基于社交关系的微博主题情感挖掘

微博情感分析是社交媒体挖掘中的重要任务之一,在个性化推荐、舆情分析等方面具有重要的理论和应用价值.挖掘性能良好且可同步进行文档主题分析与情感分析的主题情感模型近来在以微博为代表的社交媒体情感分析中备受关注。然而,绝大多数现有主题情感模型都简单地假设不同微博的情感极性是互相独立,这与微博生态的现实状况不相一致的,从而导致这些模型无法对用户的真实情感进行有效建模。基于此,本文综合考虑了微博用户相互关联的事实,提出基于LDA和微博用户关系的主题情感模型SRTSM,该模型在LDA中加入情感层与微博用户关系参数,利用微博用户关系与微博主题学习微博的情感极性。新浪微博真实数据集上的大量实验表明,与代表性算法JST、Sentiment-LDA与DPLDA相比较,SRTSM模型能对用户真实情感与讨论主题进行更加有效的分析建模.     

基于多特征微博话题情感倾向性判定算法研究

社交网络舆情分析是一种新的研究趋势,而其中微博话题的情感倾向性判定是社交网络舆情分析中的热点。针对微博内容特征以及微博间转发、评论关系特征,构建情感分析用词典、网络用语词典以及表情符号库,设计基于短语路径的微博话题情感倾向性判定算法,以及基于多特征的微博话题情感倾向性判定算法,并进一步利用微博间的转发和评论关系对基于多特征的微博话题情感倾向性判定算法进行优化,其微平均正确率与F值分别达到85.3%和79.4%。     

基于微博的高校舆情监测平台设计

随着新社交媒体的快速发展,高校学生和教师越来越多人借助微博针对其关心的校园管理及生活问题发表意见和评论,学校管理部门有效获取高校舆情信息已经成为研究的热点问题.在国内外已有相关平台的基础上,从分析微博数据特点入手,使用可视化建模语言UML对基于微博的高校舆情监测平台进行设计.     

基于中文微博的突发事件舆情监测研究

微博作为异军突起的新媒体,已经成为传统媒体跟踪突发消息的重要来源。文章对突发事件舆情传播的特征与趋势、微博短文本预处理、微博突发事件情感分析3个微博突发事件监测的关键问题进行了阐释和探讨,并基于已有的研究,给出可能地解决方案。最后提出了一个高效的微博突发事件舆情监测的设计框架,通过发现突发事件情感特征及突发期,再对处于突发期的博文进行主题聚类抽取突发事件。     

水利舆情大数据监测应用研究

随着社交媒体的发展,水利网络舆情事件的发生次数呈上升趋势,监测分析难度日益加大.为解决水利网络舆情监测问题,开发建设水利舆情大数据监测分析平台十分必要.通过对基础设施、数据资源、舆情智能分析、舆情大数据可视化4个模块的构建,水利舆情大数据监测分析平台初步实现舆情大数据监测分析能力,形成较完善的水利行业舆情大数据工作机制...     

融合BERT多层次特征的短视频网络舆情情感分析研究

自媒体时代与网络社交软件的广泛普及,导致短视频平台极易成为舆情事件起源和发酵的“孵化器”。分析短视频平台中的舆情评论信息,对于舆情事件的预警、处置和引导具有重要意义。鉴于此,结合BERT与TextCNN模型,提出一种融合BERT多层次特征的文本分类模型（BERT-MLFF-TextCNN）,并对抖音短视频平台中的相关评论文本数据进行情感分析。首先,利用BERT预训练模型对输入文本进行编码。其次,提取各编码层中的语义特征向量进行融合。然后,融入自注意力机制突出其关键特征,从而实现特征的有效利用。最后,将所得特征序列输入TextCNN模型中进行分类。实验结果表明,与BERT-TextCNN、GloVeTextCNN和Word2vec-TextCNN模型相比,BERT-MLFF-TextCNN模型表现更优,F1值达到了0.977。通过该模型能够有效识别短视频平台舆情的情感倾向,在此基础上利用TextRank算法进行主题挖掘,实现舆情评论情感极性的主题词可视化,为相关部门的舆情管控工作提供决策参考。     

基于情感分类和主题挖掘的网络舆情文本分析

在社交网络时代，自媒体已成为群众发布、获取信息的重要渠道，网络舆情研判已经成为各级政府部门的主要任务之一。自媒体在反映个人情感和意见思潮的同时，也会汇聚群众的情感共鸣，因此对舆情文本的情感进行分析并获取其主题成为关键。通过爬虫工具对相关舆情文本进行抓取，将获取的数据使用Python的SnowNLP模块进行情感倾向划分，结合无监督的机器学习算法LDA主题模型进行文本关键词聚类，从而确定舆情规模、情感演变规律和舆情的热点主题词，为完善舆情应对机制提供科学支持。     

突发涉水事件的舆情分析研究

互联网信息公开、迅速、透明且易于收集,对于突发性水利事件的分析,互联网舆情大数据分析是一个发展趋势,这种方式能以较小代价快速获取数据,分析得到有价值的信息,正成为辅助常规水利事件监测处理的有力方式。在研究和应用现状分析的基础上,通过对搜索引擎、社交论坛和新闻报道等渠道采集相关数据并分析挖掘,提出面向突发事件的热度和情感分析模型,并对2017年嘉陵江铊污染突发事件,从9个情感维度进行分析。微博用户的陈述、愤怒、担心的比重较大,论坛评论的用户大部分都表示出较理性的心态,新闻评论的网友多处于担心和追责状态,负面情绪偏多。突发涉水事件的舆情传播很快,因为事件应急处理措施快速生效,水污染情况得到有效控制,事件舆情逐渐趋于稳定。     

突发公共卫生事件热点网络舆情情感特点分析

对网络舆情进行有效监测、预警和管控，引导网民情感走向是网络安全的重要工作内容。爬取新浪微博“新冠疫情”相关博文的评论数据，通过python利用BOW模型，TF-IDF算法和逻辑回归模型构建文本分类算法，对网民的评论情感特点进行研究。对爬取清洗后26688条评论数据代入模型进行情感分类得出网民情感的舆情特点和走向，从时间线上看2021年负面评论数据高于2020年。对不同时间线的舆情特点进行了深度分析，同时结合2021年四季度西安疫情的特殊舆情事件展开了回溯分析。     

基于SCIR的微博舆情话题传播模型研究

微博是舆情话题传播的重要渠道,研究微博网络中的舆情话题传播机制,将有利于对舆情话题的传播过程进行分析与监控,而传统的网络信息传播模型却无法真实地描述微博网络中的舆情话题传播机制。针对以上问题,分析了微博网络中的信息互动模式及舆情话题的传播特点,以传染病动力学中的SIR模型为基础,通过引入一个新的节点状态--接触状态,构建了基于SCIR（Susceptible Contacted Infected Removed）的微博网络舆情话题传播模型。仿真结果表明,该模型可以很好地描述微博网络中的舆情话题传播规律。     

“互联网+”环境下教育舆情事件分析与应对策略

“互联网+”环境下,网络已成为人们收集信息、发表意见的主要平台,在微媒体不断发展壮大的情况下,教育舆情事件频发,其影响力不断扩大。本文从教育舆情概念的界定入手,以一起教育舆情事件为例,进行了事件传播趋势与传播平台分析、网民话题分析,并提出了一定的教育舆情事件应对策略。     

基于传染病模型的社交网络舆情话题传播

针对传统模型难以真实地描述社交网络舆情话题传播过程,提出一种基于传染病模型的社交网络舆情话题传播模型。分析了社交网络舆情话题的传播特点,根据传染病动力学机制,将内部感染概率、外部感染概率、免疫概率以及直接免疫概率引入舆情话题传播过程中,构建了社交网络舆情话题传播模型,在Matlab 2012平台下采用Facebook数据集进行仿真测试。仿真实验结果表明,该模型可以准确描述社交网络中的话题传播行为特征,研究结果可以为社交网络舆论管理者提供有价值的参考意见。     

中文微博热点事件情感分布的原因分析

微博作为新兴的社交媒体平台,越来越多的网民选择在微博上获取与分享自己感兴趣的信息。在微博日均千万级的大数据面前,分析网民对某一事件的观点与态度是一件非常有意义的工作。调研中发现,大众对单个事件的不同话题存在不同的情感分布。针对这一现象,该文提出了使用无监督学习的层次聚类排序方法和半监督学习的微博话题纠正算法两种方法,进行事件话题及其相关微博的挖掘。最后利用情感分析的相关技术,达到对相关微博进行情感分布统计及其原因分析的目的。通过在人工构建的数据集上测试,结果表明该方法能够准确分析事件情感分布的原因。     

基于正负反馈的SEIR微博舆情传播模型

社交网络舆情已经成为社会舆情的主要阵地。针对传统模型难以描述社交网络舆情话题的真实传播过程,分析社交网络舆情话题的真实特点,补充加入社交网络中显著的水军和僵尸粉这2大显著特征,作为舆情话题传播中的正负反馈,分别对舆情话题的传播起到推动及抑制作用,构建带有正负反馈的社交网络舆情传播话题模型,提高舆情预测模型的准确率,得出正负反馈对舆情传播的影响力。     

基于大数据的事故舆情分析系统研究

为达到重大事故发生后正确引导舆情的目的,本文通过研发舆情分析系统来分析重大事故发生前后舆情传播以及演变的规律。本文研究并构建出一个重大事故舆情分析方法框架。随后爬取互联网数据,采集微博某某事件相关数据,并对数据进行预处理,提取数据特征、进行情感分类,然后构建基于微博的特定情感词典,通过Word2vec提取文本特征,最后使用逻辑回归、SVM等分类器进行情感分类,计算得出舆情分析结果。同时,本文设计出一个舆情分析系统,通过采集的数据验证系统和算法的实际运行效果。经数据验证,本文使用的情感分类方法具有较高的准确度,舆情分析系统运行效果良好。本文研究的成果可以在重大突发事件发生时,为决策者提供舆情引导理论支撑和便捷的分析渠道。     

微博背景下高校网络舆情监测与引导机制研究

近几年,微博在中国得到了飞速的发展。特别在高校,这种便捷、快速的交流方式越来越赢得学生的青睐。这为高校的学生管理带来了巨大的挑战。认真研究微博网络舆情的监测和引导机制,准确发现网络舆情事件发展苗头,对当事人进行积极有效引导,避免重大网络舆情事件的发生,对构建和谐校园意义重大。     

对微博舆情热度监测及预警的指标体系的研究

分析微博舆情的传播特点,并在此基础上提出微博舆情热度的监测指标,最终建立微博舆情预警体系。     

微博舆情监测在企业中的应用

随着微博舆情的影响力及重要性越来越凸显,相当数量的政府部门及大中型企业都已经部署或开始舆情监测工作。本文总结了微博舆情监测在企业中的应用领域,企业微博舆情监测的指标体系及分析角度,给出了企业进行微博舆情监测分析工作的初步指引和方法。     

基于改进主题模型的微博短文本情感分析研究

信息时代,社交媒体发展异常迅速,微博、微信等社交平台受到了广大网友的喜爱和关注。微博社交平台发布的信息文本相对较短,传播速度快,更新速度快,越来越多的网民在微博平台上表达个人意见和想法。但是,微博短文本的信息较为分散,上下文内容联系不紧密,分析微博短文本情感态度的过程中常常存在一定阻碍和问题。基于此,重点研究了基于改进主题模型的微博短文本情感分析,希望可以深入挖掘质量更高的情感主题。     

基于价值累加理论的网络热点事件舆情研判及系统实现

基于价值累加理论分析网络热点事件的演变过程,确定触发因素的出现、共同信念的形成、行动动员的完成是事件演变的三个关键环节,设计监测模型,对事件舆情中的敏感因素、情感的形成及扩散进行分析判断。在此基础上,构造网络舆情热点信息智能监测平台系统(NPOIMS),以我国西部地区的x市为实例对象,架构舆情监测系统,监测与x市有关的各类舆情信息,提炼热点词语,进行舆情研判,提供分析报告,为相关部门提供舆情引导和事件应对的信息参考和决策支持。