面向社交平台应急关联信息的文本分类综述

紧急事件发生初期,及时从海量社交平台数据中挖掘有效信息为应急响应提供决策参考具有重要意义。随着自然语言处理技术飞速发展,文本分类已被逐渐运用于该领域,主要可分为基于传统机器学习的K近邻、朴素贝叶斯、决策树、支持向量机等方法,以及基于深度学习的CNN、RNN、GCN、Transformer等方法。从算法原理、发展历程、适用领域及性能优劣等方面对当前主流的文本分类方法进行分析,调研了社交平台应急关联信息文本分类的研究现状与热点,归纳了现有方法面临的问题与挑战,展望了未来研究方向,为后续科研工作提供参考与启示。

危机传播情境下社交媒体用户涉疫信息转发行为形成机理

文章聚焦危机传播情境下社交媒体用户的涉疫信息转发行为,遵循扎根理论研究范式,深度访谈22名研究对象,提炼出转发动机、转发对象、转发内容、转发形式、转发渠道、转发障碍、转发行为生命周期7个主范畴及核心范畴,进而揭示危机传播情境下社交媒体用户涉疫信息转发行为的形成机理。危机传播情境下社交媒体用户在利益相关、情感交流等动机的驱动下,将筛选后的涉疫信息以特定的形式,通过特定社交媒体平台转发给选定对象,在此过程中存在信息与平台两个层面的障碍。研究发现:随着疫情的发展,社交媒体用户的涉疫信息转发行为呈现出生命周期性特征。研究危机传播情境下社交媒体用户涉疫信息转发行为的形成机理,有助于深度了解与预测用户行为,可以为政府相关信息发布与舆论引导、社交媒体精准信息推送等提供理论参考。

基于“信息—模型—知识”集成的重大事件预警机制

构建重大事件预警机制是维护国家安全和社会稳定的重要保障,本文对事件预警的信息监测、情报分析、决策研判等三个重要环节进行了分析。基于此,提出了"信息—模型—知识"集成的事件预警机制,并给出了重大事件预警的应急决策平台设计的总体框架。

突发公共卫生事件下中外信息需求对比研究

[目的/意义]不同文化背景的民众对于健康信息的需求不同,探求突发公共卫生事件下中外健康信息需求差异,有助于为不同文化背景的用户提供有针对性的健康信息服务,进而对在全球化时代应对突发公共卫生事件提供助力.[方法/过程]从跨文化的角度出发,运用内容分析法,从中外社会化问答平台中新冠肺炎相关的提问中提取信息需求,并根据舆情演化阶段将用户提问划分成5个时期,对用户健康信息需求及随时间演化方面的异同进行比较分析.[结果/结论]中外社会化问答平台的用户在核心信息需求类别上大致相同,但是在一些信息需求类别的关注点上有所差异,比如对于"临床表现"的关注点不同.中外关注度较高的信息需求类别均为"疫情现状及趋势""社会影响"和"预防",但在"公众情绪"需求方面国外用户明显高于国内用户.另外,在信息需求演化方面,国内用户在疫情发展的不同阶段关注的信息需求类别变化较大,而国外用户在各阶段的需求基本稳定,并且国外用户较国内用户在各个阶段的信息需求种类更为多样.基于跨文化相关理论,这些中外民众在突发公共卫生事件下的信息需求的差异体现出了中外民众的思维和文化差异.