气候与情绪的关系:基于微博大数据研究

目的本文旨在系统探究气候变化与人类情绪之间的相关性。方法将气候数据与情绪数据纳入逻辑回归模型,并探讨二者的相互作用。具体而言,本研究通过创新运用新浪微博数据,选取了中国五个代表性城市为研究对象,收集并分析了这些城市中与气候相关的微博文本。通过应用自然语言处理和机器学习技术,对文本数据进行了情感计算,以抽取情绪数据。结果研究发现气候变化与人类情绪之间存在复杂的非线性关系。一系列气候要素如温度、湿度、日照、风速和降水等共同定义了一个影响人类情绪的气候舒适区间。不同气候类型对情绪的影响存在差异(P<0.05或0.01),日照和湿度对情绪的影响最为显著,其次是气温和降水,而风速的影响相对较小。结论气候与情绪之间的关系较为复杂,本研究丰富了气候与情绪相关领域的理论研究,同时也为提升公众的心理健康水平提供了理论支持。

纵向约束视角下微博反腐的互动逻辑——结合大数据与深度案例的探索

微博反腐是中国制度反腐的重要补充。近年来,随着被微博曝光的腐败问题复杂性增加,信息失真更容易发生,以致民众的负面情绪更容易爆发。这对政府的腐败治理提出了新的挑战与要求,但是学界对微博反腐的新特征仍然认识不足。以纵向约束理论为视角,并利用大数据分析方法来深度剖析“北极鲶鱼”案例,可以揭示微博反腐的新特征。在微博反腐的初期,地方政府的及时回应能够有效降低议题热度;但是进入中期,地方政府的模糊回应会激发民众的不满情绪与非理性评论,而中央媒体则积极引导民众互动;进入尾期,中央媒体与民众互动加强,可以促进地方政府回应。在一体推进不敢腐、不能腐、不想腐的大背景下,各级政府应根据微博反腐的新特征,积极处理微博反腐的负面舆情,推动国家与网络社会之间的良性互动。

基于Python的新浪微博数据爬虫

目前很多的社交网络研究都是采用国外的平台数据,而国内的新浪微博没有很好的接口方便研究人员采集数据进行分析。为了快速地获取到微博中的数据,开发了一款支持并行的微博数据抓取工具。该工具可以实时抓取微博中指定用户的粉丝信息、微博正文等内容;该工具利用关键字匹配技术,匹配符合规定条件的微博,并抓取相关内容;该工具支持并行抓取,可以同时抓取多个用户的信息。最后将串行微博爬虫工具和其并行版本进行对比,并使用该工具对部分微博数据作了一个关于流感问题的分析。实验结果显示:并行爬虫拥有较好的加速比,可以快速地获取数据,并且这些数据具有实时性和准确性。

基于微博大数据的中国人个体主义/集体主义的心理地图

尽管中国人存在个体主义/集体主义的地区差异,但是对哪些省的个体主义更高,哪些省的集体主义更高并没有达成共识。本研究以100万微博活跃用户的大数据为基础,利用个体主义/集体主义相关的关键词进行分析,比较个体主义和集体主义在省层面的地区差异,结果发现海外用户的个体主义高于国内用户,而集体主义低于国内用户,证明了大数据方法的有效性;我们在基础上构建了中国人个体主义/集体主义的心理地图,并对造成其地区差异的影响因素进行了探讨。

基于网络大数据的社会心理学研究进展

互联网和计算机科学技术的快速发展,使得基于网络大数据的心理行为研究越来越受到研究者的关注。这为研究人类的心理与行为规律提供了新的视角。心理学作为社会科学的重要组成部分,在计算社会科学的大浪潮中也展示出了巨大的发展潜力,在情绪心理学、人格心理学、行为金融学、健康心理学、政治心理学等诸多领域催生了一批具有重要理论和现实意义的研究成果。我国的社会心理学研究者,已围绕微博情绪问题,并结合股市预测、社会风险感知、精英与大众关系、地区民族主义等诸多具有重要社会现实意义的研究问题,开展了一系列探索性研究。关于网络大数据的社会心理学研究,未来的研究者应该理性地看待这一新兴研究范式,并且充分发挥该范式的优势,从而更好地为解决社会科学的理论和现实社会问题服务。

基于微博数据的应用研究综述

微博数据已经成为学术界重要的数据来源,近年来国内外学者开始利用大量开放的微博数据进行社会科学、企业营销、医疗卫生、政府建设等多方面的研究。从数据来源及获取方式、数据选择及其处理办法和研究结果的应用三个方面对国内外研究情况进行了总结,并阐述了目前研究存在的局限性。

高校学生微博使用行为大数据分析和管理研究

微博作为信息时代的重要社交工具,得到了高校学生的普遍欢迎。大学生微博使用行为的信息挖掘,对于观察大学生群体社交行为特点,促进高校大学生线上行为管理具有重要的实践意义。本文结合统计调查和软件技术的方式,对高校学生的基本信息、微博内容、评论情况、关注焦点等进行数据采集和分类统计,判断其情感倾向和微博舆论特点。通过对采集大数据的分析研究,从客观上了解高校学生的微博使用行为习惯、使用态度和使用需求,做出规律总结与趋势预测,为高校大学生的微博行为引导和高校舆情管理提供参考意见。

基于新浪微博的公交系统数据采集及分析

为充分利用大数据时代的海量数据,提出一种基于新浪微博的公交系统数据采集及分析方法。通过Web Crawler从新浪微博抓取所需时空范围内的公交微博,分析公交微博发布的时间与空间分布规律;随后采用KMP算法统计并剔除冗余转发及回复微博,提取并分析公交相关的热点话题;基于中科院ICTCLAS算法进行中文分词处理,删除停用词后统计词频,生成关键词的词云。最后通过南京市范围内的8 913条公交微博进行实例验证与分析,结果表明,该方法可以从海量的微博数据中提取公交相关数据并进行分析,分析数据量大且有时效性,分析结果可为公交系统管理的优化与改善、公交政策的制定提供数据支撑。

基于大数据的微博舆情分析系统的设计与实现

为了对社会突发事件引发的舆情及时开展分析、引导及治理,在大数据环境下,采用SSM(Spring+SpringMVC+MyBatis)架构设计并实现了一个集微博舆情信息采集、去重、分析、处理及可视化的综合平台,同时对微博舆情分析的数据处理进行了介绍,并对文本情感分析、计算文本相似度给出了具体算法。系统通过数据采集层、数据处理层和数据展示层3个子层实现对微博舆情信息的趋势性预警及有效监管。目前,该平台完成了相关微博舆情热点话题的追踪及趋势预警,在实际应用中,观察到在单机日采集量约100万条时,对舆情数据分析的有效率可以达到90%以上。

网民对“人祸”事件的道德情绪特点——基于微博大数据研究

本研究采用大数据研究方法,对爬取的"动车事故"发生后40天内的94,562条相关微博进行情感分析,以探讨网民对"人祸"的道德情绪特点,同时对不同群体情绪表达差异进行探讨。结果发现:(1)网民对于动车事故主要表达的道德情绪有:愤怒、鄙视、厌恶、同情和爱。(2)包含不同道德基础的事件与不同的道德情绪相关联;(3)对于愤怒、厌恶和鄙视,男性普遍有更高的表达倾向和表达强度,而女性更倾向于表达爱和同情且强度更高;(4)对于爱和同情,团体VIP用户组表达的可能性和强度都高于其他用户;个体VIP用户比非VIP用户更可能表达愤怒、鄙视和厌恶,而团体VIP用户表达这类情绪的强度最小。研究表明,虚拟网络中人们道德情绪特点依然符合道德基础理论;不同群体在表达道德情绪时的差异性是对道德基础理论相关研究的补充。总言之,数据挖掘技术和情感分析方法是进行情绪研究的有效手段。

基于深度学习的城市意象认知方法创新与拓展——以重庆主城区为例

在城市发展的转型革新、大数据的广泛应用和人工智能的技术突破三大背景下,从理论基础、数据来源、技术方法三方面出发,构建城市意象理论、大数据、深度学习相结合的城市意象认知新方法,从意象结构、意象类型和意象评价3个维度深度刻画城市意象。并借助新浪微博数据,利用深度学习对重庆主城区的城市意象认知进行实证研究,总结出重庆城市意象存在自然山水失落、人文要素缺失、意象结构有待优化等问题,验证了该认知方法的适用性与科学性。

基于核密度估计的新浪微博数据地理空间分析:以上海市为例

为了提取和分析中国上海的社交网络位置数据,通过使用KDE作为空间分析技术来探讨LBSN数据的应用,分析用户参与的新浪微博签到数据与城市特征之间的关系,更重要的是调查上海密集地区的人口密度,以便于相关部门更好地观察和管理。通过使用新浪微博API收集了中国上海10个不同地区在2016年1月~3月期间的数据,并利用核密度估计对基于位置社交网络数据集的新浪微博用户的签到频率进行分析。研究结果表明,核密度估计方法为利用地理空间数据集进行空间模式建模提供了有益的见解。此外,与研究区域的副城区相比,中心城区的密度更大。由此得出结论:通过使用核密度估计技术,可以评估个体的签到行为以及更广泛的总体人口模式。该研究对城市功能及其环境影响、城市可持续性发展和基于城市人口密度的应急响应等领域都有一定的借鉴意义。

基于微博大数据的经济不确定性测度及其对宏观经济的影响研究

经济不确定性是一个重要的经济参数,它反映了经济的运行状态与经济参与者的评估与预期不一致的程度,与宏观经济运行和政策之间存在密切联系。经济不确定性的增加可能会对经济运行产生负面影响,因此研究经济不确定性对理解经济运行中的波动、制定宏观调控政策、激发市场经济活力等具有重要的意义,量化测度经济不确定性就是其中最关键的一步。文章提出了一种基于微博大数据的经济不确定性指数的量化构建方法,主要思想是利用人们对经济形势的主观认知态度的不一致程度来衡量经济的不确定性。该方法能考虑到更多经济参与者对经济的主观看法,从新的角度量化了我国经济不确定性的程度,且数据量大,覆盖面广,更能实时地体现经济不确定性程度的变化。首先,利用长短期记忆(LSTM)模型对人们实时发布的微博中对经济运行的主观认知态度的情感倾向进行分类,效果良好,节约大量人工判别成本,有利于经济不确定性指数的实时计算和预测。然后,通过计算公众对经济持乐观态度和悲观态度的比例差异来计算经济不确定性指数EUI (Economic Uncertainty Index)。EUI反映的是经济参与者对经济运行状态的情感不一致程度,其不一致程度越大,经济不确定性程度越大,反之则越小。实证分析结果显示:微博数据量与经济热点事件有直接联系,时效性强,微博数据对重大经济事件的发生具有良好的反映;基于微博大数据构建的EUI与经济发展趋势具有一致性,对重大事件发生都有即时的反映;EUI与其他文献中常用的指数反映的经济不确定性程度和变化具有较高的一致性,例如EUI与Baker等编制的中国经济政策不确定性(EPU)指数变化趋势基本相似,且EUI的时效性更强;EUI与市场波动性指数和股票收益率方差具有正相关性,与消费者信心指数和基金经理信心指数具有负相关性,符合实际经济意义。更进一步将EUI应用于对我国宏观经济的影响分析中,结果表明,经济不确定性对进出口和消费有显著的负向影响。

基于微博签到数据的城市景区吸引力探究

人群活动影响城市建设,基于人群活动时空数据可以更好地研究城市景区吸引力度。基于大理市半年内微博签到数据,采用核密度分析法、地理集中指数以及最近邻分析等方法分析城市来访人群空间分布以及不同景区吸引力大小。结果发现:大理市级别越高的景区其吸引力半径越大且相对匀速增长,级别较低的景区其吸引力半径小且集中在距离较近的区域。等级与知名度较高的景区地理集中指数的比例分布较平稳,客源较集中;相反,等级越低景区其地理集中指数越低并且波动较大,即吸引力度较小的同时游客数量忽高忽低极不稳定。空间结构分布集中是提高景区吸引力的一种优势,更有利于促进资源整合与创新。

微博信息传播可视化分析工具研究

可视化技术和工具是大数据时代管理和理解海量微博数据的重要手段。文章介绍了国内现有的微博传播可视化工具,从可视化图形设计、用户分析、传播分析这三个方面,通过实例分析的方法比较了这些工具的特点和优劣,分析了相关的技术及存在的问题,并对微博信息传播可视化的技术发展做了展望。

婺源县旅游签到大数据研究——以新浪微博为例

随着社交媒体的迅速发展,旅游者在社交媒体平台上发布的旅游大数据越来越多。利用网络爬虫获取了婺源县2012—2020年的旅游签到数据进行研究。得到以下结论:婺源县游客的签到空间分布不均;春季游客签到最为活跃,尤其是3月、4月份签到率最高;女性游客签到率明显高于男性游客;外地游客签到率高于本地游客。为分析婺源的旅游流特征提供了一个新的角度,对于旅游地容量的管理、旅游地市场营销具有一定的参考价值。

气候因子的情绪效应

研究耦合了逐日气候数据和情绪数据,使用关键词分析技术和多项式逻辑回归模型考察气候与情绪之间的关联。情绪数据创新性地使用微博大数据替代传统的问卷数据,以全国五个典型城市为样本,爬取这五座城市在新浪微博上关于气候内容的文本,通过自然语言处理和机器学习得到情绪数据。研究发现:气候与情绪之间存在着复杂的曲线关系;不同气候因子对情绪的影响力是有差异的,综合考虑关键词TF-IDF权重、显著性指标和偏回归系数权重等,得出气候因子的影响力中日照和湿度对情绪的影响力最大,气温和降水其次,风速最小。

基于社交平台大数据的暴雨时空分析

在来自社交平台大数据的支持下,已有多项研究揭示灾害发展趋势、灾难位置与影响范围,展现了社交媒体数据对灾害研究的帮助。本文以2012年北京大暴雨为研究对象,通过分析用户提及行为与暴雨时空变化,通过微博中暴雨数据反映了用户在现实中的亲近社交关系、实时展现暴雨相关信息并预测其发展趋势,有助于研究灾害动向以及其间用户关系。

微博签到大数据中旅游景区客流波动特征分析——以南京市钟山风景名胜区为例

基于微观尺度利用微博签到数据对旅游流进行研究。选取典型旅游风景名胜区钟山作为微观尺度景区内部旅游流研究代表,从信息时代下的虚拟网络视角入手,借用新浪微博平台,抓取相关微博大数据,结合时间分层法、经验模态分解法(EMD)对旅游区内部客流波动特征进行探索,并通过剥离节假日与工作日的方式,对不同属性的游客进行节日与节事效应差异的研究。发现钟山风景区不同类型游客均具有'M'型签到时间规律,但性别、地域属性不同表现出明显的签到周期波动差异。此外,节假日效应对不同属性游客的影响各不相同。

基于字符级CNN技术的公共政策网民支持度研究

【目的】提出更适用公共政策评价的网民情感分类指标,引入深度学习技术研究网民立场的自动化识别和支持度研判问题。【方法】选取三个不同领域不同类型的重要公共政策作为研究对象,对微博数据进行采集、清洗和标注;运用立场分析方法研判三个政策的网民支持度;构建基于字符级卷积神经网络(CNN)技术的文本分类模型对实验数据集进行训练,并对实验结果进行对比检验解读。【结果】该模型在三组数据测试集的综合评价指标上均取得优秀表现,当模型稳定后有两组数据集F1值在0.8以上,一组数据集F1值在0.6以上;且耗时较循环神经网络(RNN)模型更短,训练时间差距达数十倍。【局限】数据样本量和政策覆盖类型有限,网民支持度计算方法有待进一步深化。【结论】立场分类方法和字符级CNN技术在公共政策评价的效度和效率上有较好表现,尤其在应急突发性政策评价方面能够发挥明显作用。