高校网络舆情与辅导员网络话语权的建构

面对日益复杂的高校网络舆情辅导员应树立服务大学生的意识,构建辅导员工作网络平台,强化网络舆情,危机意识,建立网络舆情危机疏导机制,有效疏导网络舆情;组建辅导员网络工作团队,传递正能量,提升大学生的网络媒介素养,提高大学生对网络负面信息的免疫力;加强辅导员学习与培训,提高辅导员综合素质,提升辅导员网络舆情的应对能力.     

网络舆情热点挖掘算法研究与实现

随着网络信息交互及传播的迅速与便捷,有效地对不断涌现的海量互联网信息进行采集并发现网络热点舆情具有十分重要的意义.研究网络舆情的表示及特征,提出采用网络化方法思想,结合Hits算法和PageRank算法进行舆情热点挖掘,并在此基础上设计了网络舆情热点挖掘系统.     

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.     

基于Web信息挖掘的网络舆情分析技术

网络舆情分析是有效掌控网络、促进社会主义和谐社会建设的重要手段。Web信息技术的特点决定了其适用于网络舆情分析。利用Web信息挖掘,可以发现网络舆情、分析网络舆情的起源、发现网络舆情受众及其特点、研究舆情在网络上的传播扩散模式以及评估舆情影响效果。     

基于SNA的突发事件网络舆情意见领袖传播影响力

突发事件处置过程中伴随着舆情管控的缺失,尤其是网络舆情传播中的意见领袖极易引导舆论走向,处置不当则会引发衍生事件等问题。为更好地引导和管控突发事件网络舆情提出切实可行的方法,以突发事件“湖北十堰燃气爆炸”为例,通过Gephi可视化分析了突发事件网络舆情意见领袖的传播规律及传播影响力,运用UCINET从网络密度、网络中心性、凝聚子群3个维度探讨了意见领袖的传播影响力。结果表明：“湖北十堰燃气爆炸”网络舆情传播的整体关联度较低,传播网络结构较为松散,信息流通性较低;传播者之间交互性不够紧密,意见领袖及其他传播者之间信息交流不够密切、关联程度不够高;得出此次突发事件网络舆情传播影响力较大的5名意见领袖。基于SNA从网络密度、网络中心性、凝聚子群3个维度研究突发事件网络舆情意见领袖传播影响力是可行的,为政府引导和管控突发事件网络舆情的传播及消除负面影响提供理论参考。     

网络舆情监控系统的实现方法

结合信息通信技术,使用中文信息处理和文本挖掘中的关键技术对舆情监控设计流程进行分析.通过相关功能模块建立网络舆情监控系统,实现网页信息采集和Web挖掘基础上的热点发现与跟踪.     

网络舆情追踪中热点关键词的提取

传统的基于文本聚类的网络舆情热点追踪算法,在处理海量网页时,文本聚类速度过低,聚合结果较差.提出了一种基于关键词提取的网络舆情热点追踪方案,并根据新闻、论坛和博客的不同特点分别设计了热点分析模型.通过在笔者开发的啄木鸟网络舆情系统上的实际验证表明,该方案行之有效,热点分析模型识别热点准确率高.     

BBS网络舆情定量分析研究

针对目前定量观测、分析和控制突发网络舆情研究中的困难,在定性分析用户关系网络的基础上,研究并选取一系列可定量度量舆情传播行为的指标,给出各指标的选取依据和计算方式。通过试验评估了各指标的有效性,发现在网络中用户数变化各定量指标产生了明显的变化,这种变化可以在不同程度和层次上反应网络舆情的变化。     

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SnowNLP的微博网络舆情分析系统

随着微博、抖音、贴吧等新兴网络社交媒体的发展,大量用户开始喜欢使用这些平台进行发布和获取信息,因此累积了大量舆情数据。为了能够及时监测网络舆论动向,更好的维护互联网的安全运营和网络安全,针对实时微博数据,研究设计了一种基于SnowNLP的微博网络舆情分析系统。该系统由舆情数据采集、舆情数据分析和舆情数据可视化组成,能够实现微博数据文本挖掘、网络舆情数据情感分析、舆情数据与关键词匹配结果统计等功能,并能够对微博内容情感分析结果、用户等级、内容分词结果等进行可视化展示。实验测试结果表明：本系统功能运行正常,同时验证了设计方案的可行性和有效性。系统在网络舆情监测领域具有重要的应用价值。     

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     

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。     

后缀树算法在舆情聚类中的应用

针对网络舆情分析的需求背景,研究了通过后缀树算法发现文本文档之间的公共短语串,按公共短语串实现文档聚类。网页文档的标题和摘要能代表文档的主要思想,应用后缀树算法实现对标题和摘要自动聚类,从而实现舆情信息自动聚类。     

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.     

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。     

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。     

加权零阶局域法在网络舆论趋势预测中的应用

采集了某一时段国内某著名网站上针对某一指定话题的帖子,按时间周期构造了一个关于新增帖子数量的时间序列,利用混沌时间序列预测方法中的加权零阶局域预测法预测了该序列的变化趋势.仿真结果表明该预测趋势与实际趋势在短期内是基本一致的;短期预测误差明显小于长期预测误差.     

有限理性视角下突发事件社会舆论传播阶段的演化博弈分析与控制

社会公众对待突发事件的有限理性使得舆论传播具有较大的不确定性. 为保持社会稳定发展, 突发事件的社会舆论控制是政府部门关注与研究的重点. 基于局中人有限理性视角, 通过构造处罚博弈和激励博弈模型, 比较分析了政府对舆论传播行为实施处罚及对事件发展给予正面宣传的不同策略, 以演化博弈法推演了社会公众群体在突发事件舆论传播中的行为演化方向. 结果表明, 政府部门在舆论传播初期阶段加大处罚力度或加大正面激励力度将更有效地增加社会公众传播舆论的成本, 或增大社会公众不传播舆论的心理收益, 从而达到控制舆情传播的效果. 通过结合“昆山反杀案”及山东“辱母杀人案”等实例, 分析比较了社会公众的初始状态及演变方向, 验证了在突发事件舆论传播的初期阶段实施阶段控制策略的有效性. 研究结论也说明, 将问题解决于萌芽阶段, “防微杜渐”、“未雨绸缪”等是实践中对突发事件舆论传播进行阶段控制的重要方法.