微博舆情

摘要： 在互联网飞速发展和移动互联网高度普及的时代下,利用微博舆情数据获得地震灾害民众有感范围成为可能。设计并开发了一套地震有感范围自动成图系统,调用新浪微博开放平台的API接口获取舆情数据,对收集到的数据进行清洗、统计和分类,建立舆情数据库,并进行可视化展示。为政府和应急管理部门迅速有效地获得地震灾情信息提供了新的途径,以便在地震应急指挥决策中发挥作用。

摘要： 通过自行开发的爬虫脚本,抓取新浪微博上不同的关键词组成文本数据集,对数据信息进行中文分词、去停用词、权重计算等预处理,然后利用改进的聚类算法对文本聚类分析。针对K-means算法存在随机选取的初始聚类中心导致后期易收敛不能保证全局最优的问题,提出改进的密度峰值算法优化的K-means聚类算法。实验结果表明,与传统的K-means算法相比较,改进后的算法聚类更加有效稳定,提高了微博舆情发现的准确度和效率。

摘要： 在当前碎片化阅读现象较为明显的社交媒体时代,微博舆情与网络议程设置存在怎样的关联?本文首先阐述网络时代下议程设置理论的更迭,其次分析微博舆情发展与网络议程设置的关联,最后得出网络议程设置在微博舆情中的关联特征。

摘要： 新媒体时代,微博舆情衍生话题传播逐渐盛行,对该类舆情传播规律的研究成为学者们关注的重点。基于改进SEIR舆情传播模型,考虑在新话题吸引下免疫者转化为新话题传播者和不同话题传播存在竞争的情况,构建微博舆情衍生话题传播模型,通过微分方程求出传播阈值进行分析,运用Lotka-Volterra竞争模型对不同话题的竞争演化进行分析,并在真实案例基础上运用NetLogo和Matlab软件对模型进行仿真模拟,通过具体案例验证微博舆情衍生话题传播模型的可行性和有效性。研究结果表明,免疫者重新开始传播新话题的情况扩大了舆情规模和影响力,同一舆情的不同话题之间也存在竞争,竞争加大了舆情传播影响。为政府有效应对微博舆情衍生话题传播提供了具体策略及建议。

摘要： 针对微博网络舆情信息量大、无规则、随机变化的特点,提出TFIDF-NB(Term Frequency Inverse Document Frequency-Naive Bayes)用于微博情感分析,设计与实现了一个基于Scrapy框架的微博评论爬虫,将某热点事件的若干条微博评论进行爬取并存进数据库,然后进行文本分割、LDA(Latent Dirichlet Allocation)主题聚类,最后使用TFIDF-NB算法进行情感分类.实验结果表明,TFIDF-NB算法平均准确率高于线性支持向量机算法和K近邻算法,在精确率和召回率方面高于K近邻算法,具有较好的情感分类效果.

摘要： 作为现阶段用户最常用的媒介手段之一,微博的存在不仅意味着用户能够通过社交平台公开地表达分享自己的意见和观点,在环保舆情事件频发的时期更能够加强对于大众的思想引领,从而促进社会和国家的长治久安。本文从微博舆情生态的角度入手对微博信息传播进行全面的分析,并深入探究对生态环保的舆情检测和受众进行思想引领的方式方法,进一步为微博发挥其作为公共空间的思想导向作用提供了参考。

摘要： [目的/意义]以"中美贸易战"事件为例,研究了用户身份和事件主题在情绪表达上的差异,有助于舆情部门加强对网络情绪的认识,为网络情绪管理提供有效途径.[方法/过程]爬取关于"中美贸易战"事件的微博数据,识别微博用户的身份,提取微博数据的主题,并对数据进行情绪分类、计算情绪强度,采用Logistic回归模型和方差分析的方法分析情绪表达差异.[结果/结论]在中美贸易战事件中,微博情绪表达存在差异,体现在以下两点:不同身份的用户在表达情绪概率和强度上都存在差异.普通用户在表达情绪上更保守,媒体用户在表达情绪上更开放,政府用户相对谨慎;不同主题中微博的情绪强度存在差异.对于描述客观事实、参与门槛高的主题,用户的情绪表达意愿和强度较低,而与用户生活息息相关的主题,更能引起用户表达强烈情绪的意愿.

摘要： 本文结合微博短文本的特点,利用人工神经网络、k-means聚类等常用方法构建了面向微博网络舆情的热门话题检测系统框架,为面向微博网络舆情的热门话题检测系统的设计和开发提供了参考,对网络舆情的管理具有重要的意义。

摘要： 随着互联网的发展,网络群体性事件频发,深入研究网络群体性事件微博舆情下不同传播主体在各阶段的主题分布及演化趋势,探索舆情传播规律,可为舆情治理提供参考%研究以“苟晶事件”为例,爬取该事件的微博原创及评论数据,基于生命周期理论将其划分为五阶段:潜伏期、爆发期、蔓延期、反复期和衰退期%采用LLDA-WK模型来识别舆情主题,进而研究网络群体性事件中不同传播主体之间的传播关系和在各阶段下的舆情主题分布和演化趋势,最后提出类似网络群体性事件的管控和治理建议。

摘要： 雾霾对人体健康、生态环境及交通运输等方面影响重大,雾霾来临时,人们会在微博等媒体上表达对雾霾的关注.微博中蕴含了网民对雾霾的关注话题及心理反映,通过微博掌握微博网民对于雾霾的相关反应,有助于城市管理者有针对性的调节雾霾情形下的舆论宣传和资源调配.考虑到微博文本中相同词语共现频率越高就越倾向于表达同一主题,采用基于社区的共词网络法挖掘微博话题,首先,采集2017年冬季以"雾霾""空气"等为关键词的微博数据,利用TF-IDF(term frequen-ly-inverse document frequency)算法对预处理之后的微博数据提取关键词,并获取关键词间的共现关系,然后基于共现关系构建共词网络,根据Louvain算法探测话题社区,最后,以中国雾霾污染最严重的华北地区、华东地区、东北地区7个典型城市为研究区,结合关键词节点的Pagerank值,分析各城市共词网络话题社区的差异程度.实验结果表明,不同城市对于雾霾事件的关注既有相同点也有差异性.研究结果对雾霾情形下城市差异化管理具有一定的理论指导作用.

摘要： 随着web2.0技术的发展微博成为人们生活中分享消息,获取新闻的主要媒介,微博与其他网络互动平台相比,其内容短小精炼,获取方式便捷,不受时间和地点的限制,传播速度快等特点深受广大网民的青睐,但也由此原因,微博也成为新的舆情产生的主要渠道之一.本文通过对微博文本数据的文本挖掘分析研究得出在微博舆情事件中网民关注的事件相关的主题以及网民的情感倾向,并通过Cox比例风险模型对事件中意见领袖进行识别,分析意见领袖在微博舆情演化过程中的影响.研究发现在意见领袖对微博热度演化的影响主要表现在微博的转发数的增加；对于公众议题演化的影响表现在对事件特定议题的讨论会给事件的演化带来影响；对于公众情感倾向掩护的影响主要表现在转发意见领袖的微博的网民情感大多与意见领袖一致，即意见领袖对于网民的情感倾向有一定的导向作用。

摘要： 本发明提出了一种微博平台上针对大宗商品舆情信息的基于用户行为特征的识别恶意主体的方法，首先选定源头节点搜集转发信息构建舆情传播网络，根据网络中用户的关注信息构建用户关注关系图，随后使用社区发现算法对关注关系图进行划分，选择其中密度最高的团体作为后续待检测样本，接着搜集待检测样本用户从最近日期起的N条微博，构建用户行为特征，最后使用聚类算法根据行为特征将待检测样本聚成两类，计算特征在每一类中的均值，进行标准化后相加得到综合属性值，判定属性值较大的一方为存在恶意倾向的维权用户。本发明不依赖于已标识的数据集，减少了人工因素对最终结果的影响，且识别结果取决于用户本身的行为，具有更高的适应性与灵活性。

摘要： 本发明涉及一种面向食品安全舆情的字词双维度微博谣言识别方法，包括：对互联网爬取数据进行预处理、结合开放域word embedding资源库构建食品安全领域word embedding资源库、爬取多级别百度百科语料对word embedding资源库进行增量训练、基于BERT网络的字维度文本特征提取、基于BLSTM网络并加入位置注意力机制的词维度文本特征提取、最终得到字词双维度文本特征向量并进行微博文本是否为谣言的分类识别。本发明解决了食品安全舆情领域微博文本语料口语化严重、结构性弱、领域性强、难以向量化的难题，通过构建领域词库和多粒度向量化方法，更加充分提取语料特征，提高谣言识别准确性。

摘要： 本发明涉及数据分析及预测领域，尤其涉及一种基于微博数据的网络舆情预测方法，其特征在于：构建预测模型：预测模型为包括两个隐含层的长短期记忆神经网络模型，第一隐含层为单向长短期记忆神经网络单元，第二隐含层为双向长短期记忆神经网络单元；训练预测模型：根据预测模型计算时间序列中的一个时刻，将当前输入和前一时刻输出传入预测模型得到当前输出作为预测值；根据预测值和真实值计算误差，通过优化器反向传播求解，更新模型参数直至收敛；基于微博数据计算微博热度总分值，将百度指数、微博热度总分值、时间偏移量和上一时刻第一隐含层的输出作为模型输入量输入至训练好的预测模型进行网络舆情预测。本发明预测准确度高。

摘要： 本发明公开了一种微博舆情动态时空关联下浒苔灾害空间分布推估方法，使用历年的浒苔灾害和对应的微博社会舆情数据,根据浒苔灾害的覆盖面积、分布长宽、旋转角度与漂移重心，微博社会舆情的热点辐射范围、热点辐射强度、标准差椭圆角度、标准差椭圆范围构建双向联想神经网络，实现在得到微博社会舆情数据时可以推估浒苔空间分布于态势的目的。在使用双向联想神经网络预测浒苔灾害的过程中，使用残差网络对双向联想神经网络稳定状态下的结果进行校正，使用基于APRIORI算法提取得到的浒苔与微博时空关联规则对神经网络运行的结果进行校正，最后得到推估的当前浒苔灾害空间分布与发展的态势。

摘要： 本发明提供一种微博舆情风险研判的方法，涉及数据挖掘技术领域，本发明的方法先通过爬虫采集大量微博数据，再先后通过敏感话题的识别、情感模型、影响力模型、传播模型的分析，根据这几个模型的输出情况，决定是否预警或者是进入下一个模型进行分析。本发明解决了现有的微博舆情风险研判的方法不具有及时性，且容易将风险较低的信息漏掉，跟进不及时的缺点，导致无法对微博舆情风险进行准确研判的缺点。

摘要： 本发明公开了基于评论数量的微博舆情事件热度与发展趋势预测方法，步骤为：步骤1、爬取微博舆情事件在自定义一段时间内的相关数据，选取博主身份、粉丝数和其相关微博转发、评论及点赞数这几个特征，并将粉丝数取以10为底的对数后计算舆情事件的博主影响力，再计算单条微博贡献在该舆情事件中的热度值，并进一步随着时间的变化计算单条微博的实时热度，得到该舆情事件实时热度；步骤2、根据步骤1得到的舆情事件实时热度，采用机器学习的方法训练该数据并得到舆情事件实时热度的变化趋势。本发明有效克服了传统技术中放大的粉丝数对微博热度的影响，更好的将数据过程化，体现出单条微博热度的实时变化情况，准确预测舆情事件实时热度变化趋势。

摘要： 本发明涉及一种基于主题挖掘和情感分析的微博舆情可视分析方法，属于可视化技术领域。该方法为：S1：确定需要爬取的微博账号，获取所研究微博账号在舆情期间的微博数据；提取所需的研究字段，对获取的研究语料进行预处理；S2：采用贝叶斯模型对微博数据进行主题分类，接着使用TF‑IDF特征提取和LDA主题模型对分类好的语料进行文本主题挖掘，提取微博关键词，最后结合转发数等传播属性，得出热点话题；S3：提取各时间段热点话题的微博评论，得到最终的分类结果，来挖掘人们对热点话题的情感趋势。S4：对两次舆情期间微博舆情进行可视分析。本发明有利于更好的掌握并跟踪微博舆情，提前防范舆情高峰的发生。

摘要： 本发明属于城市关系测度领域，具体涉及一种基于微博舆情的城市间关系测度系统、方法、设备，旨在解决传统的城市测度方法需要耗费大量的精力统计或搜集基础数据，并且基础数据的时效性滞后，导致城市间的关系测度时效性、准确性较低的问题。本系统包括城市舆情爬取子模块、舆情信息整理子模块与城市关系测度子模块；所述舆情信息整理子模块包括有向无环图分词单元、BERT分词单元和加权计算单元；所述城市关系测度子模块包括第一频率计算单元、第二频率计算单元、城市关系测度单元。本发明提升了城市间的关系测度时效性、准确性。

摘要： 本发明公开了一种基于地震行业的微博舆情分析方法，所述方法包括：获取实时微博数据；将所述实时微博数据输入微博分类模型中获得地震类微博数据和非地震类微博数据，将所述地震类微博数据输入情感倾向模型中获得所述地震类微博数据的情感倾向，其中，所述微博分类模型、所述情感倾向模型均基于深度学习模型Text‑CNN使用训练样本分类训练获得；基于TextRank算法获取所述地震类微博数据的关键词组；抽取所述地震类微博数据的地域信息，其中，所述地域信息通过统一的地区编码表示；将所述地震类微博数据的情感倾向、关键词组、地域信息存放至所述地震类微博数据的微博用户信息的用户信息表中；将所述用户信息表进行视图展示。

摘要： 本发明公开了一种微博舆情动态时空关联下浒苔灾害空间分布推估方法，使用历年的浒苔灾害和对应的微博社会舆情数据,根据浒苔灾害的覆盖面积、分布长宽、旋转角度与漂移重心，微博社会舆情的热点辐射范围、热点辐射强度、标准差椭圆角度、标准差椭圆范围构建双向联想神经网络，实现在得到微博社会舆情数据时可以推估浒苔空间分布于态势的目的。在使用双向联想神经网络预测浒苔灾害的过程中，使用残差网络对双向联想神经网络稳定状态下的结果进行校正，使用基于APRIORI算法提取得到的浒苔与微博时空关联规则对神经网络运行的结果进行校正，最后得到推估的当前浒苔灾害空间分布与发展的态势。