基于偏差规则马尔可夫模型的网络舆情情感预测研究

针对微博短文本评论,基于情感分析技术,从情感类转移等角度实现对网络舆情演变趋势的预测。本文以突发事件“新冠肺炎疫情”初期的相关微博评论文本作为研究对象,基于扩展关联规则Apriori算法和马尔可夫链提出一种新的方法,即偏差规则马尔可夫模型(the deviation rules Markov model,DRMM)。该模型分析了网民情感类间的相关性和转移性,通过计算不同的情感类转移概率、构建时变的情感状态转移矩阵对疫情初期网民情感状态的变化趋势进行预测。实验采取平均绝对误差(mean absolute error,MAE)和均方根误差(root mean squared error,RMSE)来衡量模型预测值与真实值之间的误差。研究结果表明,该模型具有较好的有效性和准确性,预测值和真实值的拟合效果在预期范围之内。

基于迁移学习的企业网络舆情危机预警研究

针对传统企业网络舆情危机预警方法存在预警准确性较低的问题,提出基于迁移学习的企业网络舆情危机预警方法。利用智能元搜索技术对企业网络舆情信息进行分类,通过迁移学习分析网络舆情负面信息数据,提取网络舆情危机特征,识别网络舆情危机,并确定预警等级,实现危机预警。实验结果表明,该方法的预警性能最好,优于对照组。

基于舆情大数据的网民关注度转移模型研究

[目的/意义]基于舆情大数据研究网民关注度转移模型,能够深入解读大数据环境下网络舆情事件的竞争效应,可以为网络舆情治理提供参考依据。[方法 /过程]定性分析大数据环境下网络舆情事件竞争效应以及网民关注度转移机理,基于微分方程组构建网民关注度转移模型,通过研究模型特性和数值仿真,理解两个舆情事件之间网民关注度转移的定量关系以及未来趋势,并给出估计模型参数的方法。[结论/结果]经过理论建模和实证分析得出本文构建的网民关注度转移模型是可行的,尤其是可以通过舆情数据分析确定多个舆情事件的竞争结果以及网民关注度转移的关键节点,为进一步研究网民关注度转移趋势预测问题提供模型基础。

地方政府重大舆情危机迁移探究——基于2003年—2015年地方重大舆情危机事件

以我国2003年—2015年130起热度较高的地方政府重大舆情危机事件为样本,研究发现,2003年以来,我国地方重大舆情呈现出阶段性差异,经历了舆情类型、发生地域、首曝媒介、曝光路径、传播环境等的迁移。建议有关政府部门应加大信息公开力度,积极支持公众舆论监督;加强重点地域和媒介信息监测;力促传统媒体转型,强化新兴主流媒体建设;防范网络谣言危机,抑制网络动员负向效应。

传统报业的价值回归与现实判断——基于价值论的分析视角

在数字化冲击下,报纸的价值正发生转移。当我们认定数字报将成为未来报业市场的生存景观时,必须质问:纸质媒体在数字化时代何去何从?它将以何种生存形态找到自己的核心价值点来延续生命力?在数字化的一路高歌中,有必要对纸质媒体的未来生存找到新的理论阐释。本文从价值论的角度分析了传统报纸(纸质媒体)核心价值回归是使其成为舆论性媒介的精英报,同时对其现实营运进行了简单推论,以期对报业正在进行的数字化变革提供指导与借鉴。

融合用户相似性的Hegselmann-Krause模型研究

随着微博平台的飞速发展,数以亿级的博文信息容易造成网络舆情,故基于微博网络的观点演化模型的研究逐渐成为了研究热点.经典舆情演化模型Hegselmann-Krause(HK)在观点演化时,仅考虑了邻居节点对自身节点的影响,而忽视了非邻居节点所带来的影响.因此本文提出了一种基于用户推荐的HK(URHK)模型,该模型不仅考虑了非邻居节点的影响,同时可以展示用户对某一话题的观点或态度,也改进了经典HK模型权重设置中所存在的缺陷.最后该模型在微博真实数据集上进行实验测试,实验结果表明URHK模型的正确率达80.4%,相比经典的HK模型有较大的提升,因此URHK模型在微博网络信息传播研究中具有良好的表现.

微博意见领袖场域下突发公共事件治理的政府失灵研究

在当代中国社会转型期,突发公共事件及其网络舆情频发,微博意见领袖地位与作用日隆。毋庸讳言,微博意见领袖群体崛起与政府治理失灵不无关系,与其说是网络技术进步造就了微博意见领袖,彰显了其作用,不如说是政府失灵成就的结果。但是,我们还应该看到,微博意见领袖的崛起给予政府突发公共事件应急管理带来的不仅是挑战,而且更多的是机遇。众多突发公共事件的实际演进过程表明,微博意见领袖与政府在突发公共事件治理中的交互作用,是制约政府能否妥善处置事件的关键。微博意见领袖正逐渐成长为治理政府失灵的重要力量。

校园舆情热点问题提取与分析

为从高校各种网络平台上的海量言论中提取和分析校园舆情热点问题,使用爬虫获取高校贴吧文本,对获得的文本数据进行分词、清洗;然后使用tensorflow hub中的神经网络语言模型(NNLM)进行迁移训练得到文本向量,对文本向量使用基于划分的K-means聚类,得到多个文本簇团;对簇团使用词频—逆文档频率算法(TF-IDF),得到每个簇团的关键信息并进行人工分析。实验结果表明,贴吧上的热点问题主要是考研类和入学类话题。根据分析得出的话题可为高校管理决策提供依据。

基于系统动力学的互联网舆情传递及引导策略研究

通过互联网舆情传递"迁移"、"转化"两个过程分解,探究舆情Group间舆情迁移概率和舆情传播起点对舆情传递过程的影响。使用系统动力学方法,仿真互联网舆情传递的"迁移"及"转化"阶段,更加深刻的解析互联网舆情传递规律。通过仿真发现,随着舆情迁移概率的增大,并不能达到"实现舆情均衡状态所使用时间不断缩短"的预期状态,相反当舆情迁移概率超过某一值后,有可能导致舆情传递过程的失败。本研究从仿真角度找出了舆情迁移概率、舆情传递起点对舆情扩散过程的影响,以期为互联网舆情控制提供理论指导。

个体视角下的网络舆情传递链路预测分析

【目的】通过网络舆情传播中网民个体的"从众效应"和"阈值效应"的传递特点分析,对舆情传递的链路结构进行预测。【方法】采集真实网络舆情传递在线数据,利用舆情传递个体的节点属性及舆情传递网络结构的已知信息,使用链路预测方法,分别针对网络舆情无标度(BA)网络模拟数据和真实舆情传递网络数据,预测已有节点间即将产生的舆情传递连接。【结果】通过网络数据仿真和BBS真实数据链路预测分析发现,在众多的链路预测相似性指标中,局部路径指标(LP)算法得出的链路预测结论正确率最高,说明LP算法适合此类舆情传递网络的链路预测分析。【局限】仅限于对已有链路预测相似性指标的应用,没有对传统链路预测相似性指标进行相应的改进。【结论】从数据角度提供一个有效的预测舆情发展趋势的分析方法,以期为网络舆情控制提供相关理论支持。

多话题竞争情境下网民关注度转移预测模型研究

【目的/意义】对网民的关注度转移行为进行分析预测,揭示影响网民关注度的关键因素,描述舆情事件之间的竞争机理,以提升政府及企业的舆情应对能力。【方法/过程】以微博为数据源,从用户、时间、话题类别、竞争传播特性等方面选取13个特征,构建基于随机森林算法的网民关注度转移行为预测模型,利用84168条原始微博数据进行实证分析。【结果/结论】预测模型的准确率达到84.5%,能较好地预测微博用户关注度转移行为。对各项特征的重要性和影响力倾向分析发现,在微博用户关注度转移行为中用户特征最为重要,其次是时间特征和竞争程度特征,话题类别特征重要性最低。

基于改进SIR模型的微博网络舆情传播研究

【目的/意义】解析了微博舆情话题的传播、微博网络拓扑结构特点、微博网络中的信息传播特点,发掘舆情传播过程的影响因素,继而对在微博网络上发生的舆情扩散进行有效的控制。【方法/过程】在传染病动力学的SIR模型的基础上,提出了有部分无知者直接变为免疫者以及具有衍生效应的SIR改进模型。结合微博网络拓扑结构进行了有向无标度网络的设计,并利用微博网络的信息互动模式对感染率以及转化率进行了改进,最后对此模型进行简单的因素分析。【方法/过程】构建的微博网络舆情传播模型的变化符合实际生活中微博网络舆情的传播变化,并分析了各个影响微博网络舆情传播的因素。

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.

基于视觉的网络舆情事件中网民情感分析研究

[目的/意义]当前网络舆情事件中网民情感分析研究多聚焦于文本、文本结合图片和视频等内容,缺乏针对图片的探讨。同时,视觉情感分析中多视觉语义特征融合缺乏相应的理论指导。[方法/过程]文章借鉴多模态融合思想,以此作为多视觉语义特征融合的理论指导,按照特征层融合、中间层融合、决策层融合和混合融合策略,以在ImageNet数据集中预训练的VGG19模型和Xception模型为基础,设计对应的网络舆情视觉情感分析模型。[结果/结论]文章将提出的模型在网络舆情图片数据集中展开实证研究,并同基线模型做对比。实验结果表明我们提出的基于决策层融合的网络舆情视觉情感分析模型表现最佳。为增强模型的可解释性,本文对网络舆情视觉情感分析模型中卷积层的输出进行了可视化分析。