群体性突发事件微博舆情演化分析

随着网络的飞速发展,网络已经成为了人们表达个人情感以及政治态度的一个非常重要的平台,而群体性突发事件微博舆情的形成以及传播更是对人们的情绪和社会的稳定产生了非常大的影响。而微博平台也就自然而然地成为了网络舆情的最重要的载体,该文针对群体性突发事件微博舆情的演化进程进行了相应的分析。     

我国突发事件网络舆情研究进展

风险社会与互联网时代叠加，致使由各类突发事件引发的网络舆情也日趋增多.为充分了解我国网络舆情研究进展，有效应对网络舆情引发的不利影响，选取CNKI数据库中突发事件网络舆情相关文献，运用CiteSpace文献分析软件对该领域文献进行主题聚类、时空分布等可视化分析.现阶段我国学界关于突发事件网络舆情的研究热点主要集中在舆情演化传播、监测预警和引导治理三大方面.在对其相关文献成果进行梳理与总结的基础上，得出已有研究需要改善的地方：突发事件网络舆情演化传播定量研究较少，突发事件网络舆情风险动态实时监测、防范控制领域研究较少，尚未构建基于现实情景的网络舆情治理体系等.提出应加强在突发事件网络舆情研究范式转变、网络舆情风险动态监测、跨学科研究视角下的舆情引导治理等方面的研究.     

基于Multiagent的突发事件网络舆情演化

针对突发事件的传播过程,采用定性与定量相结合的方法,提出了突发事件网络舆情传播的"五段六点"模式。根据贝叶斯概率原理,给出了Agent的决策规则,以网络结构的方式体现Agent之间的内在联系,建立了基于Multiagent分布的突发事件网络舆情传播模型。通过仿真分析Agent情感态的演化,验证了该模型的有效性,表明该模型能够较好地分析网络用户对突发事件网络舆情传播的演化趋势。     

针对政府的微博网络舆情传播规律与对策研究——以新浪微博为例

以新浪微博为例,提出了一种基于扩散树的网络舆情传播模型,并探索微博舆情的传播规律及其对策。依照微博的传播特征及网络舆情生成规律,给出了微博网络舆情扩散树的定义及其构建方法;根据树的数理特征,揭示了基于扩散树的微博网络舆情"孤树"和"森林"传播规律,并进行了实证分析。基于扩散树特征,从舆情信息及时感知、官微澄清事实真相、积极培育微博红客、严厉惩处微博水军、政府官员谨言慎行、事件定性定论慎重六个方面,提出了应对微博网络舆情的策略。     

复杂网络舆情传播分析

当今社会网络越发繁盛,各大社会交流网络发展迅速,本文对舆情以及舆情的传播进行了简要的分析,研究舆情的传播对社会的影响.并特别分析了网络舆情传播的特征和影响,对于这些所谓的影响我们都是能通过有效的方法来防御和避免.本章还进行了一个舆情热点事件的实例分析,统计了微博上一个关键词在一周中被提及的次数,分析在网络上舆情的传播会呈现出的怎样的波动,了解了这些特征后能更好的对舆情的传播进行控制.     

基于大数据分析的多关系社交网络舆情传播模型研究

为了真实再现舆情在多关系社交网络中的传播过程,通过对爬取的新浪微博数据进行大数据分析,从中得到社交网络中多种关系对网络舆情传播的影响,基于复杂网络理论提出了一种适用于多关系社交网络的舆情传播模型,该模型根据多种关系对舆情传播的影响界定传播模型中各状态之间的转移过程和转移概率.仿真结果表明:与传统社交网络舆情传播模型相比,该舆情传播模型可以更好地描述真实互联网环境中的舆情传播规律.     

多关系社交网络中基于兴趣匹配的网络舆情传播模型

以网络爬虫方式获取新浪微博用户属性信息及微博内容数据,利用数据挖掘技术从中发现微博用户间的多种显式和隐式关系.在此基础上,提出一种基于半监督学习的用户兴趣匹配预测算法,参照仓室模型的传播个体状态划分方法,基于传播个体间的兴趣匹配度界定各状态之间的转移过程和转移概率,进而构建基于用户兴趣匹配的网络舆情传播模型.研究结果表明,该模型能够较好地描述社交网络中的舆情传播规律,重现网络舆情在社交网络中的真实传播过程链.     

自媒体时代下大学生突发事件网络舆情引导研究——以海口经济学院为例

自媒体时代下,以微信、QQ空间、微博等为代表的自媒体平台在大学生中的迅速普及与广泛应用。本文以海口经济学院为例,调查了大学生自媒体平台使用情况及对大学生突发事件网络舆情的态度及响应方式等,分析自媒体给大学生突发事件网络舆情引导带来的挑战与机遇,并提出相应引导策略。     

RESTful Web服务和知识库协同驱动的突发事件网络舆情实时追踪

突发事件网络舆情可在第一时间反应突发事件的演变过程可为应急管理及时提供事态进展。通过分析目前突发事件网络舆情常见信息来源的种类和结构,研究了不同舆情源之间的异构性,并探讨了使用舆情源专用API和网络爬虫采集网络舆情的方法。在此基础上,协同RESTful Web服务和知识库,构建了突发事件网络舆情实时追踪平台,并针对其舆情库的构建和访问、舆情数据的实时采集以及舆情识别3个关键问题进行了研究,最终实现从互联网中自动识别并实时追踪突发事件的目标。     

网络舆情监控过程中微博文本分类处理的实现方法

分析了微博短文本的专有特征,介绍了微博短文本的预处理流程.以新浪微博为网络舆情数据获取平台,简述了微博文本分类处理实现过程,基于Hadoop进行了网络舆情微博分类设计,为网络舆情监控任务的完成做数据依据.     

基于粗糙集和集成学习的BBS网络舆情分类

BBS是网络舆情突发事件产生和传播最重要的场所之一,如何提前发现突发网络舆情是目前网络舆情研究的一个难点和热点问题,目前的研究仍处于探索阶段.利用粗糙集结合集成学习的方法建立网络舆情分类模型,能够在短时间内发现突发网络舆情,为用户和论坛管理人员及时、准确和方便地提取重要的主题信息,以便更好地对论坛进行管理.     

基于多层次灰色评价方法的突发事件网络舆情热度评价研究

突发事件由于前兆不充分,在网络E事件的影响力极易被无限放大,将严重危害社会的和谐与稳定,对突发事件网络舆情热度评价是把握突发事件发展方向的重要内容．笔者在已有突发事件网络舆情热度评价指标体系的基础上,采用定性分析和定量分析相结合的方法,建立了基于灰色评价法和层次分析法相结合的突发事件网络舆情热度评价模型,并以2009年杭州飙车案进行了实证研究．通过实证表明,灰色层次评价法科学合理,简单易行,对突发事件网络舆情热度评价具有良好的效果．     

基于时序超网络模型的突发事件网络舆情热点话题发现与演化

网络舆情安全是社会安全的重要组成部分，识别和追踪热点话题是治理突发事件网络舆情的基础。现有研究具有网络舆情事件表征不全面、对于热点话题的识别和追踪局限于语义信息等问题。该研究基于社交、内容、话题、情感4个维度构造超网络模型，并引入时间特征作为网络的连接关系，用于定量表征时序的网络舆情事件；将话题节点在超网络中的中心性及中心性变化率作为话题热度的度量指标，实现热点话题发现及演化跟踪；应用“甘肃白银马拉松”微博舆情案例对模型和指标进行验证分析。研究结果表明：该时序超网络模型能够清晰表征突发网络舆情事件，中心性及中心性变化率指标能够准确识别和跟踪热点话题，并为实时态势研判预警、舆论引导等提供指导。     

中文微博舆情分类中一种改进的特征选择方法

通过微博情感分析掌握网络舆情动态是网络数据挖掘的研究热点,特征选择是基于内容的微博舆情分类的重要环节。为有效提取微博数据的特征,分析CHI特征选择算法应用在微博舆情分类中的特点及不足,给出一种改进的特征评估函数,并进一步用基于蚁群聚类的方法消除微博特征间的冗余。实验结果表明,改进的算法能够有效提高微博舆情分类的效能。     

网络舆情信息扩散中距离的影响——以新浪微博“九寨沟地震”事件为例

为研究地理空间距离对网络舆情信息扩散的影响,以新浪微博平台全国范围内关于"九寨沟地震"事件的微博数据为支撑,采用舆情扩散特征指标提取、时间距离空间转换、幂函数模型拟合等方法,先分析网络舆情信息扩散的时空收缩现象,再分别从响应时间、响应强度、传播强度和主题分布等维度上对网络舆情信息扩散中距离的影响进行了研究.结果表明:1)距离对网络舆情信息扩散的响应时间、响应强度、传播强度存在摩擦阻抗作用,但其作用强弱受地理空间的网络基础资源、城市经济发展水平、是否有同类事件发生等因素影响,有地理依赖性;2)距离一定程度上会影响舆情主题的分布,与事件、人员关系较大的主题占比有随距离的增加而减小的趋势,而对事件的认识、情感态度类主题的占比随距离的增加而增大.结论:地理空间距离对网络舆情信息扩散有影响,但对于不同的传播特征,指标的作用存在差异.     

重大突发事件网络舆情应对及危机公关能力处理

舆情在社会舆论发展逐步趋向公平、公众、公开的环境情况下，实际上成为一种传递信息的过程，舆情事件通过使用相应的逆向途径来船体某些信息，达到了减小在传递信息过程中由于特定来源发出、通过特定途径传递而对信息产生的影响。重大突发事件突然爆发，不确定性高，涉及面广，轰动性强，具有极高的新闻价值，是网络媒体关注的焦点和舆论热点。网络是目前最直接、最快速的信息载体，对重大突发事件的传播和解决产生着重要影响。网络媒体传播、报道重大突发事件，一段不起眼的网络视频，一篇表示质疑的文章，一个未经证实的传言，都足以掀起一场舆论风暴，甚至造成严重的企业危机。     

国内网络舆情研究综述

自互联网进入中国后,国内关于网络传播的研究一直没有中断过,但对网络舆情的研究尚处起步阶段。作为一个新兴的研究领域,网络舆情研究在理论与实践的紧密结合中不断拓展和创新。为更好地了解国内网络舆情的研究现状,本文根据对＂中国期刊网＂的检索结果,选取了其中一些有代表性的文献从网络舆情的概念、形成与传播、收集与研判、监控与引导以及网络舆情危机的预警等方面进行综述。     

融合微博热点分析和LSTM模型的网络舆情预测方法

当前互联网已成为公众获取信息、表达观点的重要平台,也带来社会舆情事件易发生的风险,通过对网络舆情走势的提前预测,能够准确判断热点事件的发展态势,为政府相关部门应对舆情危机提供参考.针对单一预测模型预测精度不高和社交媒体对舆情走势影响较大的问题,提出了融合微博热点分析和长短期记忆神经网络(LSTM)的舆情预测方法.利用网络爬虫和PyTorch机器学习平台构建了用于舆情时序数据分析的网络舆情预测系统;在此系统内,考虑微博的强时效性,采用网络热点分析技术计算微博热度分值;改进LSTM网络,设计由2个隐含层组成的MH-LSTM预测模型;将MH-LSTM模型用于舆情事件百度指数的定量预测中,通过试验验证了模型的正确性,证实了该预测模型拥有较好的预测效果.     

河南省2012年重大突发事件舆情分析

河南省正处于经济快速发展的社会转型期,发展不均衡问题突出,各种矛盾不断积累和叠加,各类重大突发事件时有发生,由此引发的舆情声势不可忽视。2012年河南省重大突发事件舆情具有突然发生、快速形成、影响范围大等特点。在舆情传播过程中,新媒体重要性显著,传统媒体也不甘示弱,两者相互推动,共同推进事件进展。在突发事件的处理过程中,相关部门存在反应滞后、观念不正确、信息不公开等问题。对于重大突发事件,应该采取迅速反应并积极处理,定时公布结果,加强行业监管,建立预防机制等应对策略,及时有效的疏导舆论,平息舆情。     

应急管理舆情风险智能管控理论设计研究

应急管理舆情作为人们对于突发事件和政府履行应急管理职能的一种意见和态度,影响应急管理决策,同时也是判断应急管理工作成效的重要依据。但目前在应急管理舆情方面,尚缺乏统一的认识与整体性的顶层设计框架。从突发事件应对角度出发,设计了应急管理舆情风险的智能管控总体架构;重点阐述了舆情的信息结构、舆情风险传播规律、舆情风险态势感知和风险管控、"镜像"—"境像"心理机制建构等方面的思考,并提出了相应的关键支撑技术。