能耗双控背景下的中国公众舆情时空演变特征

以新浪微博为数据源，基于LDA主题模型构建话题分类模型，识别能耗双控话题相关 文本中的7个舆情话题，并从话题内容、数量和时空分布等方面分析2021年9月20日至10月20日 的舆论响应分布特点。研究发现：（1）话题内容整体呈现积极情感导向，主要围绕生活、生产、管理 3个相关角度；（2）各话题响应时序存在明显差异，生活相关话题最先得到广泛响应，生产相关话题 次之，而管理角度的理性分析话题存在滞后性；（3）各类话题存在空间差异，生活、管理角度话题讨 论高值区主要集中在东北地区，生产角度话题讨论集中在长三角、珠三角等秦岭、淮河以南地区； （4）舆情发展过程中加工贸易相关行业和第三产业对于能耗双控政策的敏感性较高。     

疫情应对中政务短视频传播策略研究以哔哩哔哩平台为例

本研究对哔哩哔哩平台与疫情相关的、播放量最高的政务短视频进行了考察，并且对每个视频按照热度选取一级评论来分析视频的网络情绪。研究发现，疫情应对中政务短视频传播效果较好，网络情绪正向为主。研究认为，需要进一步发挥政务短视频在疫情应对中的作用，打造优质的视频内容，采取积极的营销措施，并利用新技术促进政务短视频传播。     

基于时间演化图卷积网络的舆情热点内容预测

有效预测舆情事件的热点内容有利于提高对舆论导向的把控能力和对公众诉求的预判能力. 然而，现有的舆情预测工作大多关注事件整体趋势指标或情感极性的演变预测，鲜有针对舆情事件热点内容的预测研究. 为解决以上问题，本文提出一种基于时间演化图卷积网络的舆情热点内容预测方法：以舆情事件的热点词作为预测对象，首先，通过演化图卷积网络学习各时间片词语的空间关联关系；然后，使用门控循环单元捕捉各时间片词语特征的时序变化；最后，通过全连接层进行输出，实现对舆情事件热点词的预测. 以微博上两个不同的舆情突发事件的相关文本作为数据集，与两种现有热点词预测方法开展对比实验. 实验结果表明，该方法在两个数据集上的精确率分别达到51.21%和50.98%，召回率分别达到50.17%和48.15%，F1值分别达到50.68%和49.52%，均高于两种对比方法，能够更好地完成舆情事件中热点词的预测.     

新媒体时代下学术期刊可持续发展的思考

新媒体技术的蓬勃发展给学术期刊带来了机遇及挑战，通过分析不同新媒体平台的传播特点，阐述了传统媒体当前面临的困境，提出学术期刊在新媒体环境下应结合自身特点，利用不同媒体平台的传播优势，找到适合大众传媒的突破口，有针对性地进行宣传推广，进而实现期刊的可持续性发展。     

基于技术驱动的智能媒体特征分析和发展策略研究

随着移动互联网、大数据、云计算、人工智能、区块链等新一代信息技术的快速发展，给传媒带来了革命性的变化，无论是内容的生产方式和传播形态，都发生了深刻的影响。媒体的发展形态也从传统媒体到互联网媒体再到智能媒体转变，特别是近年来智能媒体应运而生，对传统媒体和网络媒体带来了前所未有的挑战，媒体格局、舆论生态、传播方式发生了重大变化，技术赋能驱动全媒体时代的到来，促进媒体深度融合，走以先进技术为支撑的媒体发展道路。本文重点研究技术驱动下智能媒体的特征分析，探索智能媒体未来的发展思路和发展模式。     

基于演化博弈和网络拓扑结构的改进SIR模型——以疫情舆情分析为例

传统SIR模型的初始参数是随机设定的,同时状态转换之间没有考虑实际网络拓扑结构,导致传播收敛效果与实际不一致.为了解决该问题,本文提出一种基于演化博弈和网络拓扑结构改进的SIR模型.改进的模型首先通过演化博弈方法确定影响因子,接着根据影响因子确定好SIR模型的初始感染率参数,然后根据网络拓扑结构调整状态之间的转换概率....