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。

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。

微博消息传播中意见领袖影响力建模研究

在微博网络中,消息的传播与意见领袖的影响力密切相关.然而,意见领袖在消息动态传播过程中所表现出的影响力难以量化衡量,这对意见领袖影响力的评估和消息传播趋势的预测带来了巨大挑战.针对这一问题,提出一种基于消息传播的微博意见领袖影响力建模与测量分析方法.在分析消息传播模式的基础上,采用动态有向图描述消息在微博网络中的传播过程;发现该过程可近似分解为由各个意见领袖所驱动的子过程,根据对意见领袖影响力属性特征的分析发现,该子过程可以由指数截断的幂律衰减函数来描述.对模型中各个参数进行估计,可以定量地衡量意见领袖在消息传播过程中的初始影响力、影响力衰减指数及其影响力持续时间等指标.结合新浪微博数据的分析结果显示:消息的传播范围与传播过程中参与传播的意见领袖的数量呈弱相关;虽然意见领袖的初始影响力与其粉丝数量的大小正相关,但影响力衰减指数的大小以及影响力持续时间的长短与粉丝数量几乎无关.最后,采用所建模型对真实微博消息的传播趋势进行预测,结果表明,所提模型能够较好地对热门消息的传播趋势进行预测,这对微博中公众舆论的控制及广告定点投放具有重要意义.

基于ELM模型的微博舆情传播影响因素研究——以新浪微博为例

本文以新浪微博为研究平台，以打砸日系车突发公共事件为研究实例，基于ELM模型提出了信息内容（内容的创作类型、内容的表达方式、内容的拓展线索）和信源特征（信源引证标识与信源补充线索）对微博舆情传播影响的相关假设，并构建回归模型加以验证。实证结果表明：博文内容的创作方式、信源的补充线索对舆情传播效果存在影响，在转发模型中情感型博文的传播效果好于事实型和调侃型博文；而内容拓展线索和信源引证标识会对微博舆情传播效果起负面作用。研究结果可以直观的从信息内容和信源特征视角认识微博舆情传播影响要素，并为突发公共事件的预警和舆论引导提供借鉴与参考。

面向中文微博的观点句识别研究

中文微博包含了用户对热点话题的观点，对其进行观点挖掘可以实现突发事件预警、舆情监控等。目前，微博研究多数基于英文语料，中文微博观点句的挖掘大多混淆在情感挖掘中少量提及，由于中文微博特殊的语体特征，导致传统中文文本观点挖掘模型无法取得理想效果。区别于已有的情感挖掘工作，本文依据中文微博的语体特征分析结果选取特征，除了选取情感特征外，还加入主张性动词、语气词、程度副词以及固定词性结构等观点句特征，采用CRFs模型进行观点句识别研究。实验结果表明，仅选取情感特征准确率较高，但召回率仅为32.1％。而加入其他观点句特征后，召回率显著提高到61.8％。该方法应用于2012年中国计算机学会（CCF）组织的“观点句识别”测评任务中，取得了很好的效果。

基于超网络理论的微博舆情关键节点挖掘

为了更好地挖掘微博舆情中的关键节点,对其进行因人而异的思想引领,打造微博晴朗空间,本研究以超网络为理论基础,对微博舆情传播中的各子网进行建模,应用神经网络、LDA、Python仿真分析方法,挖掘微博舆情中的关键节点,并对关键节点的特征和情感进行分析与讨论。挖掘出微博舆情传播中的六类关键节点,分别是活跃人物、焦点人物、意见领袖、传播人物、潜在活跃人物、潜在传播人物。

中国微博意见领袖:特征、类型与发展趋势

微博是一个以建立用户关系为核心的信息传播与分享的网络平台,因其即时、交互、便捷和信息海量等特点深受广大网民的喜爱。伴随微博用户数量的不断增长,具有一定影响力和活跃度的微博意见领袖出现多种类型,对网络舆情的引导和网络舆论的形成起到至关重要的作用。随着Web 3.0时代的来临,微博意见领袖呈现出影响力强大、与受众互动迅速、信息传播庞杂等新特征。微博意见领袖在未来将开辟网络问政的新路径,成为网络动员的推动力量,并出现多元化、泛众化、年轻化等发展趋势。

微博意见领袖影响力与其构成要素间的关系

互联网技术的进步使社会话语权重新分布,微博意见领袖的形成是个人信息源、知识水平、社会地位、个人价值观、社会责任感等多种因素共同作用的结果。大多数网友利益、价值与诉求需要通过意见领袖的影响力实现。作为微博意见领袖,媒体人、公共知识分子、政府官员在强化议程设置的权力、凭借知识优势促进公共问题的解决、成为沟通政府与民众之间的桥梁等方面各具优势。微博意见领袖在公共舆论事件发生和发展的不同阶段发挥着不同的影响力。在微博影响力形成的过程中,粉丝数、转发评论数与微博影响力呈显著性正相关;而微博数和原创率两个指标与微博影响力成一般性正相关关系。

基于知识图谱的微博主题演变路径研究

为了更好地对微博舆情传播进行实时监管,维护微博舆情的良性运转,打造晴朗的微博舆情网络空间,文章结合微博运行机制,通过爬取微博数据,应用知识图谱的理论与方法,构建微博主题识别知识图谱以及微博主题演变知识图谱,进而发现微博主题演变路径,揭示了微博舆情传播中的主题演变情况以及发生演变的动态变化过程。

基于关键词抽取的微博舆情事件内容聚合

微博舆情事件会带来严重后果,而碎片化和无序化使得难以从海量的微博内容中全面地认知微博舆情事件的全貌。从微博舆情事件内容聚合出其主要内容具有重要实践价值和研究价值。基于关键词抽取技术KEA提出了一种微博舆情事件内容聚合方法。根据对微博内容篇幅、规范性和网络性的分析,增加中心度特征、词性特征和改进词位置特征,并以朴素贝叶斯分类器抽取关键词集作为聚合输出。最后通过现实微博平台上的内容聚合实验证明本研究所提方法相对基线方法在准确率和召回率上的优势。

基于微博舆情数据的震后有感范围提取研究

提出了基于微博舆情信息的震后有感范围快速判定技术框架,构建了微博舆情数据的获取方法和技术流程。根据中国地震烈度表和地震现场工作调查规范,将微博特征词与地震灾情速判指标进行关联匹配,建立微博灾情信息分类指标体系,通过自然邻点空间插值方法将离散分布的微博灾情点转化为连续分布的灾情面,形成震后灾区有感范围的时空变化特征分布图,辅助灾情快速判定。以2014年景谷6.6级地震为例,进行探索和实践。结果表明:在震后1~2 h内,微博用户活跃度高,信息量大且丰富,对信息充分挖掘有助于对灾情的宏观把握,对救灾决策部署有一定的参考意义,弥补了传统获取技术时效性差、数据量少、覆盖面小等问题。

微博意见领袖影响力评价指标体系研究——基于媒介影响力视角

基于媒介影响力形成的接触、接受、保持和提升4个环节,构建了以广度因子、深度因子、强度因子和效度因子为主要维度的微博意见领袖影响力评价指标体系。运用层次分析法,在专家群体决策的基础上赋予了各评价指标的权重。从微博中选取了10位意见领袖作为样本进行实证分析,研究发现粉丝规模、微博接受深度、线下知名度和二次传播力度是扩大影响力的关键。

突发自然灾害事件微博舆情蔓延规律与控制研究

突发自然灾害事件导致的微博舆情蔓延迅速,影响巨大。建立了微博舆情蔓延SIR模型,以2013年4月20日四川省雅安地震这一自然灾害事件在新浪微博上的舆情蔓延为例,采用MATLAB仿真,对微博舆情蔓延规律进行实证研究。开创性地同时从情报学和传染病学的角度来研究突发自然灾害事件微博舆情蔓延特征:从微博舆情蔓延的速度、广度、深度来分析微博舆情蔓延的离散分布、小世界、最小努力性的情报学特征;从"病原体"、传染性、免疫性来分析微博舆情蔓延的传染病学特征。结合这两方面的特征,从微博舆情的"传染源"、"传播途径"、"易感人群"的角度提出微博舆情蔓延控制措施,为突发自然灾害事件微博舆情应急管理提供理论和实践支持。

利益相关者视角下的微博舆情监测指标体系研究

微博舆情不同与其他舆情传播,传播过程参与的利益相关者众多,随着舆情发展阶段的变化,利益相关者也发生动态变化。本文从利益相关者的视角出发,结合信息空间模型分析微博舆情传播的过程,构建微博舆情监测指标。

突发公共事件舆情传播特征与规律研究——以新浪微博和新浪新闻平台为例

以打砸日系车系列突发公共事件为研究实例,以新浪网为研究平台,将新浪微博与新浪新闻舆情信息作为研究对象,对突发公共事件舆情在微博与网络新闻平台中的传播特征进行分析和描述,并从信息发布量、信息来源和信息内容三个方面对于突发事件初期的微博和新闻舆情传播规律进行比较和总结,以期直观认识以微博和网络新闻为代表的社会化媒体和传统网络新闻媒体的舆情传播特点和规律,并为突发公共事件的预警和舆论引导提供借鉴与参考。

议程设置理论视域下热点事件网民舆论“反转”现象研究——基于“成都女司机变道遭殴打”事件的内容分析

微博的出现打破了传统媒介信息垄断及议程设置的强势地位,但网络媒体对受众议程的影响仍然不容小觑。网络媒体在尚未全面了解热点事件的情况下,一味追求"抢发头条""独家新闻""眼球资源"等,使"舆论反转剧"在网络上日趋频现,不仅易引发网络暴力,更不利于社会和谐和国家稳定。本文以"成都女司机被打"事件为例,采用内容分析法探究微博平台上媒体议程设置与网民舆论反转之间的关系。研究证明,网络媒体的无意识议程设置(议题驱动、媒体自净)、有意识议程设置(话语竞争、框架预设、媒介共鸣)及网民议程设置(舆论领袖、网络暴力)等是引发网民舆论反转的关键因素。基于热点事件网民舆论反转现象的研究对主流媒体引导网络舆论具有启示意义。

MICA:一个面向微博数据流的观点挖掘原型系统

微博客是一种新的信息载体和传播途径,比传统的博客、论坛等载体具有更多新的特点,实时性(随时发布、更新)和多模态性(包含文字、图像、视频等)是其中的2个主要特点.设计并实现了一个面向微博数据流的、集即时下载各模态信息和分析观点倾向于一体的观点挖掘原型系统MICA(microblog item crawling and analyzing),设计并使用WeiBoAPI(微博编程集成应用接口)从腾讯、新浪等网站实时抓取微博数据,针对其中文本内容进行情感倾向性分析,针对其中的图像数据进行特征抽取,并为进一步的多模态观点挖掘打下基础.

基于灰色关联分析的网络舆情意见领袖识别及影响力排序研究——以新浪微博“8·12滨海爆炸事件”为例

[目的/意义]突发事件中网络舆情意见领袖扮演着传播、引导、推动舆论发展等重要作用,有效识别意见领袖对实现网络舆情监测和预警具有重要意义。[方法/过程]结合网络舆情在微博平台的传播特征,从影响力、活跃度和认同度3个维度出发,构建微博意见领袖指标体系,应用一种改进的模糊—层次分析法确定指标要素权重,并通过灰色关联分析法构建一种意见领袖识别模型及影响力排序方法。[结果/结论]提供了一种意见领袖识别模型,可以科学有效地对网络舆情事件的意见领袖进行识别和影响力分析。[局限]指标量化维度和隐性指标数据存在一定的可扩展性。

公共安全事件中政务微博网络舆情传播规律研究:——基于“上海发布”的实证

以"上海发布"关于黄浦江松江段水域大量漂浮死猪事件发布的政务微博为研究对象,采用内容分析法对网民评论内容,从评论的地区来源、时间、网民的态度、舆论指向、关注议题及互动类型六个方面进行了实证分析。研究分析了在公共安全突发事件中,网络舆情的传播与扩散规律,丰富了特定类型事件中网络舆情传播的规律研究。