指数均呈正相关,而情感响应则呈负相关。典型区域如医院周边情感较为乐观,而产业园区则以负面情绪为主。

融合微博数据的地震辅助决策系统

以新浪微博数据为基础数据,采用网络爬虫技术对数据进行抓取,通过地理编码确定受灾区的时空分布情况,基于数据质量评价体系分析微博数据的可用性,结合遥感数据构建辅助决策分析模型,实现了融合微博数据的系统平台;为验证系统的实用性,以2022年芦山MS6.1地震为例,利用微博数据空间分布特征、交通、地形地貌等数据,对灾后救援力量分配、安置点选址和路径规划进行分析,为地震灾害救援以及后续的灾后重建提供了有效的决策支撑。

基于政务微博的自然灾害知识图谱构建——以森林火灾为例

[目的/意义]利用政务微博信息构建自然灾害知识图谱,旨在为相关部门加强自然灾害事件的管理提供知识层面的参考价值。[方法/过程]以森林火灾事件为例,选取政务微博信息资源,首先使用LDA主题模型划分微博资源主题;其次构建自然灾害知识图谱的模式层和数据层,包括本体构建、实体抽取、关系抽取和数据融合等环节;最后使用Neo4j图数据库实现自然灾害知识图谱的存储与检索,实现自然灾害信息的组织与可视化。[结果/结论]构建了基于主题划分的自然灾害知识图谱,实现了自然灾害信息的主题知识关联与规范化处理,对提升政府部门防范与管理自然灾害的科学决策水平具有积极作用。

自然灾害中政务微博网络舆情引导研究--以“7·20郑州特大暴雨”中“@郑州发布”为例

以政务微博“@郑州发布”为研究对象,以2021年“7·20郑州特大暴雨”事件为研究案例,采用统计分析、内容分析及文本情感分析等方法,从信息发布趋势、内容响应、微博互动、议程设置等方面对网络舆情引导进行分析.研究发现:@郑州发布在网络舆情引导中信息发布及时、关注内容全面,但存在互动不足、议程设置效果欠佳等问题.据此提出加强政民互动、提高技术应用能力、重视应急预案体系建设等建议.

基于信息认知的微博评论影响力模型与机理研究

[目的/意义]微博评论的泛滥使信息真实性和价值辨别变得困难,加之评论中主观意见的扩散和放大,加剧了信息失序现象。因此深入识别微博评论影响力的成因显得尤为关键。[方法/过程]借鉴信息认知理论和网络传播效果模型,提出“认知—态度—影响力”框架,用以构建微博评论影响力模型;运用问卷调查搜集数据,并借助SPSS和AMOS软件进行数据分析和假设检验。[结果/结论]评论新颖性、评论热度和议题热度正向影响好奇心理;评论相似性、评论新颖性、评论热度、群际情绪和心流体验正向影响感知有用性;好奇心理正向影响心流体验;好奇心理和感知有用性与评论影响力正相关。据此,本文提出了微博评论影响力治理对策,以维护微博生态系统的健康和稳定。

基于自适应特征词的微博噪音过滤方法

微博噪音过滤具有去除垃圾样本、降低数据规模等作用。利用聚类算法产生噪音种子词,在未标注数据上采用FP-Growth算法对种子词扩展,生成噪音特征词词典,结合用户和内容特征,引入支持向量机模型用于噪音微博过滤。实验结果正确率为84%,召回率为79%,F1值为81%,证明该模型产生的噪音特征词有助于提升微博过滤的效果。

我国公共图书馆微博信息服务发展现状研究

充分挖掘和利用微博等社交媒体在公共图书馆信息服务中的功能,对提高图书馆信息服务水平具有重要意义。文章以我国省级公共图书馆作为调查对象,采用网络调查法与内容分析法,通过访问各省图书馆微博账号,对其信息服务发展现状进行调研,旨在促进图书馆进一步了解自身微博服务的现状,促进各省级图书馆更有效地利用微博平台开展读者信息服务工作。

基于大数据南昌天气微博排名神经网络模型建构研究

@南昌天气微博2011年9月开通以来,为推送天气预报产品、讲好南昌气象故事做了大量工作,赢得气象政务微博15名左右、江西前10的佳绩。但随着名次前移,排名增速放缓趋势日益明显。新浪微博排名指标权值非透明,努力方向迷茫。为了解决指标权值不透明导致排名递进难的问题,构建了神经网络模型,并通过逐次训练,得到指标调整前后的稳定神经网络排名预测模型。其中,评论量、点赞量、用户访问量、播放量、转发量为影响排名的重要指标,更新后排名指标权重向峰值指标倾斜明显。经过检验,模型预测准确率符合预期,值得从业者关注。

基于SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好地维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明:该系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。

考虑多交互关系与情感倾向的微博用户可信度评估算法

探究综合考虑多交互关系与情感倾向因素的微博用户可信度评估方法。首先基于用户间交互关系的类型和频率,得到用户交互度与参与度;然后根据情感词典计算用户间评论、回复等文本内容的情感得分,并据此判断用户情感倾向;其次以PageRank算法为基础,从用户资料、博文中提取特征,计算每个用户的个体可信度作为初始PR值,并将用户交互度和情感倾向融合调整PR值分配权重、使用参与度修正阻尼系数,实现对PageRank算法的改进;最终,改进的PageRank算法迭代稳定后得到待评估用户的可信度。实验结果显示,与未考虑用户间多交互关系以及情感倾向的方法相比,所提方法在AUC值、查准率、查全率和F 1值上均取得了更好的效果,最高提升了13.86%。综合考虑用户间多交互关系和情感倾向可以提高微博用户可信度评估效果。

基于Transformer的微博文本情感分析方法

论文利用Transformer模型中的自注意力机制,模拟人脑神经系统对微博文本进行特征提取,利用TextCNN层将经过Transformer的词向量进行卷积,得到相邻词向量之间的时序信息,经过Tanh激活函数对模型进行优化,最后将卷积层得到的时序注意力权重应用于文本分类。实验结果证明,论文提出的模型在NLP&CC2013数据集上的准确率相对于Transformer模型有了0.38%的提高,并且在精确率、召回率和F1值上也有一定程度的提升。

微博意见领袖对青少年爱国主义教育的影响及应对策略

微博意见领袖以其多元化的身份、强大的信息获取能力、传播能力以及舆论引导能力,深刻影响着青少年的价值观,给青少年爱国主义教育带来了严峻挑战和宝贵机遇。做好对微博意见领袖的有效监管和科学引导,充分发挥微博意见领袖的积极影响并施之于青少年爱国主义教育工作中,是提高青少年爱国主义教育效度的有效策略。

乡村振兴在新媒体中是如何呈现的?——基于SNA的乡村振兴议题微博内容分析

“乡村振兴战略”由党的十九大报告提出,在党的二十大报告中获得强调。新媒体作为互联网时代记录社会变迁、映射时代发展的重要窗口,在相当程度上反映了乡村发展建设状况。本文基于社会网络分析法,挖掘新媒体中乡村振兴议题背后所映射的发展图景,发现:乡村振兴是阶段性和整体性的有机统一,乡村振兴关键时间节点前后两阶段的发展呈现出阶段性特征,第一阶段以新内源性发展模式下的基础建设和产业发展为主,乡村不断从外部汲取知识和技能等资源激发内生动力;第二阶段注重巩固前期的建设成果,并通过明星公益与利用影视综艺打造乡村IP等方式探寻乡村振兴新路径。阶段构成整体,整体高于阶段,乡村振兴的阶段性内容又共同构建出以生产、分配、交换和消费四大环节为主体的整体循环机制。然而,新媒体在呈现乡村振兴时,较少触及农村养老、医疗卫生、法治建设等微观层面的公共问题,未来应强化多元主体的协同合作,更为全面地展现乡村振兴的多元面貌。因此,把握乡村振兴图景,应当立足整体,将其放置到阶段性的坐标系中,强化微观与宏观的协调统一,才能更深刻理解新时代中国乡村的变化。

技术吸纳行政:效能评量、现实图景与纵深发展——基于政务微博互动服务的讨论

信息技术迭代发展与扩散渗透加剧了技术治理价值迷失的担忧和公共管理理论式微的困扰。建构以技术平台承载服务属性、将公众吸纳进政民沟通管道、增进政民互动与情感连结的“技术吸纳行政”治理机制,以政务微博互动服务为切入点对其运行效能进行审视,发现:根据互动服务的效能表现,政务微博可细分为惰性式、单向发布式、“灭火”独白式、虎头蛇尾式和良性互动式五种样态,其具备“技术吸纳行政”的技术储备,但受传统治理范式的影响,互动服务尚未成为主轴,交互功能“技术闲置”与政民互动服务稀缺并存。主要问题为:真诚沟通意愿不足,互动服务沦为程序化游戏,互动内容对公众缺乏共情反应,与公众的对话能力欠缺。从后现代公共行政话语理论中探寻“技术吸纳行政”向纵深发展的改进方案,应以增进相互理解与情感连结为核心,聚集互动服务的真诚意愿,尊重并倾听公众诉求,加强与公众的共情沟通,提升政民共识性对话能力。

基于微博签到的云南旅游客流时空分布

基于新浪微博签到数据,应用时间分层法和核密度空间分析法,对云南旅游客流热点区域进行时空分布研究。研究结果表明,在时间分布上,云南省旅游景点年内客流呈现“一峰多岭”的分布特征,在不同时段表现出明显的“反季节性”、“相似性”、“对称性”变化特征;季节客流则呈现出秋季>夏季>春季>冬季的变化趋势,其中7月和10月为旅游高峰月份;日内客流变化的最高峰和最低谷均出现在夜间时段。空间分布上,云南省旅游景点客流量总体上呈现出“多核多中心”,向高级旅游景区集聚的特征。

基于解释结构模型的微博用户中辍行为影响因素研究

[目的/意义]探究微博用户中辍行为影响因素,构建微博用户中辍行为影响因素解释结构模型,对持续激发微博用户活跃度,促进社交媒体可持续发展具有重要的理论和实践意义。[方法/过程]采用扎根理论对微博用户进行深度访谈,并对原始资料进行三级编码提炼出微博用户中辍行为影响因素,通过解释结构模型对影响因素进行层次结构划分,并分析影响因素间的内在联系及其作用机理。[结果/结论]微博用户中辍行为的影响因素主要包括底层、中层和表层三个层面共16项因素,其中网络环境、社会环境和用户性格特点3项底层因素是中辍行为产生的最根本因素,感知成本、社交过载、信息质量等11项表层因素对中辍行为有最直接的影响作用,信息过载和功能过载是中间的联系因素。

人格特质对微博用户间歇性中辍意愿影响的实证研究

探讨不同人格特质、疲倦对微博用户间歇性中辍意愿的影响机理,以丰富社交媒体用户行为的相关研究。基于大五人格特质理论,构建微博用户间歇性中辍意愿影响因素的理论模型。采用在线问卷搜集297份有效样本,利用Smart PLS 3.0进行数据分析。结果显示:疲倦显著正向影响微博用户的节制中辍意愿、间断中辍意愿和暂停中辍意愿;而神经质和开放性显著正向影响疲倦,外向性、随和性和尽责性则对疲倦不产生显著影响。

常态化防控下突发疫情时公众对政务微博的信任度研究

[目的/意义]政务微博是疫情常态化防控背景下民众获取最新疫情进展的主要途径之一,民众对政务微博的信任度成为值得研究和关注的焦点。[方法/过程]以微博点赞数、转发数以及基于主题相似度和情感分析计算的评论信任值作为微博信任度测度依据,对6个具有代表性的政务微博信任度进行了计算。[结果/结论]常态化防控下突发疫情时不同地域公众对政务微博信任度存在差异,主要源于政务微博在对待突发疫情的态度及其微博运营策略等方面的区别;常态化防控下突发疫情时与疫情初次爆发时公众对政务微博信任度的测度也存在着地域差异,主要源于政务微博所折射出的政府在突发疫情控制能力等方面的差别。