基于BP神经网络的舆情热度趋势仿真模型研究

网络舆情作为当代社会舆情的重要组成部分,充分反映了网络事件受到网民关注的程度。研究中,针对舆情热度的趋势变化特点,基于BP神经网络理论,在舆情事件的时间序列上,对近期典型网络事件的舆情热度趋势进行了仿真,构建了描述舆情热度趋势变化的新模型。结果表明,该模型能够较好地仿真舆情事件热度的变化趋势,为政府控制、引导舆情,以及预案制定等提供量化依据。

突发公共事件网络舆情热度生成机理研究——基于48个案例的模糊集定性比较分析(fsQCA)

[目的/意义]厘清突发事件网络舆情热度生成机理,能够防范化解重大舆情事故,对于突发公共事件网络舆情引导具有重要指导意义。[方法/过程]结合行动者网络理论,提取主体驱动、载体展现、客体影响和引体牵引四个维度7个指标作为突发公共事件网络舆情热度生成的前因条件,通过48个突发公共事件案例的模糊集定性比较分析,识别突发公共事件网络舆情热度生成动因与路径。[结果/结论]研究结果发现,主体驱动是突发公共事件网络舆情热度生成的关键条件;非常规突发事件和危害级别越高的突发事件更易激发舆情主体驱动和载体展现,相互作用推动高热度舆情生成;引体牵引作用越强则突发公共事件网络舆情低热度生成可能性越大。因此,要健全意见领袖联系和培养机制;加强与舆情载体的合作;尽快尽可能降低事件影响力;提高政府作为舆情引体的牵引能力。

基于网络舆情热度的突发事件动态分类分级研究

网络舆情热度是突发事件应对过程中的重要影响因素,针对网络舆情监测平台提供的舆情情况,构建基于网络舆情热度的突发事件动态分类分级的方法,并对其具体因素如热度分值、转折点、持续时间和舆情内容等进行分析。研究表明:经过调整后的突发事件分类分级,与突发事件的实际进展状态相匹配,从而对突发事件的实时应对提供参考。

基于BP神经网络的突发传染病舆情热度趋势预测模型研究

[目的 /意义]研究突发传染病舆情热度的发展趋势,能够为制定舆情引导策略提供参考,具有重要的理论意义。[方法 /过程]本文首先构建微博舆情热度评价指标体系,基于信息熵确定各个指标的权重,然后对求得的舆情热度趋势值进行分类,在此基础上,建立基于BP神经网络的突发传染病舆情热度趋势预测模型。以新浪微博为例,选取"MERS病毒卫生突发事件"的舆情热度数据进行实例分析,预测该突发传染病事件的发展趋势,从而验证模型的可行性。[结果/结论]实验结果表明,该模型能有效预测突发传染病舆情热度趋势,进而为舆情管控提供决策支持。

基于农业网络信息分类的热词自动提取方法

热词提取对于监控和分析农业舆情具有重要意义,目前已有一定研究基础,但仍存在针对性差等问题,无法满足农业领域不同产业用户群的个性化需求,为此,提出一种基于农业网络信息分类的热词自动提取方法。首先采用多标记分类算法对文本语料进行分类,按分类类别构建语料库,然后采用基于信息熵的方法对每个类别分别提取热词候选词,最后采用基于时间变化的方法进行候选词热度计算,根据候选词热度排序结果得到热词。本文抽取农业网站上的15 354条文本进行实验,结果表明,热词提取准确率达到0.9以上,能够较高质量地提取农业热词,为不同农业用户群体发现和分析产业热点提供帮助。

基于ETM模型的中亚国家“一带一路”网络舆情热点检测

[目的/意义]及时准确地检测中亚国家“一带一路”网络舆情热点,对于推进“一带一路”建设具有积极意义。[方法/过程]首先利用ETM(Embedded Topic Model)模型对文档建模得到候选热点主题;然后借助YAKE关键词抽取算法综合考虑候选热点主题的一致性、独立性和媒体关注度,确定热点主题;最后抽取每一主题的代表性文档以增强热点主题的可理解性。[结果/结论]在构建的中亚国家“一带一路”网络舆情数据集上的实验表明,该方法取得了较好效果。

基于双链量子遗传投影寻踪模型的自媒体网络舆情热度与应对等级研究

[目的/意义]随着信息技术的进步、移动互联网的发展以及智能手机的普及,自媒体舆情迅速取代传统媒体舆情成为社会舆论场上的主导力量,对社会稳定具有重要的作用。[方法/过程]基于此,该文首先界定了自媒体网络舆情热度的概念,剖析了其影响维度,并总结了其特点;在此基础上,构建了3级12个指标的自媒体网络舆情热度等级的评价体系,采用双链量子遗传投影寻踪模型以“江歌刘鑫事件”为例进行了实证研究。[结果/结论]研究结果表明,自媒体网络舆情热度受关键因素的影响,能够采用应对等级对热度进行有效分级,这将为自媒体网络舆情的引导、预警和治理工作提供理论依据。

基于EEMD-NAR的突发传染病舆情热度预测研究

为了准确地预测舆情发展趋势,选取百度指数作为热度值构成原始时间序列,采用集成经验模态分解(EEMD)对原始时间序列进行离散分解,运用NAR神经网络对各部分进行预测建模并合成,得到热度预测结果。最后,通过对比分析组合模型和单一模型预测结果的精度,说明组合模型热度预测的准确性、有效性。试验结果表明,EEMD-NAR神经网络组合模型可以较好地解决非线性单一序列的预测问题,提高了NAR神经网络模型舆情热度预测的精度,能够为相关部门预测舆情热度的发展趋势提供参考。

基于熵值的网络论坛热点话题发现

针对网络论坛热点话题的识别、发现和舆情监测问题,提出一种基于热度熵值的热点话题发现方法。通过网络爬虫抓取网络论坛中的数据,在对数据进行预处理和分析热点话题属性特征的基础上,合理定义各属性的权重和话题的热度熵值,并以此对话题的热点信息进行分析、统计与评估,从而发现和追踪网络论坛中的热点话题。同时,对话题的热度进行细致划分和各种类型的定义,采用不同阈值策略计算不同类型的热度信息标注的准确率。实验结果表明,该方法合理、有效,相比于传统的话题语义分析方法具有较高的准确率,可作为互联网论坛舆情监测的依据。

重大疫情应对中网络舆情引导机制研究——基于耗散结构的网络信息治理视角

重大疫情的应对本质上是对政府现代治理水平和治理能力的综合考验,网络舆情引导则是其中重要一环。在重大疫情应对中出现的网络舆情危机暴露了网络信息治理中的一些问题,传统单一、局部、末端的网络信息治理策略已经无法解决这些问题,因此,必须从方法论的角度创新网络信息治理模式,而耗散结构的网络信息治理为重大疫情中的网络舆情引导机制建设提供了一个全新的视角,它不仅关注宏观的网络舆论生态治理,而且关注微观、具体的网络信息治理策略,从而为重大疫情应对中的网络舆情引导机制建设提供方法论指引。

基于小波神经网络的话题热度预测模型研究

网络舆情发展迅速,有效地实现话题的热度预测对网络舆情监管和正确引导具有重要意义。为了实现对话题热度的预测,并提高预测的精度,本文提出基于小波神经网络的话题热度预测模型。首先经过预处理分析发现热点话题,然后选取具有热度表征能力的指标量化话题热度,构建出话题热度指标的时间序列模型,最后提出基于小波神经网络模型的话题热度预测方法,预测出下一时间段的话题热度值。实验结果显示,与BP神经网络预测模型相比,本文提出的小波神经网络预测模型无论从预测曲线的拟合度还是绝对误差标准差的数值上都具有更高的预测精度及稳定性。

基于改进BP神经网络的事故灾难类舆情热度评价研究

通过建立舆情热度评价指标体系,采用遗传算法对BP神经网络的权值与阈值进行了优化,建立了基于遗传算法改进的BP神经网络事故灾难类舆情热度评价模型,并以Python程序爬取的微博数据和第三方平台数据作为数据来源,使用MATLAB进行了建模仿真,输出结果表明,构建的评价模型有更高的拟合度和更低的误差值,可为监管部门掌握舆情热度和引导舆情进程提供依据,并为制定舆情应对策略提供参考。

涉警负面网络舆情的热度影响因素——基于28个案例的模糊集定性比较分析

研究涉警负面网络舆情热度生成路径,对有效调控涉警舆情具有重要意义。基于28个涉警负面舆情典型案例,运用定性比较分析方法探究涉警负面舆情参与主体——公安机关、媒体、网民相互作用组态状况,发现涉警负面网络舆情热度生成有3类4条路径,涉警负面网络舆情热度消散有3类7条路径。在作用过程中,周旋主体的“权威媒体”影响强于“网络媒体”;公安机关首次舆情“响应深度”的影响强于首次舆情“响应速度”。在涉警负面舆情调控过程中,生产主体需重视与普通网民的情感沟通,协同外部意见领袖、培育自我意见领袖;调控主体层面应加强公安机关短时间内的全面客观的舆情响应;周旋主体层面应加强与权威媒体的协调合作、构建与网络媒体的联络互动机制,把握媒体舆论场。

网络舆情推文的热度测度模型构建

[目的/意义]数据获取是网络舆情研究的第一个阶段,在大量数据面前,构建网络舆情推文热度测度模型能够快速筛选出能为网络舆情研究所用的数据。[方法/过程]借鉴信息论中平均自信息量的定义,使用层次分析法与Haker News排名算法构建网络舆情热度测度模型。[结果/结论]通过在微博抓取数据,计算得出针对该数据集的热度阈值,验证该热度测度模型的准确度。事实证明,网络舆情推文热度测度模型能够很好地完成推文热度的计算,并且能够达到较高的计算准确率。

基于LDA主题模型的网络舆情研究

基于天涯杂谈2015年全年帖子,对其标题进行文本挖掘,通过LDA主题模型分类,计算主题比率.再通过对帖子的点击量,回复量,回复点击比,持续热度各前100的帖子进行词频统计,得到上述4个指标的TOP100热帖.进一步,对比分析了TOP100热帖的主题比率与全部帖子的主题比率.文章的研究结果可以捕捉到2015年天涯网友的热点关注方向,结合情感分析技术,研究结果清晰地勾勒出天涯杂谈版块的网络舆情方向和网民态度.