微博舆论场:突发事件舆情演化分析的新视角

微博舆论场逐渐成为了突发事件网络舆情的策源地,在舆情生成演化中扮演重要角色.本文以微博舆论场为研究视角,首先运用超网络建模理论,构建了集社交、信息、心理、观点四层子场为一体的微博舆论场超网络模型,并对各层子场内部以及子场间关系进行建模分析;然后提出了微博舆论场超网络模型的衡量指标,对微博舆论场"场强"进行了量化分析;最后使用社会计算和数据挖掘算法,定量分析了微博舆论场对新进入的无知者和感染者的作用过程,以及对新个体发生作用后,微博舆论场中舆情的演化.以期对突发事件舆情态势进行预测预警,为舆情干预治理提供理论依据,有效引导突发事件舆情良性发展.     

基于跨媒体分析的突发事件检测及趋势研判研究

突发事件的发生对社会经济产生重要影响,如何实时检测突发事件并对事件发展进行追踪,为应急处置和应急管理争取有效处理时间并提供决策支持具有重要研究意义.本文提出了一个基于跨媒体分析的突发事件检测模型,并对检测到的突发事件进行趋势分析和追踪.该方法通过对跨媒体文本进行深入分析,利用文本挖掘得到突发事件特征,并利用数据挖掘方法进行建模,有效提取突发事件;进一步地,利用事件分析和预测方法,对事件的进一步发展进行追踪,预测突发事件的未来走势.实证结果表明,本文提出的模型具有较好的检测精度,是突发事件检测与分析的新方法,具有较好的应用价值.     

基于多层耦合网络的舆情传播控制研究

为研究平台间信息交互对舆情传播以及舆情控制的影响,以微信和微博平台为例,利用多智能体建模方法和改进的SEIR模型,构建了包含“微信层-微博层-控制层”的多层耦合网络舆情传播和舆情控制模型。在Anylogic平台选取“湖北省红十字会物资使用情况引发质疑”舆情事件进行了仿真实验,分析了单/双平台、控制范围、控制力度、控制时间、平台间交互等因素的影响,研究了多平台互动传播下的媒体引导和政府干预策略。仿真实验表明,模型很好地刻画了微信、微博平台的信息传播特性,反映了舆情的跨平台传播效应。     

突发事件微博舆情爆发地点监测方法

研究突发事件网络舆情爆发地点监测方法,对于有针对性的引导和控制突发事件网络舆情有重要意义。为此,提出了基于空间扫描统计量的微博中突发事件舆情爆发地点监测方法。选取新浪微博上1320万条数据为数据集,通过实验验证了该方法的有效性。实验结果表明,突发事件相关的微博舆情确实存在区域聚集性,并且在突发事件发生后,微博信息量这一舆情要素会对微博舆情的区域聚集性产生更大影响。基于空间扫描统计量的微博舆情监测方法能够有效监测出舆情爆发地点及区域,解决了目前在突发事件相关的网络舆情监测中难以对突发事件网络舆情爆发地点进行动态、有效判断的问题,为相关部门对舆情热度不同的地区进行有针对性的控制、监测舆情提供依据。     

基于趋势情感映射的物价舆情词典及舆情指数构建研究

互联网新闻中反映的市场观点和情感可为经济监测预警提供及时有效的参考.为更好地识别和量化文本中对于经济变动趋势的观点和情感,本文提出了一种基于趋势情感映射的舆情词典构建方法.该方法识别描述经济趋势的核心词汇形成趋势种子词集,并集成情感词相关性计算结果,利用重新设计的标签传播算法得到映射系数,获得情感词的观点值,形成能够量化新闻的物价舆情词典.本文还提出了一种考虑句法结构的物价舆情指数模型,通过主题匹配、程度量化、否定识别等过程实现对特定领域经济新闻中的观点和情绪的更为精确的度量.实证分析中构建了物价舆情词典并生成物价和食品及其分项物价等11个主题的舆情指数,通过分类检验及与CPI的对比分析,发现基于本文方法所建立的舆情指数在长期趋势上领先于CPI约1.25个月.本文所提出的舆情词典构建方法和舆情指数模型具有可扩展性,有望应用于其他宏观经济或行业市场景气分析研究,是现有基于经济文本的预测预警建模方法的重要改进.     

基于系统动力学的危化品水污染突发事件中网络舆情危机应急策略研究

鉴于危化品强腐蚀性、剧毒等特性,其突发泄露事件,特别是水污染突发事件,将对人民生命安全和财产安全造成严重威胁,从而引发网络舆情危机.本文基于系统动力学,深入分析危化品水污染突发事件中网络舆情的扩散演化规律,以探索有效的危机应急策略.新模型包括网民子块、网媒子块和政府子块三个子模块,受到危化品水污染突发事件的直接影响,并影响着突发事件的发展演化.以五个危化品水污染突发事件为案例,实证研究验证并分析了仿真模型的有效性和实用性;在此基础上,对不同危机应急策略进行了模拟.政策仿真结果表明:提高官方新闻透明度、政府危机处理力度、政府响应效率能有效控制并引导网络舆情的扩散与传播.     

观点动力学视角下基于意见领袖的网络舆情反转研究

舆情反转是网络突发事件与热点事件中的一种重要现象。为探究网络舆情反转现象的内在机理,发掘舆情反转事件的演化规律,提出了一种观点动力学视角下基于意见领袖的观点演化模型。以意见领袖为切入点,基于无标度网络结构改进经典有界信任的HK模型,在观点更新中引入意见领袖的作用。运用社会网络分析理论的中心性指标识别意见领袖,对意见领袖引导下的观点演化进行仿真实验。选取新浪微博上的舆情反转案例,对模型仿真结果进行验证。实验结果表明,意见领袖对观点演化结果起着关键性的作用,能够引导群体的观点发生逆转,利用改进的模型能够模拟网络舆情反转事件的演化进程。     

突发事件社交网络舆情的扩散与控制

针对突发事件社交网络舆情扩散特征,考虑政府及公众媒体对社交网络舆情参与者产生的影响,建立一种突发事件社交网络舆情扩散模型。定义并分析突发事件社交网络舆情扩散趋势的转折点,由舆情扩散模型推导出度量突发事件社交网络舆情扩散趋势的测度,同时给出并证明在不同舆情扩散测度下转折点的存在性及舆情扩散趋势。根据舆情扩散测度给出一种最优控制的目标函数,利用舆情扩散测度的关键因素,推导出使目标函数值最小的舆情扩散控制方法。通过数值模拟计算,说明模型及控制方法的有效性和实用性。     

基于话题共振的群体情绪演化动力学模型研究

在线社交网络中舆情话题共振现象愈发多见,相似或相关话题的互动与叠加使公众群体情绪变得愈发复杂和不确定,增加了政府管控的难度.为此本文构建了一种在线社交网络中考虑可变交互阈值、基于观点动力学的双层复杂网络模型,将话题关系、时间机制、政府、媒体、网民等因素作为变量参数,利用中国流行的在线社交平台新浪微博数据进行了仿真模拟及对比验证.结果显示话题共振效应的存在对群体情绪的演化产生了一定的“阻尼”作用,使群体情绪表现的更加“固执”,难以被外界环境信息影响;同时在舆情生命周期不同阶段发生的话题共振现象中,群体情绪展示出了不同的演化特征.因此,针对不同情景的舆情事件,政府应采取不同应对策略以提升网络生态的治理能力.     

基于微博数据挖掘的贝叶斯观点演化模型

考虑到在微博信息传播过程中,每一位网络用户的观点都受到其前一位网络用户观点的影响,提出建立基于微博数据挖掘的贝叶斯观点演化模型。以“动态清零政策是我国抗疫总方针”为关键话题词,利用Python爬取微博评论数据,经过数据预处理和分词,对贝叶斯观点演化模型进行实证分析,结果发现官方媒体对舆情的及时引导对情感演化倾向起到重要作用。     

基于BERT-LDA模型的新冠肺炎疫情网络舆情演化仿真

构建大规模网络舆情演化仿真模型,对新冠疫情武汉重灾区与全国其他地区采取差异化的应急管理和舆情疏导具有指导价值.为实现主题细粒度的舆情情感演化仿真,将LDA(LatentDirichlet Allocation)主题模型与BERT(Bidirectional Encoder Representations from Tr...     

企业社会责任负面事件网络舆情演化与政企合作研究

企业社会责任负面事件网络舆情演化具有主体行为复杂性,是动态的复杂网络系统,把握舆情演化过程中主体的行为特征和互动关系有助于舆情管理.本文以企业、政府、民众、媒体和意见领袖五个主体为节点,以不同主体之间交互关系为路径,构建了企业社会责任负面事件网络舆情演化的多主体模型.选取"百度魏则西"为基础事件,采用系统动力学理论和方法,探究了企业社会责任负面事件网络舆情的演化过程和系统结构中的动力学行为.研究结果表明:企业社会责任负面事件网络舆情演化总体呈现了诱发、扩散和消退三个阶段的周期性过程.企业与利益相关者之间的交互作用是推动舆情演化的主要动因,其中企业和政府作为两个重要的行为主体,在联动的时点选择上,按照政府调控行为在先、企业应对行为在后的方式,能有效发挥政府的调控作用和企业的主观能动性,缓解舆论危机.     

基于卷积神经网络的陆战兵棋战术机动策略学习

针对从“人在回路”兵棋推演的复盘数据中提取推演者战术经验高价值知识的问题,提出一种基于深度神经网络从复盘数据中学习战术机动策略模型的方法。将战术机动策略建模为在当前态势特征影响下对目标候选位置进行优选的分类问题：梳理总结影响推演者决策的关键认知因素,定义了由机动范围和观察范围等7个属性构成的基础态势特征,建立了带有正负样本标注的态势特征数据集;设计了基于卷积神经网络的分类器,以分类概率实现了单个棋子战术机动终点位置的预测。实验结果表明：该模型的预测准确率可达到78.96%,相比其他模型提高至少4.59%。     

投资者情绪影响香港股票市场吗?

本文选取香港股票市场的封闭式基金折价率,initial public offering(IPO)首日收益率,IPO数量,市场成交量和换手率等五个原始情绪指标,利用主成分分析法构造了综合投资者情绪指数,然后应用autoregressive moving average-generalized autoregressive conditional heteroskedasticity(ARMA-GARCH)族模型分别剔除了综合投资者情绪指数与香港恒生指数中的趋势因素和季节因素等外在影响,对ARMA-GARCH模型的残差作相关性分析和Granger因果关系检验.研究表明,ARMA-GARCH族模型能有效处理投资者情绪指数和香港恒生指数的自相关性和异方差性.Granger因果检验发现在短期内恒生指数收益率是投资者情绪的Granger原因,即当香港股市处于上升阶段时,投资者情绪会更加乐观,而当股市处于下降阶段时,投资者情绪则会变的更加悲观.     

事件影响下的时间序列多尺度集成预测

针对时间序列的非线性、非平稳和多尺度特征,考虑到事件对序列结构产生的影响,提出事件影响下的时间序列多尺度集成预测策略。首先,基于经验模态分解将原始序列分解成若干分量,从多个尺度展现序列的基本构成;随后,基于迭代累积平方和实现分量序列的变点检验,从多个尺度判别和获取事件对序列产生的结构性影响;然后,基于干预分析构建事件对不同分量序列的影响模型,据此剔除事件影响,获取净化序列;最后,运用基于粒子群优化的支持向量回归,建立单一尺度的序列预测模型,进而实现事件影响下的时间序列多尺度集成预测。实证分析表明:该策略能够精细辨识事件对序列的多尺度影响,有效建立序列总体及分量的预测模型,与传统方法相比,具有更强的事件辨识能力、自适应建模能力和更高的预测精度。     

基于CNN-BiLSTM的消费者网络评论情感分析

现如今,商品在线评论的情感分析业已成为许多商家不可忽视的重要工作,它对于商家了解用户偏好有着重要意义,同时,它还能够为相关产品下一步的改进工作提供方向指导.然而,传统的分析方法已无法解决现在情感分析中特征提取及语义理解等方面存在的问题.针对此类问题,本文提出一种基于CNN-BiLSTM的在线评论情感分析方法,不仅可以像LSTM一样建立时序关系,而且可以像CNN一样刻画局部空间特征.医疗服务、物流快递、金融服务、旅游住宿和食品餐饮数据集的实验结果表明,该方法能有效判别消费者在线评论情感倾向,在文本的情感分类中效果较传统机器学习算法更准确,F1值可以达到94.67%.同时,实验证明该方法具有较好的领域可拓展性.     

基于动态温度调控的空调系统能耗预测

针对动态温度调控的空调系统能耗预测问题,设计了动态温度调控策略并通过EnergyPlus仿真得到空调系统逐时能耗数据集.在采用集成方法分析能耗的基础上,建立改进PSO算法优化BP神经网络(improved particle swarm optimization-back propagation neural netwo...     

互联网舆情分析弹性自组织网

主要解决海量互联网信息的舆情分析问题。以概念倾向性和话题属性新概念为基础,建立了具有人工及自我双重训练功能的、具有自我反馈机制的舆情统计分析模型。以互联网为平台构建了虚拟的弹性自组织网,解决了网络舆情分布式计算、规模自由扩展及大规模舆情信息视觉化等的问题,并根据力学抽象使其具备了网络拓扑结构的自优化、自更新功能。实验表明,模型具有分析效率高、准确、结果直观等特点。     

面向人口属性预测的词嵌入构建方法

本文探讨如何从用户购买数据中学习出高质量词嵌入,以让模型据此实现高效的人口属性预测任务.首先分析购买数据并对其进行编码,并在此基础上构建嵌入向量生成模型,之后用样本数据训练该模型,然后用神经网络程序实现该模型,最后通过实验验证该模型的可行性和高效性.提出的模型不仅能将具有大量模态的分类特征数据转换为低维的高质量词嵌入,...