微博微信网络舆情多维度分析

现如今,随着信息技术的发展使微博微信热潮席卷全国,成为受众了解信息的重要渠道.人类进入以微信和微博为主导传播媒体的新时代.通过对微博微信在网络舆情传播速度、传播深度的分析,发现两者之间的联系、了解两者不同,以便于我们对微信微博认识更加准确.     

微博对高校网络舆情的控制与管理

随着信息技术及互联网应用的不断普及与发展,微博等新型媒体已经成为网络舆情的重要舆论场。微博作为一种新型的舆论传播平台,越来越成为高校网络舆情的主阵地。大学生作为微博的主力军,在这新兴媒体的使用中占据着不可忽视的地位。高校利用官方微博来控制和管理网络舆情已非常有必要。本研究通过高校网络舆情现状分析,探讨高校官方微博对舆情传播的影响,提出了基于高校官方微博的网络舆情管理策略,为高校建设与管理微博提供了一定参考。     

协同治理视域下政务微博参与网络舆情治理研究

微博的兴起,改变了网络舆情信息传播和网络舆论扩散的局面,拉近了互联网与民众的距离。政务微博作为微博生态圈的重要组成部分,逐渐成为政府与民众互动交流的重要平台,在政务新媒体中发挥着重要作用。本文通过阐明协同治理理论的内涵,寻求政务微博与协同治理理论的契合性,分析协同治理视域下政务微博参与网络舆情治理的现状,并提出优化政务微博参与网络舆情治理的对策,旨在进一步推进公共管理的现代化进程,增强政府公信力和领导力。     

基于统计分析的微博信息传播规律研究

在基于统计方法的基础上,发现了微博信息传播速率所具有的普遍规律及信息传播路径所具有的典型传播模式。首先,通过微博开放平台,采用应用程序接口对微博信息的转播/评论数据进行采集,分析信息传播速率随时间变化的统计特性,得出不同话题类型的微博信息传播特征具有非常相似的结论：信息发布后,其转播/评论数在短时间内达到峰值,然后便很快衰落;然后,通过可视化软件NodeXL对采集到的数据发现了微博信息传播的3种典型传播模式：一触即发传播模式、多级传播模式和多点触发传播模式。     

微博用户影响力的评估

作为一种便捷的社交网络平台,微博已成为人们进行信息交流的重要媒介。微博活跃用户多,信息发布方式多、方便快捷,信息传播快速,范围广,极易形成网络舆情。微博博主对信息传播起着决定作用,而其在网上的影响力对其传播有很大影响。在消息的传播分析以及用户个体行为分析的基础上,提出影响力评估体系。该系统利用实例提供的数据,通过AHP方法,可计算出用户的影响力并排名,比较合理地体现了用户的实际影响力。     

基于微博的舆情监测与分析的研究

微博凭借其操作简单、互动性强、传播迅捷的特点,发展飞速。微博不仅已经渗透到社会各个方面,而且日益成为新闻舆论的重要源头。网络舆情的形成和传播呈现的是病毒爆发式的增长方式,能对社会产生巨大的影响。但基于微博的舆情监测和分析还是比较贫乏的。在舆情监测和分析研究的基础上设计与实现了基于微博的Scool舆情监测分析系统。针对微博覆盖面广、用户基数大、数据量巨大、更新速度快的特点,在此系统中信息的存储采取的是NoSQL与关系数据库结合的方式。     

基于微博网络的信息传播模型

微博（Microblog）中信息传播的面积、速度、效率都得到了极大提高,研究信息在微博中的传播规律,对控制和引导舆论具有非常重要的理论价值和现实意义。结合信息在微博网络中的传播规则和微博网络的拓扑结构,通过构建一种新的基于微博网络的信息传播模型,并在实际新浪微博拓扑子网中模拟信息流向,得到如下结论：当信息敏感度大于某一临界值后,明星用户在信息扩散中的意见领袖角色随着信息敏感度的增加而逐渐弱化,当信息敏感度趋于1时,明星用户在信息传播中的优势趋于0。     

新浪微博数据获取技术研究

随着微博在人们日常生活中的广泛使用,微博信息的数据获取成为研究微博的基础和保证。该文提出基于新浪微博开放平台与基于网络数据流的微博数据获取方案。前者通过程序调用新浪微博应用编程接口(API),针对API提供的数据进行分类别归一化解析储存。后者采取捕捉网络信道实时数据流方式,可对指定地域微博用户的网络行为进行实时监控。通过程序调试和实验测试,两套方案的有效结合可实现对新浪微博数据的高效全面获取。     

一种热点话题算法在微博舆情系统中的应用

为了能从中文微博中获取实时的热点话题,设计了一种微博舆情系统,能够有效分析出微博中的热点话题。系统采用网络爬虫算法获得微博数据,然后对微博数据进行过滤,预处理得出比较纯净的微博数据。这里重点是对微博数据进行热点话题分析,采用一种特征向量模型来分析热点话题。最后通过实验表明该微博舆情系统有一定的可行性和准确率。     

基于社交媒体的暴雨灾害信息传播模式分析——以“7·20”河南暴雨为例

为了解暴雨灾害的网络信息传播模式，笔者围绕关键词“河南暴雨”，对从新浪舆情通平台采集到的2021年7月17日—8月2日的19 962 718条相关信息进行分析，梳理“河南暴雨”事件在网络平台的发展趋势。本文通过对微博热词和媒体报道进行聚类，分析此次暴雨灾害中的网民行为、媒体报道和社会各界响应特征，同时分析暴雨灾害的信息传播模式和舆情风险，以期为今后类似事件的灾害应急管理提供参考。     

微博网络中基于主题发现的舆情分析

针对现有微博网络舆情分析的研究中没有从全局层面考虑舆情文本特征的情况,结合微博网络舆情的主题及趋向性分析,提出了基于主题发现的微博网络舆情分析模型,从文本预处理、微博文本特征提取、微博舆情的主题发现及趋向性分析三方面进行了具体描述。仿真结果表明,基于该模型实现的微博网络舆情分析方法在微博网络舆情的分析处理中检测效果良好,说明该模型有效。相关内容可为该领域的进一步研究提供有价值的参考。     

面向离散文本舆情分析的分聚类方案

离散文本已经成为一种占据重要地位的舆情信息表现形式,根据离散文本的特点,提出基于特征概念网的离散文本舆情信息的分聚类框架,在此基础上给出分聚类方案。在聚类算法中,运用了遗传算法的全局并行搜索能力、k—means的高效局部聚类能力和小生境的保持种群多样性抑制漂移能力;在分类算法中,先将训练文本库进行类内聚类成子类,对子类构建特征概念网以生成替代该子类的文本,再用KNN算法进行分类。最后结合舆情分析进一步提出了可用的改进方案。     

基于多特征融合的微博用户权威度定量评价方法

微博用户权威度是评价微博信息可靠性的重要因素之一.本文针对微博用户权威度的定量计算提出了一种基于多特征融合的微博用户权威度定量评价模型.首先,提出了用户权威度的概念,将其定义为用户影响力和被信服度两部分组成;在暂不考虑用户领域影响因子的情况下,基于新浪微博数据,抽取出微博用户信息传播影响力、用户信息完整度、用户活跃度以及用户平台认证指数4项评价特征,以构建了用户权威度定量计算模型;然后,采用层次分析法对所构建模型的4项评价特征的权值进行确定,并分别给出了4项评价特征的提取算法.同时,在用户关注关系网络的基础上,提出了一种基于用户被关注价值的用户信息传播影响力模型UIRank,并通过实验验证了其比PageRank算法更加有效.实验结果表明,本文提出的微博用户权威度定量计算模型比较合理,为用户权威度的定量评价提供了一种可行的解决方案.     

面向中文微博的评价对象与评价词语联合抽取

深入挖掘微博内容中评价对象与评价词语的词法特征、句法特征、语义特征以及相对位置特征,提出评价对象与评价词语的序列化联合抽取模型。进一步结合微博间转发关系特性提出基于转发关系的联合抽取优化算法。并与相关算法进行实验对比,对实验结果进行了综合分析,证明了方法的可行性和优越性。     

面向热门话题的微博观点挖掘方法

提出了一种微博热门话题的观点挖掘方法。首先通过句法依存关系模板和支持向量机(SVM)共同识别热门话题中的观点句,然后进一步通过词法关系和句法依存关系抽取观点词对,从而简明、清晰展现热门话题中的观点。最后通过实验证明了该方法的有效性。     

电子商务时代酒店微博营销分析

微博最显著特征之一就是其传播迅速.一条微博在触发微博引爆点后短时间内互动性转发就可以抵达微博世界的每一个角落,达到短时间内最多的目击人数.微博营销是投资少见效快的一种新型的网络营销模式,其营销方式和模式可以在短期内获得最大的收益.     

基于LSTM深度学习模型的中国电信官方微博用户情绪分析

中国电信官方微博（简称电信官微）作为一种互联网媒体,是中国电信对外发布信息并获取用户反馈的重要渠道。用户对电信官微消息内容的评论,反映了用户对中国电信品牌、产品和服务的不同态度。爬取了电信官微的消息内容和评论数据,对经过清洗的数据采用Word2vec进行文本信息表示,并使用深度学习平台基于LSTM深度神经网络模型进行用户交互文本的正负面情感分类,实现电信官微访问用户情绪分析。     

流行病模型在微博转发预测中的应用

Microblogs currently play an important role in social communication. Hot topics currently being tweeted can quickly become popular within a very short time as a result of re-tweeting. Gaining an understanding of the retweeting behavior is desirable for a number of tasks such as topic detection, personalized message recommendation, and fake information monitoring and prevention. Inter-estingly, the propagation of tweets bears some similarity to the spread of infectious diseases. We present a method to model the tweets’ spread behavior in microblogs based on the classic Susceptible-Infectious-Susceptible (SIS) epidemic model that was developed in the medical field for the spread of infectious dis-eases. On the basis of this model, future re-tweeting trends can be predicted. Our experi-ments on data obtained from the Chinese micro-blog?ging website Sina Weibo show that the proposed model has lower predictive error compared to the four commonly used predic-tion methods.     

特征词选择与相似度融合的微博话题发现方法

微博短文本中存在一些相同或相近、但与主题关系不大的词项,对准确度量文本之间的相似性具有较大的干扰作用,影响微博话题被发现的质量。提出一种基于文本内容与结构化信息相结合的特征词选择算法,能有效提取具有代表性的特征词,并对文本、话题间相似度的计算策略进行改进,然后将特征词选择算法与相似度计算方法融合,应用于微博文本数据实现话题发现。实验结果表明,本算法能有效降低话题发现的平均漏检率与误检率,提高话题发现质量。     

高校网络舆情分析系统的探究

随着网络技术在高校的迅速普及和发展,大学生的学习生活越来越依赖于互联网,由于大学生常常对网络虚拟社区中的“焦点”、“热点”问题发表一些具有明显负面性的意见或者言论,导致负面的信息在互联网上迅速传播,而这些负面的高校网络舆情如果不加以适当控制可能会对学校甚至社会带来消极的影响。本文致力于高校网络舆情分析系统的研究,力求寻找有效途经,探索新方法,开拓新思路,为加强高校网络舆情监管体制的实效性提供有益的帮助。