互联网金融两大突出风险引发舆情风险的防控研究——基于媒介化治理和大数据情报分析的视角

根据金融风险和舆情风险共振理论,金融风险和舆情风险往往相伴而行。防控舆情风险,可防范化解金融风险,防止金融风险扩大蔓延。在舆情风险防控中,宜以媒介化治理为手段,以大数据情报为分析工具。本文以互联网金融为例,探讨媒介化治理和大数据情报分析在防控舆情风险进而防范化解金融风险方面的应用。

基于LDA主题模型的用户特征预测研究

用户特征可以通过在线用户的点赞信息进行奇异值分解和Logistic回归有效预测,然而对新用户的特征预测却难以实现。为了解决该问题,提出了一种基于LDA主题模型的在线用户特征预测方法。首先使用LDA模型提取微博用户的点赞文本主题,然后基于主题对新用户的特征进行预测,最后与基于奇异值分解的传统方法比较预测结果。实验结果表明其F1值最高提升0.15,且计算时间平均缩短了69.09%。研究改进了点赞信息固有标签不能准确反映用户偏好的缺陷,避免了传统方法预测过程中仍需对新用户及其点赞信息重新计算的繁琐弊端,为用户特征分析提供了另一条可行途径。

一种基于用户关注行为的标签预测方法研究

为从互联网用户的关注行为中抽离出更有效的用户标签,通过挖掘用户行为的关注特性,对标签进行预测,完善用户画像系统。首先,构建用户和关注行为对象的邻接矩阵,对其进行奇异值分解,得到行为特征矩阵;然后,利用逻辑斯蒂回归模型训练特征矩阵,预测用户行业属性标签;最后,针对微博上673144条用户行为数据进行实验研究。结果表明,利用用户关注行为特征矩阵预测行业标签,15类行业标签中预测准确性的最大值可达到0.657。研究结果缓解了用户关注行为的稀疏性,并且提升了行业标签的预测效果,改善了用户关注行为不能很好反映用户重要标签的缺陷,可为互联网用户画像贴标系统提供借鉴。

新媒体大数据在智慧应急中的应用

智慧城市的建设正沿着“以人民为中心”的方向前进,对新媒体大数据中海量民情、民意信息的挖掘能够为了解人民所想、发现人民诉求、聆听人民呼声提供新的渠道,解决当前信息不畅、供需错位与反应不及时等问题,从城市感知、问题认知到精准施策为智慧城市的建设和治理提供保障。

舆情精准研判中的Chat GPT:“大数据、大模型、大计算”范式驱动的理论与应用探索

本文旨在探讨ChatGPT类大语言模型(以下简称ChatGPT)在舆情精准研判场景中的基础理论和实证应用。在理论部分,提出“大数据、大模型、大计算”全新范式驱动的舆情精准研判。深入剖析了ChatGPT的工作原理,阐述了它与传统舆情分析方法相比具备的优势和存在的局限。在对ChatGPT的特点和舆情精准研判的要义进行厘定的基础上,对舆情研判中人工智能(AI)的应用现状加以分析。随后,从学理方面探析了如何利用大语言模型进行复杂舆情的精准研判以及ChatGPT在舆情精准研判中的实际应用,分析其在文本分析、情绪识别、舆情预测和预警中扮演的角色。理论探讨的同时取用了认知科学和传播学的视角,为舆情精准分析和研判提供了一个全新的理论框架。实证部分,利用ChatGPT大模型预测热门话题和事件是否会登上热搜(以“登上热搜”作为重大舆情事件和事件舆情的重要表征),并进行了大量的实证研究。研究结果表明,ChatGPT类大语言模型具有较高的预测精度。它能在网络早期流传的信息中,洞察潜在的网络热点,提前判定可能引发社会关注的事件,从而具备预警功能。这项实证研究,有力地阐明了ChatGPT类大语言模型在实际应用中的显著效用,并与文中理论探讨相呼应,揭示了大语言模型类先进AI技术和“大数据、大模型、大计算”全新范式在舆情精准研判中的重要地位、价值和作用。

网络突发事件中社交机器人情感的交互式影响机制研究

[目的/意义]细化社交机器人对网民情感的干预机制,同时从实践上为网络突发事件舆情治理提供建议参考.[方法/过程]以仁济医院赵晓菁事件为例,利用朴素贝叶斯方法计算微博情感倾向,通过构建向量自回归模型(VAR)并进行格兰杰因果检验、脉冲响应分析以及方差分解分析,确定社交机器人、意见领袖与普通用户在事件生命周期各阶段的情感关系.[结果/结论]社交机器人、意见领袖与普通用户的情感关系随舆情阶段演进发生变化,在爆发期,社交机器人放大了意见领袖对普通用户的情感影响;在成熟期,社交机器人影响或微,普通用户的情感反作用于社交机器人与意见领袖;在衰退期,三者保持较为独立的情感关系.此外,社交机器人的影响策略具有隐匿性和间接性特征.

社交媒体自然灾害传播中的地域舆论感知差异研究:基于“四川凉山州森林火灾事件”的实证分析

传统的“数字鸿沟”研究揭示了信息技术或媒介素养差别造成的区域间信息落差。本文引入该理论的第三种学术传统,计算了区域社交媒体使用的两个指标——(1)话题响应度和(2)情感指数,从经济、教育、人口统计学、文化等多个维度对“四川凉山州森林火灾事件”中31个省市发布的250余万条微博进行大数据分析,探讨社交媒体灾害传播中的地域舆论感知规律。研究结果显示,微博平台灾害传播存在地域数字鸿沟,地域间话题响应的不均衡现象除了受到传统认知中经济、教育等因素的影响外,公众的科学素养也是造成差异的关键。同时,话题响应的差异也使得以省(市)为节点的传播网络呈现核心—边缘结构的信息流特征。本文的发现有助于拓宽社交媒体信息流研究的新视角,也深化了“数字鸿沟”在灾害传播领域的具体应用。