Hot Events Detection of Stock Market Based on Time Series Data of Stock and Text Data of Network Public Opinion

With the highly integration of the Internet world and the real world, Internet information not only provides real-time and effective data for financial investors, but also helps them understand market dynamics, and enables investors to quickly identify relevant financial events that may lead to stock market volatility. However, in the research of event detection in the financial field, many studies are focused on micro-blog, news and other network text information. Few scholars have studied the characteristics of financial time series data. Considering that in the financial field, the occurrence of an event often affects both the online public opinion space and the real transaction space, so this paper proposes a multi-source heterogeneous information detection method based on stock transaction time series data and online public opinion text data to detect hot events in the stock market. This method uses outlier detection algorithm to extract the time of hot events in stock market based on multi-member fusion. And according to the weight calculation formula of the feature item proposed in this paper, this method calculates the keyword weight of network public opinion information to obtain the core content of hot events in the stock market. Finally, accurate detection of stock market hot events is achieved.

基于BERTopic模型的网络暴力事件衍生舆情探测

[研究目的]在海量用户生成内容中及时探测和剖析网络暴力事件的衍生舆情能够为舆情事件链的演化分析、同类舆情的研判介入、衍生事件的监测预警提供理论支持。[研究方法]使用BERTopic模型对短文本内容主题建模并采用聚类的方式展示主题的潜在层次结构。根据词向量余弦相似度设计主题衍生度的计量算法,同时融合词共现网络在文档-词语层面信息捕捉的优势以及桑基图直观演示舆情演化过程的特点,衡量主题间的影响力与衍生关系。[研究结论]在开源数据集下多组主题模型的对照实验中,BERTopic模型在短文本建模以及下游任务的平均得分提高2.13%。在网络暴力热点事件的应用实例中,多维细粒度分析与交互式可视化方法可达到直观展示暴力事件的主题聚类、词义关联与演化态势的效果,实现网络暴力事件衍生舆情的探测与分析。

重大突发事件下网络舆情传播中社会群体主题演化图谱构建研究

研究重大突发事件下网络舆情传播中社会群体主题演化图谱构建,对重大突发事件的应急和维护社会稳定具有重要作用。文章基于LDA主题模型构建社会群体主题演化图谱,基于主题时序统计和主题频次统计构建社会群体主题热度演化图谱,基于JS散度和DFS算法构建社会群体主题路径演化图谱,并给出重大突发事件下网络舆情传播中社会群体主题演化图谱构建过程模型。研究发现:利用构建的模型可以对群体主题特征、主题热度影响因素及主题最优传播路径进行分析,发现重大突发事件下舆情演进态势和识别敏感舆情话题,从而进行正向的舆情引导,为重大突发事件下网络舆情治理提供新的参考视角。

基于区块链技术的体育热点事件中的网络情绪治理

5G时代下体育网络情绪传播业态发生巨大变革,为其治理带来了新的挑战。当前,体育网络情绪传播主体和范围不断拓展、传播速度不断加快、传播不确性不断增加,使体育网络情绪治理难度不断提高。区块链技术凭借其去中心化、难以篡改、公开透明等优势,不仅可以有效提升体育网络情绪治理的精准性,而且可以有效提升治理效率。基于区块链技术从不同层面构建体育网络情绪治理机制,在宏观层面构建体育网络情绪信息联合治理平台,在中观层面建立基于大数据的体育网络情绪监测体系,在微观层面自媒体及其服务商实时跟踪处理体育网络情绪,以加强体育舆论引导,促进体育事业健康发展。

“一带一路”议题全球舆论话语图景与中国应对--基于2013-2023年全球社交媒体平台X的大数据研究

[研究目的]国际社交媒体反映全球民间舆论。通过分析X(原Twitter)平台上“一带一路”相关推文,了解国际舆论对该议题的态度和反应,以提出中国应对策略。[研究方法]基于数字媒体分析方法,对近十年的相关推文进行情感分析、主题分析和社会网络分析。[研究结论]发现X平台关于“一带一路”议题的舆情的三大现状,即;关注度高,受主要相关事件影响;情感波动显著,西方主流媒体叠加负面议题;中、英文推文场域相互溢出,中国主流媒体舆论引导力不足。基于此提出三个对策,即:强化舆情风险预测,提前制定应对方案;及时回应外部关切,强化沟通与危机管理;积极设置话题,强化舆论引导与议题塑造。

基于社区发现的网络舆情主题—情感动态监测模型研究

[目的/意义]探究热点事件网络社区的主题及情感波动,掌握舆情事件的演化过程,对于做好网络舆论引导、维护网络信息生态具有重要意义。[方法/过程]以社交关系构建社群网络,采用Louvain算法划分主题社区,基于此提取各阶段社区主题,并计算主题情感分布,多维度协同探究网络舆情的动态演化过程;最后以“孙海洋寻子圆梦”事件为例检验了模型的有效性。[结果/结论]网民会自发性地关注并讨论舆情事件的发展,并依据网络社交关系形成不同的主题社区,从而产生不同的情感波动。研究结果能够较好地反映出特定舆情事件的主题-情感演化过程。

新媒体语境下体育网络危机传播场域的变化与应对

新媒体的狂飙突进给体育网络危机传播带来了颠覆性的影响,探索新媒体语境下体育网络危机传播场域的变化及应对,对于促进体育网络舆情健康发展、助力网络强国和体育强国建设具有重要的意义。本研究运用文献研读、对比分析等方法,在对体育网络危机传播场域实质把脉的基础上,对新媒体语境下体育网络危机传播场域的变化进行了剖析,并从价值层面提出了应对之策。研究发现:体育网络危机传播场域实质上是一个围绕意义展开话语权争夺的隐含力量关系的公共空间;在新媒体语境下体育网络危机传播场域的理念上呈现出政府主导、多元主体互动,结构上呈现出从渐进式变化转向结构性突变,话语表达模式上呈现出多元媒介话语样态融合的新变化。最后从话语互联、话语互通和话语互信三个层面构建了一个多元主体话语互动范式以应对当前体育网络危机传播场域的变化。

互联网社交平台舆论趋势预测算法研究

为解决互联网社交平台话题趋势预测不准确的问题,提出基于量化计算的互联网话题趋势预测算法。本文通过分析互联网特定话题下的主题立场文本、评论账户画像、评论贴文内容等多维度特征,设计了一种面向互联网特定话题的舆论趋势预测方法,通过特定话题数据获取、用户观点立场分析、趋势走向判断样本集构建模型,构建的互联网话题趋势预测神经网络模型比传统的舆论趋势预测模型更准确、更全面。本文提出的基于量化计算的互联网话题趋势预测算法,可作为互联网舆情趋势分析研判的重要手段。

社交媒体中主流网络民意的表达与演化:基于共评网络的分析

[目的/意义]基于社交媒体用户的共同评论关系构建共评网络,综合运用社会网络分析与自然语言处理技术,探索高效挖掘社交媒体中主流网络民意的方法。[方法/过程]按阶段梳理社交媒体用户共评关系并构建共评网络,综合利用K核分解和核塌缩分析识别核心评论用户群;以核心评论用户群为目标分析对象,从主题和情感两个维度构建主流网络民意的表达,并分析网民讨论热点及情感分布的综合演化过程;利用新冠病毒感染疫情相关热门微博的评论数据进行实证研究。[结果/结论]共评网络分析可以准确识别出社交媒体中的核心评论用户群,其拥有结构稳定且联系紧密的共评关系;聚焦于核心评论用户群的评论内容,即可实现主流网络民意的高效挖掘,准确呈现出网民主要诉求和情感的变化特征;实证结果与我国新冠病毒感染疫情中的应对实情和网络舆论走势基本契合,证明了此方法的有效性。

基于动态主题聚类的网络舆情反转识别模型构建与实证研究

[目的/意义]舆情反转现象频发消耗了网民的信任感,降低了网民在网络世界的安全感。基于舆情大数据对反转现象进行及时的分析识别,对营造健康安全的互联网舆论环境具有重要意义。[方法/过程]文章通过案例分析对舆情反转的特征与规律进行了归纳总结,并从主题演化角度出发,提出一种基于主题聚类模型LDA与门控循环神经网络单元(GRU)的舆情反转实时识别模型(DDPOR)。首先根据时间窗口采集实时文本数据,利用主题模型动态计算事件的当前言论较于先前观点的主题吻合度。随后结合文本时序特征,利用门控循环神经网络完成反转判定,实现网络舆情事件的反转预测。最后选取27个经典舆情反转案例开展实证分析,检验模型对反转的识别率与灵敏度。[结果/结论]实验表明,DDPOR可以及时地实现舆情反转的自动化识别,识别准确率高达90.54%,优于其他对比模型,且对网络舆情的实时监测与管控具有一定实践价值。

社会热点新闻对高校思政教育工作的积极作用及融合路径

社会热点新闻涵盖社会方方面面的信息,会引起人们的广泛关注,对人们的社会生产和生活实践具有深远的影响。将社会热点新闻与高校思政教育相结合,对掌握学生的思想动态、丰富教学内容、提升学生的思想道德水平具有重要的意义。但是社会热点新闻与高校思政教育对学生产生影响的途径不同,部分教师对二者在重视程度、结合方式、结合内容方面存在问题,思政教育与社会热点新闻的结合并没有发挥出“1+1>2”的理论效果,阻碍了高校思政教育教学水平的提高。新时代背景下,高校应该充分利用社会热点新闻吸引学生的注意力,改进思政教育与社会热点新闻的结合方式,丰富结合内容,促进学生思想道德品质的提高和全面发展。

基于主题模型和情感计算的高校网络舆情演化分析

为优化高校网络舆情引导和管理工作,以新浪微博为例,构建融合主题模型和情感计算的高校网络舆情演化分析框架。该分析框架依据生命周期理论划分高校网络舆情演化阶段,利用主题模型抽取高校网络舆情事件主题,并将情感计算与主题模型相结合,分析高校舆情事件演化过程中主题的强度演化趋势和情感演化趋势。主题强度演化主要度量大学生讨论舆情事件话题的热点程度及在舆情事件发展阶段的变化趋势,可有效预测舆情热点话题;主题情感演化主要度量大学生讨论舆情事件话题的情感态度及在舆情事件发展阶段的变化趋势,可有效预测舆情负面情绪话题。最后,基于典型网络舆情演化周期提出高校网络舆情引导策略,以期对大学生关注的主题及其演化趋势进行有针对性的引导和管理。

社会热点事件类网络民间文学的形成过程和舆论引导

社会热点事件后,往往伴随着大量网络民间文学作品的生成。这类网络民间文学通常以某一社会热点事件为“本事”,在此基础上进行文学性的演绎发挥,形成社会热点事件类网络民间文学。社会热点事件类网络民间文学的极速传播促成了相应社会舆论和舆论导向的形成,对事件的还原和问题的解决发挥着推进或阻碍的作用。整体考察这一过程,可见社会舆论、舆论导向与社会热点事件类网络民间文学及其相关媒体之间关联紧密,相互促成,互为引导。

信息生态视角下的社交网络舆情用户主题图谱系统构建

[目的/意义]为加强社交网络舆情用户管理提供新的研究视角,系统构建社交网络舆情用户主题图谱。[方法/过程]基于信息生态视角,结合知识关联的思想,对社交网络舆情用户主题图谱的内涵、构成要素、维度进行了解析;揭示社交网络舆情用户主题图谱由用户社群图谱、用户身份图谱以及用户情感图谱三个维度构成;并分析其构成要素与信息生态要素之间的关联关系;最后构建社交网络舆情用户主题图谱系统模型。[结果/结论]通过对社交网络舆情用户主题图谱系统模型的剖析,深化了信息生态理论在社交网路舆情用户主题图谱研究领域的应用,为后续系统研究社交网络舆情用户社群关系、用户身份以及情感演化提供铺垫。

基于LDA的网络舆情分析智能平台的设计与实现

严格把控舆情方向,监测网民动态和大众感情倾向是对舆情发展控制的有力手段,也是对大数据舆论信息检测的关键所在。文章针对微博热点搜索、搜狗网页提供的微信公众号热点和百度资讯的热点新闻爬取并预测舆论倾向,利用可视化界面展示分析后的结果。首先通过爬虫获取每日热点信息,文本预处理后存入数据库;然后利用LDA主题模型提取热点事件,使用卷积神经网络分析情感倾向(正面、中性和负面);最后采用Django框架展示页面,进行相关统计研究和数据的可视化展示,通过可视化界面展示分析后得到的热点事件和舆论倾向。

基于时间演化图卷积网络的舆情热点内容预测

有效预测舆情事件的热点内容有利于提高对舆论导向的把控能力和对公众诉求的预判能力.然而,现有的舆情预测工作大多关注事件整体趋势指标或情感极性的演变预测,鲜有针对舆情事件热点内容的预测研究.为解决以上问题,本文提出一种基于时间演化图卷积网络的舆情热点内容预测方法:以舆情事件的热点词作为预测对象,首先,通过演化图卷积网络学习各时间片词语的空间关联关系;然后,使用门控循环单元捕捉各时间片词语特征的时序变化;最后,通过全连接层进行输出,实现对舆情事件热点词的预测.以微博上两个不同的舆情突发事件的相关文本作为数据集,与两种现有热点词预测方法开展对比实验.实验结果表明,该方法在两个数据集上的精确率分别达到51.21%和50.98%,召回率分别达到50.17%和48.15%,F1值分别达到50.68%和49.52%,均高于两种对比方法,能够更好地完成舆情事件中热点词的预测.

基于话题标签的微博舆情热点挖掘系统设计

为在微博舆情信息高速转发时段内实现对热点数据的精准挖掘,文中设计一种基于话题标签的微博舆情热点挖掘系统。首先确定框架体系连接形式,并根据热点信息定义结果建立话题标签模型。以此为基础,对热点信息散列表进行排重处理,完成对微博舆情热点数据的处理。最后,联合采集到的目标信息样本对论坛结构进行分割处理,完成挖掘系统设计。实验结果表明,在话题标签模型作用下,系统主机对于热点数据的挖掘准确率较高,可以在微博舆情信息高速转发时段内实现对热点数据的精准挖掘,满足实际应用需求;与基于机器阅读理解的挖掘系统、基于跨语言神经主题模型的挖掘系统相比,这种新型挖掘系统能够在微博舆情信息高速转发时段内,对热点数据进行精准挖掘,与设计初衷相符合。

网络用户参与社会热点事件中的现象特征及其对舆论生态治理的启示

互联网的产生和发展颠覆了用户的交流模式,也为用户提供了丰富的社会热点事件参与渠道。本文结合社会学、传播学、心理学等理论,基于问卷调查,分析了网络用户在社会热点事件中的参与现状,并通过深度访谈和案例分析相结合的形式,结合社会热点事件在互联网中的传播过程和特点,探讨了网络用户在社会热点事件的参与中经历了怎样的心理过程。试图厘清当前环境下网络用户在社会热点事件中的参与行为特点及成因,为我国网络舆论生态治理和社会热点事件中的舆论疏导提供相关的理论和实践指导。

Approach to extracting hot topics based on network traffic content

This article presents the formal definition and description of popular topics on the Internet,analyzes the relationship between popular words and topics,and finally introduces a method that uses statistics and correlation of the popular words in traffic content and network flow characteristics as input for extracting popular topics on the Internet.Based on this,this article adapts a clustering algorithm to extract popular topics and gives formalized results.The test results show that this method has an accuracy of 16.7%in extracting popular topics on the Internet.Compared with web mining and topic detection and tracking(TDT),it can provide a more suitable data source for effective recovery of Internet public opinions.

网络热点事件中的舆情关联问题研究

热点事件舆情关联现象在网络时代普遍存在。事件通过共同主体、主题或者情绪相互联系,既包括存在于单一热点事件之中的舆情簇,也包括存在于多个热点事件之间的舆情集。研究表明网络热点事件舆情关联是由信息的"眼球经济"效应、媒体的协同过滤和议程设置以及网民的群体记忆等多种因素而促成。舆情关联会促进网民和媒体的事件认知,推动政府治理,但也会造成私人生活的公共化、网民的反向认知、情绪累加和政治冷漠等问题。政府应建立关联舆情数据库以及立体的舆情应对体系,加强媒体管理及网民引导,从而有效地对舆情关联所带来的负面影响进行防控。