舆情演化

摘要： [研究目的]研究风险作用下网络舆情演化规律,为防范化解舆情风险提供理论依据。[研究方法]分析风险作用下网络舆情演化过程,以logistic模型为基础模型,构建自治线性风险作用下网络舆情演化模型,通过仿真探索自治线性风险作用下网络舆情演化特征,明晰自治线性风险对于网络舆情的强化和弱化机理,及其在不同演化阶段的影响差异性。[研究结论]通过模型仿真和实证分析得出:自治线性风险作用下,网络舆情演化本质是两条S型曲线的拼接,结合点即风险作用点;自治线性风险改变舆情演化关键时间节点及其对应舆情信息量,风险作用时间点起始于舆情演化的不同阶段,对舆情演化产生不同影响。

摘要： 基于立场检测和主题挖掘的突发公共事件舆情演化研究,能够帮助政府及利益相关者快速地掌握突发公共事件网络舆情的演化规律,具有重要的意义。划分具体突发公共事件的舆情生命周期,提出新的立场检测模型和主题句挖掘方法,针对每个生命周期阶段,在识别大众网民的立场信息的基础上筛选出高效用的舆情信息,再挖掘高效用舆情信息的主题,以深入分析突发公共事件主题信息的演化规律。以“杭州女子失踪案”的微博数据为例,首先将本文方法与多种方法的实验结果进行对比分析,验证了方法的有效性;然后基于实验结果进行舆情演化分析,证明了其能够在实际的突发公共事件舆情中快速聚焦关键点,较好地分析突发公共事件舆情演化规律和特点。该方法能较有效、准确地识别和分析舆情内容,为网络舆情演化的研究提供了新视角。

摘要： 近年来,食品安全问题作为民生问题引发了社会的关注。食品安全事件频繁发生,社交媒体作为一个接触群体用户的媒介,将信息传播提升到全新水平,也为舆情的演化提供了环境。如果对食品安全舆情处理不当,便会引发一些社会危机,因此为了对食品安全事件网络舆情的演化进行进一步探析,本文将食品安全网络舆情分为爆发期、高峰期、平息期,并从不同时期提出相应的对策。

摘要： 文章以新浪微博“微热点”系统呈现的突发自然灾害事件“郑州7·20特大暴雨”作为研究对象,对突发自然灾害事件中的网络舆情在时间和空间上呈现的演化规律进行研究。研究结果表明,网络舆情演化具有一定的空间集聚效应,区域发展程度、人口基数、人口流动等因素对网络舆情空间集聚具有正向作用。此外,网络舆情演化具有明显的阶段化走向,各阶段呈现出独特的演化规律。

摘要： [目的/意义]结合微博舆情社会属性与外化表现模型,对微博网络舆情进行研究。[方法/过程]基于心理学、传播学理论从人、事、情三个维度对突发事件微博舆情进行分析,以“武汉封城”事件为例进行实证研究,并建立网站进行相关可视化展示。[结果/结论]深入剖析舆情背后公众的关注重点,为舆情趋势的研判,政府对舆情的治理提供可靠的依据。从情报学、心理学、传播学多角度出发,定量和定性方法相结合,充分解读舆情,为以后的舆情研究提供新角度和新思路。

摘要： [研究目的]针对智媒时代网络舆情呈现出的多变性、聚焦性、盲从性等特点,以及谣言泛滥、网络对峙、集群效应等舆情极化现象,开展新的网络舆论生态结构下舆情演化规律和引导策略相关研究,以期为决策者科学制定舆情应对方案提供参考依据。[研究方法]选取2016—2021年间36起社会民生舆情典型案例,运用计算传播研究方法,进行舆情演化机制的定性比较分析,构建负面情感引导模型,开展“时度效”仿真分析,提出以网民实际需求为导向的分众化舆情引导策略。[研究结论]研究发现,社会民生事件在多参与主体交互作用下,有较明显的网络发酵过程;公众有较强情感诉求,媒体和意见领袖参与数量多,能够引发共情心理,共同构成引致此类舆情事件的内在机制;舆论引导实践中,应采取“先度后时”原则,以疏解网民情感为核心,采取针对性引导策略,真正做到合时、适度、有效。

摘要： 以“3·15土坑酸菜事件”微博评论作为数据源,通过社交网络数据的主题分析和情感计算,构建突发事件舆情传播在不同阶段的情感图谱。结果表明:网民的负面情绪虽然在舆情传播过程中占主流,但是在舆情的蔓延期达到高峰,积极情绪在舆情演化过程中没什么变化,占比一直很低,然而中性情绪在舆情衰退期逐渐增加。对微博环境下突发食品卫生事件舆情的情感演化图谱的研究,既为企业在舆情传播中的相关作为提出建议,也为监管部门及时有效的检测和引导舆情发展提供建设性意见。

摘要： 目的/意义:探索消费者维权背景下网络舆情的演化规律,对于网络舆情治理实践具有参考价值。方法/过程:以2021年3·15晚会点名英菲尼迪事件微博及B站舆情数据为研究对象,先结合微博发文量、点赞量以及评论数量三个量化指标划分其生命周期;再采用意见领袖影响力评价体系定量计算以识别不同阶段的意见领袖,分析人群属性;并分别借助LDA主题模型和SnowNlp情感分析方法对该事件中网络舆情的主题分布和情感演化进行分析,即从时间、人群(意见领袖)、主题和情感四个属性揭示消费者维权背景下网络舆情的演化规律。结果/结论:研究结果显示,消费者维权背景下的网络舆情可分为突发期、爆发期、降温期和失焦期四个阶段,各阶段的意见领袖具有明显区别,多数网民对于该事件的情感为负向情感。创新/局限:从社会学的视角出发,以定性特征和定量观测数据相结合的方式对消费维权背景下网络舆情的演化进行分析研究,为解释舆情背后的社会问题提供了新的视角。后续可选取更为广泛的网络舆情事件进行实证研究分析。

摘要： [研究目的]通过网络舆情演化周期理论,研究网络舆情态势感知策略,实现精准的态势感知,为政府部门掌握网络舆情态势、治理网络舆情提供参考。[研究方法]基于Gompertz种群生长模型构建网络舆情态势感知模型,将网络舆情演化周期划分为3个阶段,结合舆情中主体、主题、情感3个态势层面开展数据分析,随后以“杭州女子失踪案”为例,从静态、动态两个数据处理角度进行网络舆情态势演化分析与数据可视化实证研究。[研究结论]构建的网络舆情态势演化模型对网络舆情态势演化实现有效感知,静态和动态可视化结果分别凸显出了网络舆情态势演化的静态特征和动态特征。

摘要： 伴随社会转型,新媒体技术蓬勃发展、高校改革进程加快,高校大学生群体处在价值观和意识形态形成的关键时期,主体意识不断增强,表达诉求愈发强烈,网络人际关系的紧密性进一步增强,情绪化、极端化思维的放大镜效果凸显,导致高校网络舆情一直处于高位态势,其复杂多变的呈现方式成为高校治理的重中之重。文章以社会燃烧理论作为研究范式,审视高校网络舆情的生成及其特征,基于“燃烧物质”“助燃剂”“点火温度”三要素建构高校网络舆情演化路径生成机理的模型,通过探索新媒体环境下的高校网络舆情处置机制,提出从消除网络舆情产生“燃烧源”、掌控网络舆情产生“助燃剂”、切断网络舆情产生“导火索”方面入手,引导高校网络舆情正确导向,从而维护高校安全稳定、促进高校和谐有序发展。

摘要： 本发明属于社交网络分析传播领域，特别涉及一种基于注意力机制的网络舆情事件演化趋势预测方法，包括从基于Web的研究型推荐系统下载或者利用社交平台的公共API获取原始数据；对于获取的数据进行预处理，并去除数据中的噪声和冗余数据，提取在信息传播过程中用户之间的注意力；构建基于注意力机制的GRU模型；利用历史数据通时间反向传播算法过对模型进行训练，在训练过程中最小化损失函数，训练参数通过使用小批量的Momentum优化器来更新；将待预测的数据输入训练好的模型，即可预测信息下一阶段可能传播的用户；本发明可以对信息传播过程进行有效干预和实时控制。

摘要： 本发明属于网络信息安全领域，涉及一种基于演化博弈论的社交网络舆情发展分析方法，适用于在线社交媒体中舆情发展和导向技术。本发明利用在研究种群演化的基础上发展起来的演化博弈论，采用定量化措施，最终计算出的差分表达式，可以预测未来时刻整个网络的采用策略Sf的普通用户占比，以根据此式分析造谣者数量L、与造谣者紧邻的普通用户的数量M和造谣者与普通用户之间的连接的分布g(h)和f(l)对Sf用户占比随时间变化规律的影响。从而更佳精准预测网络舆论的传播情况，以便进行合理导向。

摘要： 本发明涉及一种基于复杂网络的食品安全网络舆情传播演化的建模方法。本发明的主要技术特点是基于复杂网络结构模型，并加入传播和演化模型，利用微博平台食品安全事件数据，分析食品安全网络舆情传播演化过程，可用于查看群众对食品安全事件的关注情况，目的是能够有效查看舆情传播演化情况。本发明用于食品安全网络舆情传播演化研究。

摘要： 本发明提供一种基于主题的舆情情感演化的方法，涉及自然语言处理领域。该方法主要步骤：利用爬虫技术从网络上获取舆情语料数据；对语言数据的预处理；对预料信息进行词向量训练并且判断出词向量间相似度，并且进行离散的时间片划分；通过计算不同时间片内舆情的话题热度以及话题相对熵等度量指标，判断舆情热点热度变化以及相邻时间片内的舆情主题内容相关性；结合舆情信息的特点，将舆情主题作为增强特征，与文本特征结合起来输入到联合深度神经网络模型中进行情感分类；根据舆情话题演化模型获得的热点话题，对各热点话题不同评价对象的情感倾向进行抽取；对不同时间片内热点话题各评论对象的情感倾向进行对比分析。

摘要： 本发明涉及互联网信息处理分析技术领域，公开了基于主动监测引擎和大数据的网络舆情烈度演化分析系统，包括主动监测引擎技术、NLP技术实现信息的数据分析单元中的情感分析功能和大数据技术，所述主动监测引擎技术是以网络爬虫为核心的舆论大数据监测系统，对网络空间中的信息进行主动探测，以监测数据源和采集信息。本发明运用舆情信息烈度演化模型分析，能更全面地研判网络舆情的演化以及其是否需要重视和关注等，为舆情信息监测和处置提供了更准确、更可靠的结果。强化了舆情研判和处置过程中的舆情信息烈度演化的实时监测和预警能力，对避免舆情隐患、舆情征兆向舆情风险、舆情事件扩散，全面提升品牌价值可以起到显著效果。

摘要： 本发明公开了一种基于多智能体的信息传播与舆情演化的仿真方法，包括以下步骤：选取无标度网络作为仿真的媒介；构建网民个体的传播意愿负指数模型；定义网民的属性以及网民群体之间的交互规则，基于交互规则构建网民的连续观点演化模型；信息传播与网民舆情观点演化过程相结合，对信息的传播、观点的演化进行仿真，模型运行到预设的时间步停止。本发明通过引入信息的传播、网民的交互规则以及多样的属性定义，能更好的反应出真实社会中舆情与信息一起传播的规律，体现网民之间的差异性，发现信息传播与舆情演化的规律。

摘要： 本发明公开了面向事故报道的舆情演化自动预测分析方法及系统，包括：获取事故新闻报道的文本信息；对所述事故新闻报道的文本信息进行预处理，得到每篇事故报道的情感分析值、每篇事故报道的要素和若干个事故集合；每个事故集合，均包括：关于同一件事故的按照时间顺序排列的若干篇不同报道；针对每一个事故集合中的每一篇报道，均提取事故报道三元组；每个事故报道三元组，均包括当前事故报道的事故名称、要素和情感分析值；将事故报道三元组转换成对应的特征表示；通过特征表示，获得事故集合的三元组集合，对三元组集合进行预测，得到对应的舆情演化分析结果。基于事故报道舆情演化预测模型，对采集的事故报道所带来的舆情影响及时进行评估。

摘要： 本发明涉及一种基于函数型数据分析的舆情演化轨迹确定方法及系统，涉及舆情分析领域，该方法包括：根据预设主题从社交媒体平台获取相关舆情数据；对所述相关舆情数据中的每个文档数据进行预处理，构建相关舆情数据的语料集；确定所述语料集中各词的融合主题的词向量；将各所述融合主题的词向量输入情感得分计算模型中获得情感得分，所述情感得分包括正向情感得分和负向情感得分；获取各所述融合主题的词向量基于时间序列的情感得分；根据基于时间序列的情感得分，采用伯恩斯坦基函数构建情感本征函数，所述情感本征函数用于表示所述相关舆情的情感演化轨迹。本发明更准确地评估舆情情感的演化轨迹。

摘要： 本发明涉及基于深度学习的网络舆情演化仿真方法及系统，涉及自然语言处理中的文本情感分析技术领域。对BERT模型的预训练任务进行改进，并在此基础上叠加深度预训练任务，还借助于与LDA主题模型深度融合以实现主题视角下细粒度的舆情仿真分析。将待分类语料集TC输入情感分类微调模型中，得到情感分类结果，再将待分类语料集TC输入至BERT模型，进行向量化处理，并将向量化处理后的待分类语料集TC输入LDA主题模型中进行迭代计算，得到文档分布，然后融合情感分类结果和文档分布，得到情感倾向分布，并按照时间顺序对情感倾向分布进行划分，得到情感时序仿真结果，从而得到更加细粒度和精准的文本主题聚类和舆情演化仿真结果。

摘要： 本发明公开一种基于情感分析与主题特征的突发事件舆情演化分析方法，主要步骤包括：首先根据中文分词的特点，采用基于字符串匹配的分词方法对数据文本进行分词；其次利用同义词林语料对分词后的词语的在权重和特征上进行扩展并进行情感值计算；然后计算并基于情感差值对数据进行时间分片；最后将时间分片后的数据作为动态主题模型(DTM)的输入，进而得到在时间序列上该突发事件主题词的变化及热度，预测突发事件发展趋势，对照仅考虑文本相似度分片的主题演化结果，验证情感分析在主题演化过程中的作用。