基于新浪微博的2022年吉林松原M_(S)4.3地震舆情信息数据分析

基于新浪微博数据,运用网络爬虫技术,获取2022年3月16日吉林松原M_(S)4.3地震舆情信息数据并进行分析,发现舆情传播生命周期通常为震后48小时,震后舆情传播信息广度通常呈双峰分布,官方与自媒体的信息发布更易推动舆情事件热度多峰的形成,政府与自媒体的介入可有效稳定网友情绪并提升网友情绪评分。

社交媒体主题的周期性对其主题触发能力的影响——基于新浪微博的样本分析

[研究目的]分析社交媒体中主题周期特征对主题之间的触发关系影响,为社交媒体舆论引导、信息调控提供有效的调控手段与推进。[研究方法]采取小波分析及其红噪声检验、格兰杰因果分析的主要方法,以新浪微博三年共32779920条帖子为样本,分析和检验微博中主题的不同周期性特征是否对其主题触发和影响舆论的能力有不同作用。[研究结论]主题的特定周期具有对主题触发能力的影响:7天、49天等7天或7的多倍的周期对该主题的触发能力有正面影响;主题的周期数量具有对其触发能力的影响:周期数量和议程的触发能力、被触发能力均有正相关性;主题的周期长度特征具有对其触发能力的影响:最短周期越短则该主题的触发能力越强;最长周期越长则该主题的触发能力也越强。该研究可为社交网络的舆情调控、议程演化的管理引导提供参考。主题具有的周期特征使其产生主题触发的原因、机理和功能,是有待拓展的研究领域。

基于新浪微博的四川芦山6.1级地震和马尔康6.0级震群舆情分析及灾情信息获取

震后对网络舆情信息的监控与分析,及灾情信息的快速获取、处理、分析和研判对于部署抗震救灾、掌握灾情舆情、稳定民众情绪具有重要意义。基于新浪微博数据,获取四川芦山6.1级地震和马尔康6.0级震群相关的微博和评论等信息,通过对信息进行充分挖掘、分析和表达,研究地震事件中微博舆情的演化、民众情绪反应特征、关注热点等,并在此基础上对房屋破坏、生命线工程破坏、人员伤亡等灾情信息分类提取,可为地震应急决策提供科技支撑。

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。

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。

网络舆情对新冠疫情下青少年情感态度的分析

研究青少年的网络评论对新冠疫情的情绪语义表达,了解其对待新冠疫情期间突发事件的态度,可以为我国相关心理机构制定青少年心理预防、干预政策提供参考依据。选取青少年获取疫情信息和展示心理状态的主要平台新浪微博及“人民日报”、“央视新闻”等官方微博中新冠疫情热搜评论为数据,通过挖掘青少年对医护人员、职能部门、新冠病毒三个方面的评论特征,生成可视化图形,分析疫情期间青少年关注点和情感态度,构建新冠疫情聚类主题,了解不同主题下情感差异。研究表明:(1)在新浪微博平台上,青少年群体对待新冠疫情期间随机事件表现出不同的应激心理和情绪。(2)面对新冠病毒,与2020年相比,2021年持积极情感的青少年上升了10%,持消极情感下降了11.7%。(3)医护人员、志愿者的英雄事迹是青少年产生积极情感的主要因素,政府服务部门初期探索没有达到预期结果、新冠病毒没特效药是青少年产生消极情绪的主要原因。

“懒”还是“难”?公民健身行为的影响因素及作用路径研究——基于新浪微博网友评论分析

《全民健身计划(2021-2025年)》发布后新浪微博网友评论所表达的公民健身期许对深层次挖掘公民健身行为的影响因素有着重要的价值。通过抓取新浪微博网友的1696条一级评论,借助程序化扎根理论编码技术发掘出“公民健身社会情境”“公民健身支持系统”“公民健身主观意识”和“公民健身客观条件”4个范畴以及范畴之间的逻辑关系,由此建构公民健身行为的影响因素与作用路径模型。研究发现:公民健身社会情境和公民健身支持系统共同构成影响公民健身行为的外部环境因素。公民健身主观意识是公民健身行为的内在驱动因素,公民健身客观条件是保障公民健身行为的外在条件因素。公民健身外部环境因素可以通过激发公民健身主观意识驱动公民健身行为(公民健身的认知型路径),也可以通过保障公民健身客观条件驱动公民健身行为(公民健身的工具型路径)。

基于新浪微博数据的东航MU5735坠毁事件舆情热度演化及情感分析

采用一种结合关键词提取和机器学习的情感分析方法对东航MU5735坠毁事件相关的部分微博数据进行情感分析,统计、分析坠机事件发生后的微博热搜话题数据。研究发现,东航MU5735坠毁事件的舆情热度演化整体上遵守生命周期理论,不过该类突发性网络舆情通常表现为热度迅速升高,舆情迅速进入成长期和爆发期,潜伏期往往很短。公众对该事件以中性情感为主,消极情感次之。本文还结合传播学、心理学、社会学、统计学多角度对舆情进行解读。

新浪微博地震舆情数据库的设计与实现

社交媒体地震舆情数据可实时反映灾区现状,为震后应急提供较好的地震灾情舆情研判服务。选取新浪微博作为数据源,对接EQIM,采用新浪微博开放平台API与分布式网络爬虫相结合的方式获取地震舆情数据。在数据清洗和基于fastText地震相关性分类模型进行数据预处理的基础上,应用MySQL关系型数据库,设计并实现我国内地地区准实时新浪微博地震舆情数据库及管理平台。现阶段,该数据库收集了2021年1月1日至2022年3月31日我国内地地区3.0级及以上地震447次、地震舆情数据732949条,实现数据下载、快速查询及精确查询,方便数据查询与管理,有助于震后舆情监控与灾情快速获取。

新媒体时代背景下涉震舆情处置建议——以四川省地震局官方微博开展涉震舆情处置为例

为了总结四川省地震局在新媒体时代的涉震舆情引导处置经验,给相关部门提供借鉴案例,本文以四川省地震局官方微博为研究对象,探讨其在2019年长宁M_(S)6.0地震后虚假信息、燕子群飞、2020年绵阳老井升温、2018年“古天文学家王笑冬”预报地震4个典型涉震舆情事件中的应对策略,并提出5点新媒体时代涉震舆情处置的建议:把“化危为机”作为舆情应对的“战略考量”,把团队培养作为舆情处置的“储备考量”,把实时监控作为舆情操作的“决策考量”,把科普宣传作为舆情优化的“手段考量”,把“战时思维”作为舆情引导的“意识考量”。

基于词典和表情符号的微博舆情情感分析研究

微博中携带着的情感对社会发展的影响越来越重要,通过对微博文本的情感分析,可以对网络舆情做出正确判断和及时决策。基于SO-PMI算法对现有情感词典进行扩充,并构建了程度副词、否定词、双重否定词、表情符号词典。首先爬取特定话题的微博文本,进行预处理和分词,然后基于构建的词典计算文本的情感值,并使用可视化方法展示网民的情感状况和关键词。

基于TextCNN的突发公共卫生事件网络舆情分类研究

近年来突发公共卫生事件引起了网民大规模的舆情讨论,新浪微博是很多主流媒体发布实事热点新闻的重要平台,更是聚集了众多网友的舆情讨论。文章以突发公共卫生事件网络舆情为研究对象展开研究,具体步骤包括新浪微博热点舆情文本数据采集和预处理、TextCNN卷积神经网络文本分类模型的训练和验证、TextCNN模型对突发公共卫生事件网络舆情情感分类3个部分。通过新浪微博突发公共卫生事件案例数据,验证了TextCNN卷积神经网络文本分类模型可以快速准确地实现网络舆情情感分类,研究成果可为政府相关部门快速判断公众舆情情感、对网络舆情进行有效监控等方面提供一定参考借鉴。

基于Python的新浪微博舆情监控系统设计

利用Python开发工具和相关框架,设计了一种新浪微博舆情监控系统。文章首先分析了舆情监控的目的和现实意义,并阐述了国内外研究现状,然后从数据采集层、分析层和应用层三个层次构建了新浪微博舆情监控系统。通过Django框架开发Web网页,利用Scrapy爬取相关网络信息,并存储到MySQL数据库中,然后利用Pandas对数据进行清洗,Wordcloud对网络信息数据进行统计词频,生成词云,最后利用百度大脑的自然语言处理接口AiPNlP库进行情感分析,通过ECharts对分析的结果进行可视化。实验结果表明,本舆情监控系统可以对新浪微博的舆情热点进行有效的监测。

突发事件微博舆论中的网民素养提升研究——以“东方之星”客轮倾覆事件为例

[目的/意义]随着网民群体不断扩大,网民参与不断深入,网民素养问题已经成为影响网络舆论生态环境的重要因素。[方法/过程]以"东方之星"客轮倾覆事件为案例,采用内容分析法对新浪微博@头条新闻所发布微博的热门评论进行多维度分析。[结果/结论]发现网民趋于客观看待事件原因和政府应对、质疑媒体报道、呼吁回归理性、呼吁"去娱乐化"、客观对比同类事件等现象,可以一定程度上反映网民素养的整体提升。进一步提出网民素养提升的逻辑框架,其中三个层级的网民行为表现应作为网民素养提升的直接依据,而多种心理动因和其他行为表现可作为关键切入点用以探索网民素养教育的方式方法。

基于BP神经网络的微博网络社群突发舆情的预警监控

构建了基于BP神经网络的预警监控模型以应对动态多变的微博网络社群突发舆情。研究成果可帮助政府部门及时分析、有效的掌控微博舆情态势,制定相关政策。

论微博场域中政府舆论引导的主体客体化

处于转型社会座架下的政府由于多年的"惯习",建构了主体客体化的应对突发事件的舆论引导范式,但是以微博为基石的自媒体的历史性生成,特别是政府在微博场域中权力资本的缺席、行动策略的异化以及微博对人的主体性的彻底激活给政府舆论引导带来先验般的困境。主体客体化既成了这种困境的症候,同时也是这种困境生成的"问题式"。由此主体间性范式成为超越主体客体化的最优选择,它带来了舆论引导的"哥白尼革命",成为微博时代占主导地位的舆论引导范式。

突发事件中政务微博的网络舆论危机应对研究——以上海踩踏事件中的@上海发布为例

通过对上海踩踏事件中的@上海发布进行案例分析和统计分析发现,在应对网络舆论危机中政务微博内容和媒体关注点存在呼应;内容的发布在危机的不同阶段频率不一各有侧重;舆论危机爆发快周期长,消退缓慢;微博应对网络舆论危机的关键是展现坦诚谦卑的态度,满足公众的期待;网民情绪决定了舆论危机的程度等。政务微博应该在活跃与网民的深度互动、加强与传统媒体的信息协调、深化与微信类社交媒体的联动等方面实现网络舆论危机的合力治理。

基于信息生态理论的政法事件微博舆情传播规律研究

[目的/意义]在以政务微博为代表的新媒体技术不断发展的背景下,政法事件微博舆情传播成为政法机关面临的新问题。对政法微博舆情传播进行研究,有助于剖析微博舆情传播的信息生态学规律。[方法/过程]基于信息生态理论构建政法微博舆情生态系统,以聊城于欢案政法事件为研究实例,将新浪微博舆情信息作为研究对象,对系统内的信息主体、信息环境、信息3个因子的传播和演化过程进行分析。[结果/结论]研究结果表明,主体因子中用户粉丝数和关注数均符合幂率分布且呈断尾分布特征;信息因子特征量符合指数分布;环境因子特征量具有长尾分布特征,政法微博舆情传播符合信息生态学的互生再生规律、动态平衡、协同进化规律。文章的研究对政法机关舆情监管部门把握微博舆情传播规律及舆情控制具有一定的参考性作用。

含关键字的新浪微博获取与舆情分析

目的自动从新浪微博中抓取含指定关键词的相关微博,通过对抓取的微博进行分析,得到相关舆情热点。方法首先通过多线程爬虫,自动爬取含有指定关键字的微博,将其保存于数据库中,再采用基于字符串匹配的逆向最大匹配法对微博进行分词,计算各分词项的TF-IDF权重作为文本聚类的输入数据,最后用k-means算法进行聚类分析,得出舆情热点。结果与结论这种方法能自动从新浪微博中抓取含指定关键词的相关微博,通过聚类分析,每一族的微博内容具有较高的一致性和共同的主题,由此可迅速找出热点舆情,对及时了解和引导舆情具有积极的意义。

社交网络水军识别的特征发现

通过分析水军用户与正常用户的深层次区别,找到事件参与度、二阶关联性、关系紧密度、引导工具使用率这4个新的特征。利用经典分类算法SVM并选用准确率、召回率、F1值、时间花费和AUC等评价指标对前述新特征与好友值、粉丝值等11个传统特征进行对比实验,验证了新特征在保证对水军高识别率的同时,大幅减少了识别所需的时间花费,为微博海量数据的识别提供了新途径。