突发公共卫生事件网络舆情治理发展现状研究

目的:从政府实践和学术研究两个角度探讨突发公共卫生事件网络舆情治理的发展现状.方法:文献研究.结论:在政府实践中,卫生行政管理部门越来越重视突发公共卫生事件网络舆情的管理,但其管理方式仍属于起步阶段:在学术研究领域,网络舆情正逐步成为各领域的学术热点,然而关于突发公共卫生事件网络舆情治理的研究还很有限.因此,建立科学的网络舆情预警机制,增强对突发公共卫生事件的可预见性,并在此基础上形成成熟的舆情动态调节机制,将成为未来研究的发展方向     

旅游危机事件网络舆情的演化机理研究

探索旅游危机事件网络舆情演化机理有利于政府、企业等管控主体根据网络舆情在不同发展阶段的特点,采取针对性措施避免舆情向不利的方向发展恶化。基于湖南凤凰古城收费事件,从舆情演化的阶段划分、阶段分析和影响因素3个方面,研究旅游危机事件网络舆情的演化机理。研究发现,根据事件事态和网络关注的变化,网络舆情演化分成孕育、出现、爆发、高潮、回落、反复和长尾7个阶段。社会心态、事件效应、官方言行、媒体行为、网民行为、外部刺激、舆情应对是影响旅游危机事件网络舆情演化的主要因素,对舆情演化起到推动或遏阻的作用。根据研究结论,提出重视网络民意、做好舆情监测、规范信息发布和完善政务微博4个方面的网络舆情管理策略。     

基于动态贝叶斯网络的网络舆情预警模型

近年来多发的网络舆情事件频繁考验着政府的导控能力,利用动态贝叶斯网络对网络舆情进行预警具有重大的现实意义.在参考现有模型的基础上,细化指标体系,增加维度,结合专家意见和实际情况,构建网络舆情预警模型,并对典型网络舆情事件进行展开分析和原因诊断.将40个网络舆情案例作为训练集导入模型,对模型进行有效性验证,得到的结果 与...     

基于主题识别与情感分析的突发公共卫生事件新闻舆情研究

基于我国新冠肺炎疫情期间27万余条新闻报道数据,利用语义分析、社会网络分析与聚类分析等方法,借助新兴可视化工具,从时间、空间维度展开新闻舆情主题和情感研究.研究发现,新闻主题起初以疫情信息为主,中期政府举措与社会影响占比上升,后期各类主题呈现平衡态势,反映了新闻主题从集中到发散的过程;新闻情感呈现随时间推演逐渐好转的总体趋势,显示出我国在抗击疫情中及时有效的调控能力;新闻空间方面,新闻报道的情绪表现及热点主题以湖北省为中心向周边扩散,体现了公共卫生事件的地域关联特征.该研究能为今后相关突发公共卫生事件的新闻报道提供借鉴,使相关管理部门更科学地引导新闻舆论.     

面向大数据的政府舆情监测分析可视化模型与方案设计

从大数据可视化分析的视角,审视了政府舆情监测分析工作,以解决新形势下舆情服务质量及效率提升的问题;通过对舆情监测分析主体、环境、手段、呈现形式的现状进行探讨,设计了政府舆情监测分析可视化模型与可视化方案;指出政府舆情监测分析可视化概念体系包含机理层、模型层、应用层、支撑层4个层次;以监测信息为信息分类对象,选取单指标推动力结构模型为可视化数据结构表达模型;将舆情分析指标设定为舆情总量、舆情推动力、舆情增速及百分比;通过数学公式将舆情总量及推动力指标按照维度分解到从节点的推动力、增速与百分比上;将舆情总量与分解后的一级维度和二级维度进行叠加制定建模方案;选择静态数据以多视图关联交互为可视化方案的呈现形式.     

突发公共卫生事件应对中经济法的角色与定位

2020年初爆发的新冠肺炎疫情作为一起突发公共卫生事件,其治理与应对都离不开法制的参与.经济法作为"危机对策法""经济政策法""治理国家法",如果良好运用之,国家在疫情中可以对经济进行有效的宏观调控以及对市场进行微观规制.在疫情防控进入常态化的今天,从经济法基础理论的维度探析突发公共卫生事件中经济法的功能与效用,以此厘...     

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BBS的网络舆情演变和分析技术研究

在分析网络舆情基本内涵的基础上,采用生命周期方法探索了网络舆情的演变机制,并对网络舆情发展过程中所表现出的特征和规律进行了归纳和总结.在此基础上,以BBS为标的对网络舆情的分析技术进行了探究,建立了以BBS为基础的网络舆情技术分析模型,通过BBS舆情热点事件实验,验证了网络舆情的演变机制,揭示了网络舆情的内在衍生规律.     

网络舆情危机影响因素研究

在处理网络舆情事件时应首先分析影响舆情危机发生的因素问题。网络舆情危机中的主体广泛,环境复杂以及载体多样造成了影响其发展的因素也是大量存在的。其中任何一个因素的变化,都有可能影响网络舆情危机的走向。同时,各种因素之间又是通过各种途径和方式相互影响和制约的,从而表现出对网络舆情危机影响的合力效应。为了便于分析,我们从主体和客体两个方面来归纳网络舆情危机的影响因素。     

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。     

高校网络舆情事件的成因、影响及其应对

近些年,在网络社会发生或经网络传播、并经线下网上互动而演化的舆情突发事件呈频发之势。高等学校作为社会的重要结构单元,与之相关的或在高校发生的舆情事件其社会反响非常强烈。当下,作为“互联网一代”的“00后”大学生,是最活跃的网络参与主体,他们多数时候充当了校园网络舆情事件的主角;但网络参与的实践已经表明,他们中的多数同时也是舆情危机事件的受害者。可见,加强校园舆情突发事件的舆情监测、防范并正确应对舆情危机,不仅是维护正常教育教学秩序的需要,也是保障大学生正常学习和生活的需要,更是加强高校宣传思想阵地建设、维护高校校园稳定的需要。     

基于图注意力网络的舆情演变预测研究

要想实现对纷繁复杂的网络舆情的监控和管理,预防舆情危机的突发状况,一个关键的解决方案就是对网络舆情事件的发展趋势进行预测.然而,目前针对舆情演变预测的研究工作却十分有限,尤其是社交网络环境中的舆情演变预测.本文将评论文本的情感值作为演变预测的对象,利用情感词和舆情事件中评论文本的语义相似度,为事件发展的每个时间段都构造一个对应的图结构,再结合门控循环单元（GRU）与图注意力网络（GAT）对情感时间序列进行预测.为了验证模型的有效性,本文以Twitter中弗洛伊德事件的评论文本作为数据集,开展与基于图卷积网络的预测模型的对比实验.实验结果表明,本文提出模型的R²决定系数为0.569,平均绝对误差（MAE）、均方误差（MSE）和均方根误差（RMSE）均小于基于图卷积网络的预测模型,能较好地实现舆情事件中评论文本的情感演变预测.     

论网络舆情对群体性事件的影响及其治理

在网络信息技术飞速发展的今天,网络舆情贯穿着群体性事件发展的始终。为了有效地处理群体性事件,政府应该加强对网络舆情的控制和疏导,建立公开透明的网络信息发布体系,联合媒体加强网民道德教育,共同治理群体性事件。     

农产品安全网络舆情演化分析与导控策略

农产品安全事件的网络舆情是关乎民众健康和社会安定的重大问题。采用改进的元胞自动机模型分析此类网络舆情的演化趋势及导控策略。通过对元胞空间邻域结构、状态转移函数及演化规则的改进体现农产品网络舆情特点,引入导控因子分析舆情导控策略,并通过仿真实验探究网民情感倾向、相互作用以及信息干预对舆情演化趋势的影响。最后对中国近期发生的"非洲猪瘟"事件相关舆情进行实证分析。研究表明:本文模型实现了对该事件网民情感倾向变化及舆情发展的合理预测,并提出科学的舆情干预和监管措施。研究将有助于揭示农产品安全网络舆情特征与演化规律,为网络舆情的有效监管提供参考。     

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。     

网络舆情事件的反思与应对——以南京打医事件为例

社会稳定是党和政府长期不懈的奋斗目标,也是中国社会发展、人民幸福的重要保证。而近年来网络舆情事件频发,对我国社会的稳定与和谐构成了严峻的挑战。就南京打医事件为例,对网络舆情事件频发的原因进行反思,并提出针对网络舆情事件,政府应第一时间做出反应,掌握舆论主动权;发挥政府门户网站和主流媒体优势,主动设置舆情议程;倾听公众利益诉求,建设和谐社会氛围。     

基于微博数据的“新冠肺炎疫情”舆情演化时空分析

本文依托2020年1月1日至2月29日期间共计6万条新浪微博博文与1.5万条微博热门评论,基于分布式爬虫技术、分布式数据库系统、SnowNLP情感分析模型以及KMeans文本聚类算法,对与"新冠肺炎疫情"相关的话题展开舆情分析,可视化地展现本次疫情事件中网络舆情的时空演化过程.在时间维度层面,通过文本聚类与情感分析,发现网民对于此次肺炎疫情的态度大致经历了三个阶段,即起伏不定的紧张焦虑期、缓慢攀升的团结振作期以及波动很小的自信平稳期,总体上呈现积极大于消极、正面大于负面的情绪状态.在空间维度层面,通过地理统计分析,发现疫情最严重地区网民评论人数最多,同时情感值也最低.     

旅游危机事件网络舆情应对水平的评价研究:基于灰色统计和熵权TOPSIS方法

舆情应对是旅游危机事件网络舆情管理的重要环节,对舆情应对水平进行评价是提高网络舆情管理能力的必要途径。通过文献研究和经验归纳,提出旅游危机事件网络舆情应对水平评价的初始评价指标集;为保证指标体系的有效性和可操作性,基于专家问卷获取的决策数据,运用灰色统计方法对指标进行筛选,对初始指标集进行精简和优化,最终指标体系包括舆情应对的响应、沟通和善后情况3个维度15个指标;为克服传统赋权方法的主观性,使用熵权法确定指标权重,采用加权TOPSIS方法对14个典型案例的网络舆情应对水平进行评价,评价结果与实际情况的吻合程度较高。研究设计的网络舆情应对水平评价指标体系,采用的指标筛选、权重获得和综合评价方法,对提高旅游危机事件网络舆情的应对水平具有一定的理论和实践价值。     

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.     

基于统计分析和知识挖掘的网络舆情管理决策平台研究

本文将从基于网络舆情特征定量指标的统计分析、基于知识挖掘的网络舆情资源萃取,以及针对学校网络突发性群体事件及网络舆情的管理机制和辅助领导决策方案研究三个方面论述网络舆情管理决策平台的建设,最终形成一个基于指标控制和知识挖掘的网络舆情监控平台,为高校网络舆情建设提供新的发展思路,为高校应对突发性事件提供重要的辅助决策工具,提升各高校舆情管理能力。