通过信息技术提高高校网络舆情引导能力

将传统舆情管理工作模式与现代信息技术紧密结合,应用信息化技术加强高校网络舆情引导,为开辟高校网络舆情管理工作新领域,维护校园和谐稳定奠定基础.     

高校青年网络舆情引导策略研究

在网络强势背景下,网络舆情问题已经成为高校思政工作者必须要面对的问题。本文对高校青年网络舆情的产生的条件以及特征进行了分析,并提出了引导青年进行网络舆情行为的策略。     

高校校园网络舆情及预警机制研究

针对高校校园网络舆情的内容、特点及存在的问题，提出高校校园网络舆情分析预警机制，构建网络舆情研判预警系统，促进高校大学生群体网络舆情的研判预警制度的建立与应用．为推动和谐校园的建设提供有效支持。     

浅析高校网络舆情的成因与管理

目前,互联网成为舆论的＂主流媒介＂。网络在给高校大学生思想政治教育工作者带来便利的同时,由于其传播的快速性、受众的广泛性与积聚性、影响的互动性等特征,也给高校思想政治教育工作带来了挑战。网络舆情是高校思想政治教育的新领域、新载体,产生舆情的因素有多种,既有大学生自身的因素,也有高校及社会的因素。要加强网络舆情的管理,完善网络舆情的预警机制,充分发挥网络舆情的积极作用。     

高校网络舆情引导在校园文化活动宣传中的应用分析

针对高校网络舆情引导的研究工作正从单纯的、被动的理论分析逐步发展到复合的、主动的实践应用。这一点突出地体现为,具体到高校的日常运作中,在诸多方面我们已愈来愈多地发现高校网络舆情引导的应用痕迹。其中,与校园危机公关等较为明显的网络舆情引导不同,校园文化活动宣传上的高校网络舆情引导更具渗透性和隐匿性。     

网络舆情危机的预警方法概述

论述了网络舆情监控的重要性,并据此总结了目前研究较多的网络舆情危机预警方法,包括基于情感倾向性分析技术的预警、基于网络舆情晴雨表的预警、基于指标的预警体系、基于Web数据挖掘的预警、基于模糊推理的网络舆情预警方法等。认为基于计算机网络技术和文本分析处理技术的互联网舆情监控系统将会越来越多引起人们的关注。     

基于智能分析的高校网络舆情信息系统研究

针对新媒体和互联网海量信息的出现,本文深入研究了舆情信息智能分析技术,提出了高校网络舆情信息系统的构建方案,以提高高校网络舆情信息的快速获取和准确分析的能力。     

高校救园网络舆情分析与研判机制研究

本文分别从高校网络舆情的内涵、特点及研究现状等方面对高校校园网络舆情做了详细深入地分析，并针对高校网络舆情研究存在的问题提出了建立网络舆情分析与研判机制的建设性意见。     

新媒体时代高校网络舆情的干预机制研究

新媒体时代,社会舆论通过新媒体渠道向校园渗透,高校网络舆论环境进一步社会化,给高校网络舆情管控与大学生思想政治教育工作带来了新的挑战。高校学生思政政治工作者,要想引导舆论、预防校园危机事件,就必须全面了解高校网络舆情干预机制的研究意义和主要特征,摸清网络舆情的发展规律和特点,建立科学合理的网络舆情干预机制,从而促进高校的和谐稳定发展。     

自媒体时代高校共青团网络舆情应对策略

自媒体时代,高校网络舆情主体的自主化和隐匿性突显,客体内容的敏感性和复杂性增强,载体的多元化和传播过程的即时互动性显著,成为高校共青团网络舆情应对的重要影响因素。高校共青团作为高校网络舆情应对的主力军,面临诸多困境。利用大数据技术提升网络舆情研判能力,以网络思想政治教育为抓手提升网络舆情引导能力,构建舆情应对指标体系提升网络舆情应对能力,成为高校共青团网络舆情应对的策略选择。     

基于LDA的中国少数民族网络舆情监测系统的探究

随着民族地区信息化建设的不断推进,中国少数民族语言网络舆情研究也逐渐引起了大家的关注,文本分类和情感分析模块是舆情系统的重要组成部分。传统的文本分类方法主要通过统计字面上的词语重复次数,而对于文字背后的语义关联考虑甚少。该文重点介绍了一种基于LDA模型在少数民族语言（以彝文为例）网络舆情信息情感分析方面的应用,对文字隐含的主题进行建模,通过挖掘少数民族网页上的舆情信息所蕴含的主题,以及对这些主题进行情感分析,在事件全面爆发之前,采取应急措施。     

自媒体背景下高校舆论安全:挑战与构建

自媒体的蓬勃发展,使得高校的宣传工作面临着机遇和挑战。以自媒体为平台,公众,特别是大学生对获取舆论信息有了更加便捷的条件,同时获取的信息也更加多元。文章旨在探讨自媒体背景下,高校实现正面舆论建构的途径。文章认为,建构校园舆论需要转变传统的舆论引导观念,及时把关,化育涉及高校话题的意见领袖以及加强对高校学生的媒介素养教育。     

面向网络舆情的文本知识发现算法对比研究

针对网络舆情分析领域,研究了系统聚类、String Kernels、K最近邻算法(K-nearest neighbor,KNN)、SVM(support vector machine)算法以及主题模型5种聚类算法。以网络舆情数据为对象集,以R语言环境为实验工具,比较了这5种算法的优势与劣势,同时进行了仿真实验。实验结果表明,主题模型相对于其他算法在文本聚类方面具有更好的适用性,其中,主题模型中的CTM(correlated topic model)方法更适合于类别关系的探索与发现,而Gibbs抽样方法则在文本聚类上的表现优于CTM方法。     

基于层次分析的长短记忆网络(AHP-LSTM)的食品安全网络舆情预警模型

随着互联网技术的迅猛发展,网络已成为社会舆情的重要阵地,而网络舆情是食品风险预警的一个方向。传统舆情预警模型在指标体系的基础上结合反向传播神经网络（back propagation neural network,BP）等神经网络模型进行分析,存在运行不稳定、预测精度不高等问题。为了解决这些问题,采用具有较高预测精度的长短记忆（long short-term memory,LSTM）网络算法,在网络事件指标体系的基础上引入层次分析法（analytic hierarchy process,AHP）并融合食品安全事件指标数据,将融合结果作为LSTM的期望输出,以建立更为稳定、精度更高的风险预警模型AHP-LSTM。实验结果表明,与传统模型相比,AHP-LSTM对于事件指标数据具有较强的处理能力和较高的预警精度。因此构建基于AHP-LSTM的食品安全事件预警方法,可为相关部门有效防范和管理食品安全网络事件提供一定的理论依据和数据支撑。     

基于LDA的文本聚类在网络舆情分析中的应用研究

针对传统的基于词语的文本聚类算法忽略了文本中可能具有的隐含信息的问题,提出了一种基于LDA(latent dirichlet allocation)主题模型的文本聚类算法。该方法利用TF-IDF算法和LDA主题模型分别计算文本的相似度,通过耗费函数确定文本相似度的融合系数并进行线性结合来获取文本之间的相似度,同时使用F-measure值来对聚类结果进行评估。在构建LDA主题模型时,采用Gibbs抽样来进行参数估计,通过贝叶斯统计的标准方法进行最优主题数的确定。从仿真实验的聚类结果的准确性和稳定性来看,该方法相比传统的文本聚类算法具有更良好的效果。     

高校公共突发事件智能预警系统的设计

深入研究了智能决策支持系统在高校公共突发事件预警中的应用,利用高校公共突发事件已有数据建立决策支持知识库,建立并完善了高校公共突发事件智能决策支持系统功能模型,给出了高校公共突发事件智能决策支持算法,设计了基于决策支持的高校公共突发事件智能预警系统,可对高校公共突发事件进行预警,以避免或减轻次生、衍生危害的发生。     

DeepOpinion:一种网络舆情深度分析与引导系统

在广泛调研以往互联网舆情系统存在的一些问题和不足的基础之上,研发了一套互联网舆情深度分析与引导系统DeepOpinion。该系统从用户、主题、情感三个方面对互联网舆情进行分析,并通过信息检索和内容定制技术对所关注的网络舆情进行适当引导。以天涯杂谈板块为网络舆情来源、以“辱母杀人案”事件为具体案例对系统功能进行了验证,结果表明DeepOpinion系统在互联网舆情深度分析与引导中发挥重要作用。     

网络舆情分析技术及系统构建

针对网络舆情分析的实际应用,在综合考虑网络舆情特征和人们认知规律的基础上,重点进行舆情热点挖掘、文本倾向性分析两个关键技术的研究并在此基础上构建了网络舆情分析系统.通过将实验结果与权威数据对比,验证了相应方法的有效性.     

网络舆情事件链演化分析

为防范舆情风险,分析网络舆情的细粒度演化,提出一种去冗余的衍生事件内容关联演化分析框架。通过文本挖掘技术从海量文本流中提取主要的衍生事件,将舆情内容压缩到人工可判读的数量级;利用词移距计算相邻两个时间片上的衍生事件相似度,构建反映演化关系的衍生事件链图。以“上海特斯拉自燃”事件为例进行事件链演化分析,得到微博网络舆情事件发展不同阶段涉事主体在各个衍生事件中的话题转移关系,最后鲁棒性分析的结果验证了该分析方法具有降低微博短文本冗余信息的能力,提高了事件演化关联识别分析的准确性。该研究方法为舆情事件的事后复盘、同类舆情事件的预判和介入、衍生事件的科学研判提供了决策支持。     

基于事理图谱的突发事件网络舆情演化模型构建

通过构建突发事件网络舆情事理图谱，揭示舆情事件之间的逻辑关联与演化路径，为突发事件的分析与应对提供参考。首先，基于规则模板提取突发事件网络舆情中的事件逻辑关系，构建事理图谱。其次，将事件向量化表示后进行泛化处理，采用K-Means++算法对相似事件进行聚类和抽象以构建网络舆情抽象事理图谱，最后在此基础上对目标事件进行推演和预测。结果表明：突发事件事理图谱中的事件关系类型主要为因果、并列和顺承关系，大部分事件的逻辑链条较短，且与其他事件无明显关联；构建突发事件事理图谱有利于分析事件的演化脉络、把握关键事件节点并预测事件发展方向。